Hallo Habr! Ich heiße Andrey Tyschenko von Dynamic Yield. Unser Arbeitsbereich ist die Personalisierung von Websites, um den Umsatz zu steigern und die Benutzererfahrung für Partnerunternehmen zu verbessern. Aus diesem Grund möchte ich heute über die Personalisierung von Websites im E-Commerce, Personalisierungstools und die Ergebnisse sprechen, die diese Technologien liefern können.
Fast alle Unternehmen verwenden Personalisierungstools, einschließlich E-Commerce, Einzelhandel, Finanzsektor, Reisen, IT-Unternehmen und viele andere. Hervorragende Ergebnisse liefern individuelle Vorschläge und Empfehlungen, die seit langem von Amazon, eBay, Netflix und vielen anderen Unternehmen umgesetzt werden. Unter dem Schnitt - interessante Details zu Personalisierungstools und ein paar Fällen.
Hightech und Personalisierung
Es ist erwähnenswert, dass große E-Commerce-Anbieter zwar sagen, dass sie maschinelles Lernen, KI, neuronale Netze und dergleichen für Personalisierungszwecke verwenden, dies jedoch in Wirklichkeit bei weitem nicht immer der Fall ist. Oft werden relativ einfache Algorithmen für die Arbeit mit Daten verwendet, die weder ein neuronales Netzwerk noch maschinelles Lernen sind - vielleicht eine ziemliche Strecke. Wenn diese Technologien tatsächlich eingesetzt werden, können Sie gleichzeitig eine gute Steigerung des Umsatzes / Verkehrs erzielen. Sie müssen jedoch genau wissen, wo und wofür welche Tools verwendet werden können.
Ein weiterer interessanter Punkt: In den USA und in Russland sind Unternehmen in Bezug auf den Einsatz von Hochtechnologien zur Personalisierung auf Augenhöhe. Einige Beispiele für die beliebtesten Technologien sind die Deep Learning- und Predictive Targeting-Engines.
Warum sind sie beliebt? Weil sie es ermöglichen, Ideen, die in der ersten Phase der Personalisierung entstehen, schnell zu testen, wenn Vermarkter und Produktmanager Hypothesen zur Benutzeroberfläche / Benutzeroberfläche von Websites, Marketingkampagnen oder Werbeaktionen aufstellen.
Der Ansatz zum Aufbau von Personalisierung besteht im Wesentlichen darin, einen Trend zu identifizieren, eine Hypothese zu erstellen, ihn schnell zu testen und dann „nur“ schnell Dutzende weiterer Optionen für die Implementierung dieser Hypothese zu testen und als Ergebnis eine optimale Kommunikationsstrategie mit einem Segment zu erstellen oder eine andere (oder sogar mit "Segment of One" - dh einer Kommunikationsstrategie im 1: 1-Modus - auf seine eigene Weise mit jedem einzelnen Benutzer). Die Personalisierungsstrategien der besten Player auf dem Gebiet wie Amazon, Netflix, Spotify und andere berücksichtigen nicht nur explizite Benutzeraktionen wie das Klicken auf Produkte, das Hinzufügen zum Warenkorb, Käufe (oder das Ansehen von Filmen / das Hören von Musik) Tracks) usw. .p., berücksichtigen aber auch die Eigenschaften von Waren (Filme, Tracks usw.), Muster des Nutzerverhaltens auf der Website,Vergleich aller Benutzer auf der Website und Interaktion aller Benutzer mit allen Produkten und Vorhersage der wahrscheinlichsten nächsten Benutzeraktion. Nachdem der Benutzer lange genug (z. B. einige Minuten) mit der Site interagiert hat, beginnt der Inhalt automatisch, sich an seine Vorlieben anzupassen. Beim nächsten Besuch des Kunden werden alle Seiten der Website, einschließlich der Startseite, personalisiert.
Sie können nicht nur Websites, sondern auch mobile Anwendungen personalisieren. Ein Beispiel ist SimpleWine. Sie tat es:
- Erzielen Sie eine umfassende Personalisierung der mobilen Anwendung. Nicht nur Empfehlungen, sondern ganze Screenshots der Anwendung werden für den Benutzer neu erstellt und sehen anders aus.
- Erleichtern Sie dem Benutzer die Auswahl. Die App hilft Ihnen bei der Auswahl eines Weins mit Tipps, Navigation und Empfehlungen - genau wie ein kompetenter Weinhändler.
- Stellen Sie sicher, dass alle Änderungen an der Anwendung in Echtzeit gestartet werden. Das heißt, Sie müssen nicht auf die Erstellung einer neuen Version warten und diese in den Anwendungskatalog hochladen.
Weitere Pläne beinhalten die Einführung von Deep Learning, einer Engine, die die Vorlieben und Interessen der Benutzer nicht anhand formaler Zeichen vorhersagt, sondern auf dem Vergleich dieses Benutzers mit allen anderen Benutzern und der Vorhersage, welcher andere Wein diesen Benutzer mit der größten Wahrscheinlichkeit aufgrund der Erkennung von interessiert Andere Benutzer mit ähnlichen Vorlieben und Verhaltensmustern, ähnlich wie Netflix oder Spotify, nehmen Filme oder Musik für Sie auf.
Okay, können Sie die Personalisierungstechnologien genauer beschreiben?
Es gibt einige von ihnen, aber nicht alle sind wirksam. Personalisierungstechnologien können je nach Arbeitszeit mit dem Benutzer bedingt in zwei Gruppen unterteilt werden.
Interaktion mit dem Benutzer auf der Website. Hier ist es wichtig, die Interessen und Vorlieben des Käufers zu berücksichtigen, um ihm zu helfen, einen guten Kauf zu tätigen. Die Personalisierung ermöglicht es, das Erscheinungsbild und die Funktionen der Website in Echtzeit an die Bedürfnisse des Benutzers entsprechend seinem Verhalten anzupassen. Beispielsweise ändert sich das Produktproblem automatisch und seine Entstehung wird durch das Interesse des Benutzers an verschiedenen Produkten, Kategorien, Marken, Preisspannen usw. beeinflusst. Analysesysteme können jetzt eine Vielzahl von Faktoren berücksichtigen, die sich auf einen bestimmten Käufer beziehen.
Kommunikation mit dem Benutzer, nachdem er die Website des Online-Shops geschlossen hat. Hier kommen Newsletter, Triggerbriefe, SMS, Push-Benachrichtigungen, Instant Messenger usw. ins Spiel. Wichtige Voraussetzungen sind natürlich Unauffälligkeit, Relevanz und Aktualität der Kommunikation.
Bei den Technologien selbst arbeiten wir meistens mit Tools wie:
Predictive Targetingprognostiziert basierend auf maschinellem Lernen die beste Kombination aus einer Kommunikationsoption oder einem Kommunikationsinhalt und einem Segment, für das eine solche Kommunikation am besten funktioniert, und schlägt vor, das optimale Targeting für diese oder jene Kommunikationsoption zu verwenden. Auf diese Weise informiert der Motor Vermarkter oder Produktmanager in Echtzeit darüber, welche Kommunikationsoption für welches Segment am besten geeignet ist. In diesem Fall ist keine manuelle Analyse erforderlich, alles funktioniert in einem vollautomatischen Modus. Nachdem das Targeting für die Vorproduktion abgeschlossen ist, benachrichtigt die Engine den Vermarkter oder das Produkt, sodass die optimale Einstellung schnell bereitgestellt werden kann.
Es stellt sich heraus, dass eine solche Kombination aus einer Person, die anfängliche (in der Regel recht einfache) Hypothesen, Ideen, Aufgaben und eine Maschine hat, die im Kontext aller möglichen Segmente in die Daten „durchfällt“, „sich dreht“ a Person Logik und baut eine intelligentere, komplexe und granulare Personalisierung.
Sorting Engine (Ranking Engine).Hilft bei der automatischen Optimierung der Produktsortierung auf Produktlistenseiten mithilfe eines ausgeklügelten Deep Learning-Modells. Gleichzeitig wird die Auflistung der Waren in Echtzeit individuell für jeden Benutzer erstellt. Während des Ausbildungsprozesses werden Daten über die Interessen eines potenziellen Kunden verwendet und eine Vorhersage von Aktionen basierend auf dem Vergleich mit dem Verhalten anderer Benutzer durchgeführt. Darüber hinaus werden bei diesem Prozess auch Daten zum Warenbestand, zur Marge, zu Werbeaktionen usw. verwendet.
Server-API.Mit einer Reihe von APIs können Produktmanager und Entwickler auf der Serverseite mit jedem Gerät experimentieren, Produktempfehlungen entwickeln und neue Funktionen basierend auf Kundeninteressen einführen. Und das alles wird für jeden einzelnen Käufer angepasst.
Omnichannel... Hier geht es um die Tatsache, dass es viele Datenerfassungskanäle für die nachfolgende Analyse gibt. Dies können ein Callcenter, eine Registrierkasse, Terminals und andere Geräte in Offline-Geschäften, mobile Geräte von Verkaufsassistenten (das sogenannte Clientelling), elektronische Menüs in Restaurants, Anwendungen für Smart TV oder Apple TV, Smartwatches, Smart Speaker, sein. intelligente Brille und viele andere. Übrigens ist es beim Personalisieren sehr wichtig zu berücksichtigen, von welchem Gerät aus der Benutzer bestimmte Aktionen mit der Ladenfront oder Waren ausführen wird.
Benötigen Sie Fälle? Und hier sind sie
Um die Wirksamkeit der Personalisierung zu demonstrieren und Beispiele für die Funktionsweise von Technologien zu geben, werden wir mehrere Fälle angeben.
Der größte Marktplatz in Kasachstan Kaspi.kz
Dies ist eines der größten innovativen Unternehmen des Landes, dessen Anwendung sehr beliebt ist. Es ermöglicht Benutzern, Zahlungen und Überweisungen vorzunehmen, persönliche Finanzen zu verwalten und mit Lieferung online einzukaufen. Heute ist Kaspi.kz die größte E-Commerce-Plattform in Kasachstan mit einem Umsatz von rund 600 Millionen US-Dollar in den neun Monaten des Jahres 2020 und einer Steigerung von + 129% gegenüber dem Vorjahr.
Mit Hilfe von Personalisierungstechnologien erzielte das Unternehmen in nur drei Monaten 19,4% des Umsatzes mit Empfehlungen. Und das ist eine enorme Menge, wenn man diese Fakten berücksichtigt:
- 450 000 .
- 8 500 000 .
Perekrestok Store
Der Online-Supermarkt wurde 2017 eröffnet. Seitdem ist das Unternehmen enorm gewachsen. Der Umsatz stieg auf 2,09 Milliarden Rubel, die Anzahl der Bestellungen überstieg 590 Tausend, während der durchschnittliche Scheck 4026 Rubel betrug.
Das Unternehmen hat beschlossen, Personalisierungstechnologie auf seiner Website zu implementieren, und es war richtig. Nur die Produktempfehlungsstrategie mit ähnlichen Produkten auf der Produktkarte zeigte eine Steigerung der Conversion um + 10,9% gegenüber der Kontrollgruppe und um + 12,0% des Umsatzes für den Desktop.
Zusätzlich hat Perekrestok ein Widget mit Werbeartikeln auf der Artikelkarte hinzugefügt. Dadurch konnte der Umsatz auf dem Desktop um 2,5% und auf der mobilen Version um 1% gesteigert werden. Die Segmentierung des Publikums führte zusätzlich zu einer Umsatzsteigerung für Neukunden um 10% und für aktuelle Kunden um 5%.
Nun, das Widget "Leere Suche", das im Falle einer fehlgeschlagenen Suche personalisierte Produktempfehlungen bietet, steigerte den Umsatz pro Benutzer um 3,1%. Das maximale Umsatzwachstum mit dem leeren Such-Widget betrug 6,2%.
Hinter all diesen Fällen steht ein System, das auf maschinellem Lernen basiert, einschließlich Deep-Learning-Algorithmen, die auf der Grundlage von Daten zum Verhalten und den Interessen der Benutzer sowie zu den Eigenschaften von Waren für jeden Benutzer die Waren auswählen, die am wahrscheinlichsten relevant sind für ihn in jedem Moment der Arbeit mit der Website. Maschinelles Lernen hilft zu analysieren, zu welchem Kundensegment welche Benutzer gehören, ihnen das interessanteste Angebot anzubieten und eine individuelle Strategie für die Verwendung personalisierter Empfehlungen zu wählen.
Abschließend sollte gesagt werden, dass die Personalisierung in den nächsten Jahren alle Geschäftsbereiche durchdringen wird, einschließlich großer Akteure im Einzelhandel, Banken und kleinen Unternehmen. Maschinelles Lernen und Datenverarbeitung ermöglichen es, die Personalisierung so effektiv wie möglich zu gestalten. Aber es gibt noch eine andere wichtige Nuance, die nicht vergessen werden sollte - dies ist der Schutz der Benutzerdaten. Die erhobenen Daten müssen sicher sein - ohne diese kann keine Personalisierung verwendet werden.