Различные формы персонализации
Для того чтобы обеспечить своих посетителей чем-то интересным именно для них, вам нужно знать, кто они такие и что они делают на вашем сайте.
Узнать это можно двумя способами.
Анонимные данные: ваши инструменты веб-аналитики записывают так называемые анонимные переменные на основе объектов «cookie» или в период нахождения пользователя на сайте.
Примером анонимной переменной, связанной с тем, кто заходит на ваш сайт, может быть информация о том, пришел ли посетитель к вам впервые или уже раньше был на сайте. Примером того, что он делает, может быть информация о просмотре страницы определенного продукта или категории. Поскольку данные анонимны, вы не знаете имени посетителя, соответственно, эти данные относятся к сегменту посетителей.
Известные данные: данные об индивидуальных посетителях, известные вам и хранящиеся во внешнем источнике данных, называются «известные переменные». Это может быть информация, которую они дали вам сами или которую вы узнали из других источников.
Известными данными о том, кто они такие, могут быть их имена и демографические характеристики, а известными данными о том, что они делают, – истории их предыдущих покупок. Этот тип данных неанонимен; вы можете привязать его к конкретному посетителю.
Эти четыре группы позволяют нам создать целый ряд возможностей персонализации для различных сегментов и отдельных их представителей:
• кто они такие (известные данные),
• кто они такие (анонимные данные),
• как они себя вели (известные данные),
• как они себя вели (анонимные данные).
Одна из самых известных форм персонализации – Product Recommendation Engine (PRE), или движок по рекомендациям продуктов. Этот программный инструмент использует алгоритмы для создания предложений в тот момент, когда посетитель изучает определенный продукт. Результаты работы алгоритмов, созданные с помощью анонимных переменных, появляются на сайте в виде изображений и сообщений вроде «Люди, купившие этот товар, также купили…».
PRE могут также могут использоваться для того, чтобы давать клиентам рекомендации, основанные на таких известных переменных, как состав их покупок в прошлом. Более того, они могут даже создавать для них персонализированные домашние страницы, основанные на их прежнем покупательском поведении.
Вы можете разработать PRE самостоятельно или использовать один из множества доступных на рынке движков от компаний типа Rich Relevance, Attraqt, Peerius и Barillance. В 2012 году компания Amazon сообщила о 29 %-ном росте продаж после внедрения собственной системы рекомендаций
[61].
Мероприятия по организации индивидуального обслуживания с использованием известных переменных, например личных данных посетителя, требуют инвестиций в платформу персонализации, способной на детализацию до уровня отдельного человека. Механизм, позволяющий предлагать нечто подобное, называется слоем данных. Он призван интегрировать несколько источников данных, таких как базы данных клиентов, в платформе персонализации.
Такие эксперименты обычно сложнее и дороже во внедрении, чем те, о которых мы говорили выше
[62]. Для них требуется не только хорошо разработанная технология – создатели должны также серьезно подумать о компонентах слоя данных и о том, сможет ли система работать достаточно эффективно и правильно, чтобы обслуживать каждого посетителя наиболее подходящим ему образом. Компании типа Qubit, Optimizely, Monetate и Maxymiser предлагают платформы персонализации, значительно упрощающие процесс настройки таких экспериментов по персонализации.
Однако есть немало способов заниматься персонализацией без использования сложных алгоритмов. Чтобы составить схему индивидуального обслуживания, вам совершенно не нужно иметь массив известных данных. Вполне достойные результаты может получить за счет простых изменений и одних лишь анонимных переменных, таких как местоположение.
Геотаргетинг
Очень простая техника персонализации основана на знании того факта, где именно пользователь просматривает сайт. Некоторые сайты сообщают о приросте продаж, возникающем после того, как они помещают на стартовой странице изображения знаменитых достопримечательностей: Эйфелевой башни для пользователей из Парижа или статуи Свободы для пользователей из Нью-Йорка.
Ниже приведен пример того, как можно сделать следующий шаг и добавить на сайт данные о погоде в месте нахождения посетителя. Компания Burton, ведущий торговец мужской одеждой, смогла персонализировать свою домашнюю страницу необычным образом – она показывала новое изображение каждый раз, когда температура в городе пользователя опускалась ниже определенного уровня. К примеру, на экране мог появиться символ-снежинка, а рядом с ним ассортимент зимней одежды, название города и текущая температура в нем.
Новые посетители
Компания Boyle Sports смогла научиться эффективно работать с анонимными переменными, такими как данные о новых или возвращающихся посетителях. Любой человек, заходивший на сайт в первый раз, получал персонализированное предложение, побуждавшее его завести аккаунт.
Когда следует заниматься персонализацией?
Истории успеха наподобие описанных выше предполагают, что многие компании хотели бы предлагать посетителям индивидуализированное обслуживание, а на рынке имеется целый ряд доступных технологий, позволяющих сделать это быстро и недорого.
Однако было бы ошибкой заняться персонализацией только потому, что с ее помощью вы надеетесь быстро разбогатеть. Она работает только при наличии ряда факторов. Мы хотим обратить ваше особое внимание на три индикатора, сообщающих, когда персонализации нужно уделять больше внимания.
Индикатор 1. Исследование демонстрирует возможность для сегментации: вы обнаруживаете, что некий сегмент ваших посетителей ведет себя не так, как остальные. Помимо ваших наблюдений, нет других данных, однако происходящее слишком заметно для того, чтобы вы это не протестировали.
