Как современный король Артур и все его рыцари, цифровые маркетологи навсегда стремятся к святому Граалю: веб-сайт, который персонализирует себя для потребителя.
Если мы сможем настроить цифровой опыт человека, думаем, мы можем поощрять их, со всеми правильными сигналами и призывами к действию, завершить их покупку. Кубок конверсии перевернется.
Проблема в том, что совершенно индивидуальный опыт столь же неуловим, как и сам святой Грааль.
В компаниях есть так много разных пользователей, которым требуется различный опыт, и «персонализация» – идея миллиона долларов, которую мы можем предсказывать поведение клиентов заранее, а затем предлагать им индивидуальный онлайн-опыт, рекламируется как окончательное решение. Предприятия вкладывают ресурсы в персонализацию, стремясь получить преимущество от своей конкуренции и увеличить свою прибыль.
Но так много траты времени и денег.
Легко заманить мысль о том, что, если мы сможем идентифицировать подобное поведение среди групп клиентов, это позволит нам предсказать, как будут себя вести себя аналогичные клиенты. Но, ища быстрые исправления из больших данных и хруст кучки чисел, предприятия фактически попадают в ловушку.
Вам нужно стать личным – но не так, как вы думаете
Компании плавают в данных о своих потребителях. Существуют данные, относящиеся к поведению пользователя (клики, просмотры страниц), социальным событиям (нравится, акции), деталям (категории, цене) и контекстной информации (время суток, погода, устройство) и многое другое.
Но, несмотря на всю эту информацию, мы действительно не знаем, почему ваши покупатели (или нет) покупают ваш продукт. Это потому, что эти невероятные, богатые данные говорят нам о том, что делают наши клиенты, но почти ничего о том, почему они4 делают это.
Рассмотрим этот пример: в магазине здоровой пищи проводится анализ поведения потребителя, основанный на данных, и определяется, что в течение летних месяцев средние расходы клиентов намного выше, чем зимой. Таким образом, основанный на данных вывод здесь будет заключаться в том, что люди более охотно тратят деньги на продукты здоровой пищи летом.
Но при таком выводе игнорируются несколько потенциальных смешающих переменных. В игре играют несколько других потенциальных факторов: лето – это также сезон купальников, а это означает, что люди склонны к более здоровой деятельности и выбору образа жизни в жаркие месяцы, и в этом случае покупка более здоровых продуктов питания является вторичным результатом.
Чтобы по-настоящему понять поведение клиентов, данные должны быть организованы таким образом, чтобы показать глубокое понимание того, как люди думают и ведут себя. Речь идет не только о персонализации одеяла. Речь идет о том, чтобы думать, как психолог, или, еще лучше, нанять психолога, чтобы помочь вам хрустнуть эти цифры.
Как человеческая жизнь, это сложно
Ученые-исследователи склонны впадать в то, что мы называем предположением «черного ящика»: думаем, что поведение человека можно понять просто путем наблюдения за внешними данными. Люди не машины. Мы сложны, умны и эмоциональны, а компании, которые слишком сильно полагаются на холодные номера, стремясь понять своих потребителей, обманывают себя, забывая об этом.
Машиноведение предлагает неограниченный потенциал для привлечения клиентов новыми и захватывающими способами. Используя методы машинного обучения, мы можем увеличить масштаб, чтобы идентифицировать шаблоны, невидимые для голого человеческого глаза. Но одно, что машинное обучение не может нам предложить, по крайней мере, пока не является порталом во внутреннем человеческом опыте.
Подумайте об этой популярной аналогии: машины делают довольно хорошие прогнозы погоды в эти дни. Они могут даже предсказать внутри шторма. Но он никогда не влажный внутри компьютера.
Почему это имеет значение? Это важно, потому что, хотя мы хотели бы верить, что все человеческое поведение столь же чистое и аккуратное, как ряд цифр, реальность – это большая часть наших решений, исходящих из чувств и судорог. Если мы не примем это, мы никогда не будем продвигаться вперед в наших поисках, чтобы по-настоящему понять человеческое поведение.
Анализ данных должен определяться экспертными знаниями и психологической теорией4 вместо применения подхода «давайте просто попробуем и посмотрим». Для маркетологов эффективно использовать данные, они должны уменьшить масштаб и помнить, что подход одностороннего подхода к чтению данных с одним размером подходит практически всегда будет коротким.
Конверсия – это процесс, состоящий из множества остановок и запусков. Традиционная мудрость ученых-исследователей рассматривала преобразование как одно действие или событие, выделенное во времени.
Это очень недальновидный подход.
Путь от первоначальной маркировки досмотра длинный и обычно занимает несколько точек касания для пользователя для конвертирования. Нам нужно прекратить говорить о коэффициентах конверсии и начать говорить о циклах конверсии.
«Цикл конвертации» может включать в себя множество посещений сайта, переходы между мобильным и настольным компьютерами и даже многократные остановки между онлайн-магазинами и офлайновыми магазинами компании. Это результат множества различных переплетенных решений, которые затрагивают ряд проблем: стоимость, стиль, личные финансы, эмоциональные тяги, семейные решения и многое другое.
Чтобы компании действительно могли увеличить свои клиенты и получить ценную информацию, которые могут внести свой вклад в суть, им нужно помнить, что, когда клиент посещает их сайт, посещение сайта – это всего лишь одна крошечная точка данных в лабиринте факторов, которые в идеале приведут в конце конверсии.
Но если компания может определить, где клиент находится в процессе конверсии, когда она находится в этой конкретной точке данных в лабиринте, тогда у них будет ценный инструмент для эффективного воздействия на ее поведение.
Чтобы использовать ваши данные,
Заманчиво думать о преобразованиях и моделях данных как существующих в одном измерении. Но если мы хотим использовать золотую монету, которую предложили нам машинное обучение, и использовать ценные данные в наших руках, чтобы действительно повлиять на наших клиентов, нам нужно вынуть лопату и выкопать ее на второй, третий и четвертый слои ,
Вот пример. Ученый-данник одного из наших крупнейших розничных клиентов однажды сказал мне, что он на пороге говорит своему менеджеру удалить фильтры с его сайта. Зачем? Поскольку он проводил анализ клиентов, которые обратились, и обнаружил, что, хотя фильтры были популярны среди посетителей, которые пришли на сайт, а затем ушли без покупки, посетители, которые делали конвертацию, фактически не использовали фильтры.
Я решил пойти глубже. Этому ученому по данным не потребовалось много времени, и я понял, что те посетители, которые были преобразованы, возвращали посетителей, которые уже были знакомы с их сайтом и больше не нуждались в фильтрах, чтобы найти то, что искали. Те же самые посетители при первом посещении сайта использовали фильтры для поиска самого продукта, который они теперь возвращали, чтобы купить.
Подумайте о психологических моделях, таких как лопата: под каждым слоем данных есть человеческие проблемы эмоций, иррациональность, когнитивные уклоны и эмоциональные сигналы.
В наши решения о закупках так много факторов. Если предприятия хотят помочь своим клиентам конвертировать, они должны начать с отслоения слоев по их данным и увидеть этих клиентов в качестве многомерных и сложных людей, которыми они являются.
Психологические модели поведения клиентов могут работать рука об руку с данными для определения целей клиента и помочь компаниям понять, где посетители находятся в своем цикле конверсии во время каждого уникального посещения сайта. Алгоритмы могут интегрировать действия посетителя, атрибуты и контексты, такие как тип страницы или тип веб-сайта, чтобы определить намерение.
Именно такая персонализация – определение клиентов как людей, а не просто точек данных на графике – это настоящий святой Грааль. Любая компания, которая хочет продвигаться вперед, должна стремиться к этому сегодня.
