Olá, Habr! Meu nome é Andrey Tyschenko, da Dynamic Yield. Nossa área de atuação é a personalização de sites, a fim de aumentar as vendas e melhorar a experiência do usuário para empresas parceiras. E é por isso que hoje gostaria de falar sobre personalização de sites no eCommerce, ferramentas de personalização e os resultados que essas tecnologias podem dar.
Quase todas as empresas usam ferramentas de personalização, incluindo comércio eletrônico, varejo, setor financeiro, viagens, empresas de TI e muitos outros. Grandes resultados são fornecidos por sugestões e recomendações individuais, que há muito vêm sendo implementadas pela mesma Amazon, eBay, Netflix e muitas outras empresas. Por baixo do corte - detalhes interessantes sobre ferramentas de personalização e alguns casos.
Alta tecnologia e personalização
É importante notar que, embora os principais participantes do comércio eletrônico digam que estão usando aprendizado de máquina, IA, redes neurais e similares para fins de personalização, na realidade isso está longe de ser sempre o caso. Algoritmos relativamente simples para trabalhar com dados são freqüentemente usados, os quais não são nem uma rede neural nem aprendizado de máquina - talvez um exagero. Ao mesmo tempo, se essas tecnologias forem realmente utilizadas, elas permitem que você obtenha um bom aumento nas vendas / tráfego. No entanto, você precisa entender bem onde e para quais ferramentas podem ser usadas.
Outro ponto interessante - nos Estados Unidos e na Rússia, as empresas estão em pé de igualdade no uso de tecnologias de ponta para personalização. Alguns exemplos das tecnologias mais populares são os mecanismos Deep Learning e Predictive Targeting.
Por que eles são populares? Porque permitem testar rapidamente as ideias que surgem no primeiro estágio da personalização, quando os profissionais de marketing e gerentes de produto apresentam hipóteses sobre a IU / UX de sites, campanhas de marketing ou promoções.
A essência da abordagem para construir a personalização é identificar uma tendência, construir uma hipótese, testá-la rapidamente e, em seguida, "apenas" testar rapidamente dezenas de outras opções para implementar essa hipótese e, como resultado, criar uma estratégia de comunicação ideal com um segmento ou outro (ou ainda com “segmento de um” - ou seja, uma estratégia de comunicação no modo 1: 1 - à sua maneira com cada usuário individual). As estratégias de personalização dos melhores jogadores da área, como Amazon, Netflix, Spotify e outros, levam em consideração não apenas ações explícitas do usuário, como cliques em produtos, adicionar ao carrinho, compras (ou assistir filmes / ouvir música faixas), etc. .p., mas também leva em consideração as características dos produtos (filmes, faixas, etc.), padrões de comportamento do usuário no site,comparação de todos os usuários no site e a interação de todos os usuários com todos os produtos e previsão da próxima ação do usuário mais provável. Depois que o usuário interage com o site por um longo tempo (digamos, alguns minutos), o conteúdo começa a se adaptar automaticamente às suas preferências. Na próxima visita do cliente, todas as páginas do site, incluindo a home page, são personalizadas.
Você pode personalizar não apenas sites, mas também aplicativos móveis. Um exemplo é SimpleWine. Ela fê-lo:
- Obtenha uma personalização abrangente do aplicativo móvel. Não apenas recomendações, mas capturas de tela inteiras do aplicativo são reconstruídas para o usuário e têm uma aparência diferente.
- Facilite a escolha do usuário. O aplicativo ajuda você a escolher um vinho com dicas, navegação e recomendações - assim como um consultor de loja de vinhos competente.
- Garanta o lançamento de quaisquer alterações no aplicativo em tempo real - ou seja, não há necessidade de esperar pela construção de um novo release e carregá-lo no catálogo de aplicativos.
Planos adicionais incluem a introdução do Deep Learning um motor que prevê as preferências e interesses dos usuários não por sinais formais, mas com base na comparação deste usuário com todos os outros usuários e predizendo que outro vinho irá interessar este usuário com a maior probabilidade com base no reconhecimento outros usuários com gostos semelhantes e seus padrões de comportamento, como o Netflix ou o Spotify, selecionam filmes ou músicas para você.
Ok, você pode ser mais específico sobre as tecnologias de personalização?
Existem alguns deles, mas nem todos eles são eficazes. As tecnologias de personalização podem ser divididas condicionalmente em dois grupos, de acordo com o tempo de trabalho com o usuário.
Interação com o usuário no site. Aqui é importante levar em consideração os interesses e preferências do comprador, ajudando-o a fazer uma boa compra. A personalização permite customizar a aparência e funções do site em tempo real às necessidades do usuário de acordo com seu comportamento. Por exemplo, o problema do produto muda automaticamente e sua formação é influenciada pelo interesse do usuário em diferentes produtos, categorias, marcas, faixa de preço, etc. Os sistemas de análise agora são capazes de levar em consideração um grande número de fatores relacionados a um determinado comprador.
Comunicação com o usuário após o fechamento do site da loja online. É aqui que entram em jogo boletins informativos, cartas de gatilho, sms, notificações push, mensageiros instantâneos, etc. Claro, as condições importantes são discrição, relevância e oportunidade de comunicação.
Quanto às próprias tecnologias, na maioria das vezes trabalhamos com ferramentas como:
Predictive Targetingcom base no aprendizado de máquina, prevê a melhor combinação de uma opção de comunicação ou conteúdo e um segmento para o qual essa comunicação funcionará melhor e sugere o uso do direcionamento ideal para esta ou aquela opção de comunicação. Assim, o mecanismo informa os profissionais de marketing ou gerentes de produto em tempo real qual opção de comunicação é a melhor para mostrar e para qual segmento. Neste caso, a análise manual não é necessária, tudo funciona de forma totalmente automática. Depois que a segmentação de “pré-produção” for concluída, o mecanismo notifica o comerciante ou “produto”, tornando possível implantar rapidamente a configuração ideal.
Acontece que essa combinação de uma pessoa que tem hipóteses, ideias, tarefas iniciais (via de regra, bastante simples) e uma máquina que "cai" nos dados, no contexto de todos os segmentos possíveis, "gira" um lógica da pessoa e constrói uma personalização mais inteligente, complexa e granular.
Mecanismo de classificação (mecanismo de classificação).Ajuda a otimizar automaticamente a classificação de produtos nas páginas de lista de produtos usando um modelo sofisticado de Deep Learning. Ao mesmo tempo, a listagem de mercadorias é formada em tempo real, de forma individualizada para cada usuário. No processo de formação, são utilizados dados sobre os interesses de um cliente potencial, e uma previsão de ações é realizada a partir da comparação com o comportamento de outros usuários. Além disso, este processo também utiliza dados de saldo de mercadorias, margem, promoções, etc.
API do servidor.Um conjunto de APIs permite que gerentes de produto e desenvolvedores experimentem no lado do servidor com qualquer dispositivo, desenvolvam recomendações de produtos e introduzam novos recursos com base nos interesses do cliente. E tudo isso é ajustado para cada comprador individual.
Omnichannel... Aqui estamos falando sobre o fato de que existem muitos canais de coleta de dados para análise posterior. Pode ser um call center, caixa registradora, terminais e outros dispositivos em lojas off-line, dispositivos móveis de assistentes de vendas (os chamados Clientelling), menus eletrônicos em restaurantes, aplicativos para Smart TV ou Apple TV, relógios inteligentes, alto-falantes inteligentes, óculos inteligentes e muitos outros. Aliás, ao personalizar, é muito importante levar em consideração de qual dispositivo o usuário realizará determinadas ações com a vitrine ou mercadorias.
Você precisa de casos? E aqui estão eles
Para demonstrar a eficácia da personalização e dar exemplos de como as tecnologias funcionam, vamos indicar vários casos.
O maior mercado do Cazaquistão Kaspi.kz
Esta é uma das maiores empresas inovadoras do país, cuja aplicação é muito popular. Ele permite que os usuários façam pagamentos e transferências, gerenciem finanças pessoais e façam compras online com entrega. Hoje, o Kaspi.kz é a maior plataforma de comércio eletrônico do Cazaquistão, com um faturamento de cerca de US $ 600 milhões em 9 meses de 2020 e um aumento de 129% em relação ao ano passado.
Com a ajuda de tecnologias de personalização, a empresa atingiu 19,4% das vendas por referências em apenas três meses. E isso é uma quantidade enorme quando você considera estes fatos:
- 450 000 .
- 8 500 000 .
Loja Perekrestok
O supermercado online foi lançado em 2017. Desde então, a empresa cresceu enormemente. Sua receita aumentou para 2,09 bilhões de rublos, o número de pedidos ultrapassou 590 mil, enquanto o cheque médio ascendeu a 4.026 rublos.
A empresa decidiu implementar tecnologia de personalização em seu site e acertou. Apenas a estratégia de recomendação de produto com produtos semelhantes no cartão de produto apresentou um aumento na conversão de + 10,9% em relação ao grupo de controle e + 12,0% na receita para o desktop.
Além disso, Perekrestok adicionou um widget com itens promocionais no cartão de item. Isso conseguiu aumentar a receita no desktop em 2,5%, e na versão móvel - em 1%. Adicionalmente, a segmentação de audiência levou a um aumento de receita de novos clientes em 10% e, para os atuais, em 5%.
Bem, o widget "Empty Search", que oferece recomendações personalizadas de produtos em caso de falha na pesquisa, aumentou a receita por usuário em 3,1%. O crescimento máximo da receita do widget de pesquisa vazio foi de 6,2%.
Por trás de todos esses casos está um sistema baseado em aprendizado de máquina, incluindo algoritmos de Deep Learning, que, com base em dados sobre o comportamento e os interesses dos usuários, bem como nas propriedades dos bens, seleciona para cada usuário os bens mais provavelmente relevantes a ele em todos os momentos de trabalho com o site. O aprendizado de máquina ajuda a analisar a qual segmento de clientes os usuários pertencem, oferecer a eles a oferta mais interessante e escolher uma estratégia individual para usar recomendações personalizadas.
Como conclusão, é importante dizer que a personalização nos próximos anos penetrará em todos os setores de negócios, incluindo grandes players no setor de varejo, bancos e pequenas empresas. O aprendizado de máquina e o processamento de dados tornam possível tornar a personalização o mais eficaz possível. Mas há outra nuance importante que não deve ser esquecida - é a proteção dos dados do usuário. Os dados coletados devem ser seguros - sem isso, a personalização não pode ser usada.