Angetrieben von Daten: Die Vorteile von Personalisierungs-Engines für Marken

Sie lesen Entrepreneur Middle East, eine internationale Franchise von Entrepreneur Media.

Wenn Sie unter der Haube von Ihrem schauen Auto, kann es verzeihlich sein, wenn Sie keine Ahnung haben, was die meisten Dinge im Inneren tatsächlich tun. Das Gleiche gilt nicht für Ihre Verkaufs- und Marketingbemühungen.

Zu ​​wissen, was Ihre Kunden kaufen, nicht nur jetzt, sondern auch in der Zukunft, ist ein Traum, den die meisten Unternehmen anstreben, und für viele bereits Realität ist . Souq, Netflix, eBay und BasharaCare geben den Konsumenten auf der Grundlage ihres Browsing- und Kaufverhaltens personalisierte Empfehlungen. Die Möglichkeit, Ihren Kunden einen persönlichen Service zu bieten, ist jedoch nicht nur großen Unternehmen vorbehalten. Unternehmen aller Größen und Formen können ihren Kunden personalisierte Empfehlungen anbieten. Der Schlüssel zum Entsperren dieser Empfehlungen für Ihre Kunden sind Daten.

Ihre Kunden erstellen bei jeder Interaktion mit Ihrem Unternehmen Daten. Alles, von ihrem Online-Browsing-Verhalten bis hin zu ihren Social Media- und früheren Kaufdaten, kann analysiert werden, um herauszufinden, was sie als nächstes kaufen werden. Sobald Sie diese Informationen kennen, werden Sie davon ausgehen, dass die Produkte, die Ihre Kunden wahrscheinlich kaufen möchten, zu einem gemeinsamen Geschäftssinn werden. Bevor Sie jedoch diese Empfehlungen für Ihre Kunden erhalten, müssen die von Ihnen gesammelten Daten zuerst durch eine Reihe von Algorithmen geleitet werden, die gemeinsam als Personalisierungsmodul bezeichnet werden. Personalisierungs-Engines sind ein netter Bestandteil der Datenwissenschaft, die es im Detail erlauben, die Empfehlungen zu machen, die Kunden normalerweise von Freunden und Familie erhalten.

Personalisierungs-Engines sind die Datenäquivalente eines Lehrers, der einem Schüler ein Buch empfiehlt. Der wichtige Punkt hier ist, dass Freunde, Familie, Lehrer und Personalisierungs-Engines keine Vorschläge ohne Kontext machen können. Sie alle benötigen Informationen, um fundierte Entscheidungen darüber treffen zu können, was ein Individuum mag oder nicht. Personalisierungs-Engines sind besonders leistungsstark, da sie es Unternehmen nicht nur ermöglichen, Artikel an Kunden zu empfehlen, die sie am wahrscheinlichsten kaufen. Mit den richtigen Daten kann eine Personalisierungs-Engine Produkten und Dienstleistungen für einen Kunden vorschlagen, die sie andernfalls nicht in Betracht gezogen hätten, die jedoch basierend auf ihren Interessen, Bedürfnissen und Wünschen für sie geeignet sind. Ein gutes Beispiel dafür ist, wie Netflix TV-Serien und Filme basierend auf vorherigem Betrachtungsverhalten vorschlägt. Wenn man mit einigen Empfehlungen ein wenig nach links geht, könnte sich die Dividende auszahlen und die Art der Produkte und Dienstleistungen, die ein Einzelner kaufen möchte, diversifizieren. Wenn Sie einem Kunden etwas bieten, das sich von dem, was er gewohnt ist, unterscheidet, wird er Ihre Beziehung zu diesem Kunden und die Loyalität gegenüber Ihrem Unternehmen stärken.

Bevor Sie eine Personalisierung anstreben Motor in Ihr Geschäft, lohnt es sich, Hintergrundwissen über die Funktionsweise der Technologie zu haben. Es gibt drei verschiedene Typen von Personalisierungs-Engines, die jeweils auf unterschiedliche Weise funktionieren und für unterschiedliche Geschäftsanforderungen geeignet sind. Die erste ist als kollaborative Filterung bekannt. Eine große Menge an Daten wird über die Interaktionen der Kunden mit einem Geschäft gesammelt, einschließlich ihrer vorherigen Einkäufe, wenn sie gekauft haben, wo sie gekauft haben (online oder offline) und alle anderen Verpflichtungen, die sie möglicherweise mit dem Unternehmen hatten. Alle diese Daten werden dann verwendet, um vorherzusagen, was ein einzelner Kunde wahrscheinlich kaufen wird, basierend auf seiner Ähnlichkeit mit den anderen Konsumenten des Geschäfts.

Verwandte: Drei garantierte Taktiken, um Ihr Marketing effektiv (und einfach) zu machen

Die zweite Methode heißt inhaltsbasierte Filterung und funktioniert über Schlüsselwörter, die zur Beschreibung einzelner Produkte oder Dienste verwendet werden. Profile werden dann erstellt, um den Typ des Produkts oder Dienstes, den ein bestimmter Kunde mag, gemäß den verwendeten Schlüsselwörtern anzuzeigen. Einzelkunden werden daher Produkte empfohlen, die Ähnlichkeiten mit früheren Einkäufen aufweisen oder die sie online durchsucht haben und möglicherweise in Erwägung ziehen. Empfehlungen durch diese Methode können auch basierend auf Ratings und Bewertungen, die ein Kunde zu anderen Punkten gegeben hat, gemacht werden.

Der dritte Motortyp ist eigentlich ein Hybrid, der die anderen beiden Methoden vermischt und in einigen Fällen kann dieser Ansatz der größte sein Wirksam. Die Empfehlungen von Netflix sind ein gutes Beispiel für diesen Ansatz. Ein weiterer Punkt, den es zu beachten gilt, sind mögliche Probleme, denen diese Engines begegnen könnten. Die wichtigste davon ist das Kaltstartproblem. Ähnlich wie ein Automotor Kraftstoff benötigt, benötigt die Personalisierungsmaschine Daten, und wenn sie nicht genug erhalten, kann sie Artikel nicht genau empfehlen. Daher gibt es eine minimale Menge an Daten, die die Maschine benötigt, um in Gang zu kommen, und für ein neues Geschäft mit wenig bis keiner Kaufhistorie könnte dies ein Problem darstellen.

Das Kaltstartproblem kann teilweise durch den Inhalt gelöst werden. Basierte Filterung, wenn Artikel gut klassifiziert sind. Potenzielle Kunden müssen dann ihre Präferenzen von Anfang an auflisten, damit die Suchmaschine diese Präferenzen mit den Klassifizierungen der Artikel abgleichen kann. Eine konstante Rückkopplungsschleife, in der die Kunden dem System mitteilen, ob eine Empfehlung für sie nützlich ist oder nicht, würde dann die Engine so trainieren, dass sie mit jeder Personalisierung besser wird. Ein weiteres Problem könnte auftreten, wenn eine Personalisierungs-Engine nicht korrekt eingerichtet ist. Wenn der Motor mit Daten betrieben wird, die für die verwendete Methode oder die Bedürfnisse des Unternehmens und seiner Kunden nicht geeignet sind, können die gegebenen Empfehlungen einfach das Offensichtliche angeben. Ein Kunde, der einen Welpen kauft, wird offensichtlich Welpenfutter benötigen, so dass diese Empfehlung für sie nicht nützlich ist. Vorzuschlagen, dass sie auch ein Radio bekommen, weil andere Welpenkäufer herausgefunden haben, dass es hilft, den Hund nachts ruhig zu halten, ist die Art von Empfehlung, die einen Kunden überraschen und erfreuen wird.

Personalisierungsmotoren sind immer noch ein wachsendes und Nischenwerkzeug für viele Unternehmen, und waren bisher weitgehend größeren Unternehmen vorbehalten. Mit der richtigen Methode und den richtigen Daten können Unternehmen jeder Größe ihren Kunden Empfehlungen geben, die sie immer wieder auf Sie aufmerksam machen. Immer mehr Unternehmen werden bald das Potential erkennen, was die Verbraucher erwarten. Wenn dies geschieht, werden Personalisierungs-Engines so alltäglich wie ihre mechanischen Pendants. So wie auf jeder Straße ein Auto steht, wird es bald eine Personalisierungsmaschine geben, die jeden Laden antreibt.

Related: Personalisierung: Eine Perspektive auf die Zukunft des Targeting