Segmentarea predictivă: Noțiuni introductive cu personalizarea adevărată bazată pe date

După cum spune Avinash Kaushik, „Toate datele în total sunt o prostie”. Segmentarea și personalizarea bazată pe date sunt unele dintre cele mai puternice instrumente pe care marketerii și managerii de produs le au la dispoziție.

În loc să tratezi fiecare vizitator sau utilizator în același mod, poți oferi experiențe bazate pe caracteristicile comportamentale, psihografice, demografice și firmografice unice ale utilizatorilor tăi.

În acest moment, cred că toată lumea este convinsă de ideea de segmentare, precum și de extensia ei logică-personalizare.

De fapt, conform unui studiu Evergage, „92% dintre agenții de marketing au raportat că folosesc tehnici de personalizare în marketingul lor, dar 55% dintre specialiștii în marketing nu simt că au suficiente date despre clienți pentru a implementa o personalizare eficientă”.

Teoria din spatele segmentării și personalizării este adesea mai roz decât realitatea executării acesteia. În realitate, aveți nevoie de trei componente de bază pentru a face un program de personalizare să funcționeze.

Acest articol va trece prin acele elemente esențiale de bază, apoi voi explica diferența dintre segmentarea tradițională și segmentarea predictivă (condusă de învățarea automată).

1. Ce este segmentarea predictivă?
2. Date, conținut și reguli de direcționare: elementele de bază ale personalizării
   • Date
   • Conţinut
   • Logica de țintire
3. Segmentarea predictivă vs. logica de afaceri
4. Segmentarea logicii de afaceri
• Personalizare bazată pe opinie
• Segmentarea post-test
• Analiza exploratorie a datelor și corelații
5. Segmentarea predictivă
• Clustering
• Clasificare
• Experimentare + Segmentare predictivă
6. Cum să începeți cu personalizarea bazată pe date
• Etapa întâi: mers pe jos
• Etapa a doua: alerga
• Etapa a treia: zborul

Până la sfârșitul acestui articol, veți avea o idee bună despre cum să implementați personalizarea bazată pe date și segmentarea predictivă.

În primul rând, ce este „segmentarea predictivă”?

Segmentarea, la un nivel înalt, este procesul de împărțire a ceva în părți sau secțiuni separate.

Sursa: CXL

Când spunem „segmentare”, de obicei ne referim la „segmentarea pieței” sau „segmentarea clienților” sau poate „segmentarea comportamentală”. Acest tip de segmentare este procesul de identificare și definire a caracteristicilor care delimitează un subgrup sau secțiune de clienți de celălalt.

Acest lucru se face de obicei prin logica de afaceri. De exemplu, am putea spune că utilizatorii de dispozitive mobile sunt un segment separat de utilizatorii de desktop. Sau, mai frecvent, putem grupa vizitatorii după reprezentarea geografică: utilizatorii NAM vs EMEA.

În această metodă, aveți de obicei un obiectiv sau un rezultat pe care îl urmăriți și puteți lucra înapoi pentru a identifica caracteristicile comune pe care subgrupurile le împărtășesc în legătură cu acest obiectiv.

De exemplu, puteți urmări „conversiile înregistrării listei de e-mail” pe blogul dvs. Segmentarea predictivă poate descoperi că există grupuri distincte care se comportă în mod consecvent atunci când vă vizitează blogul.

Un grup de vizitatori de pe dispozitive mobile tinde să petreacă foarte puțin timp pe site și revine cu o rată ridicată. Un alt grup de vizitatori desktop de pe canale organice petrec foarte puțin timp și revin la o rată la fel de mare.

Puteți descoperi aceste segmente pe cont propriu folosind analiza datelor, dar instrumentele de segmentare predictivă caută să identifice și să grupeze aceste segmente de utilizatori. De obicei, instrumente ca acesta încearcă să prezică acțiunile pe care le vor întreprinde aceste segmente, astfel încât să puteți declanșa regulile de personalizare.

Date, conținut și reguli de direcționare: elementele de bază ale personalizării

Pentru a oferi cu succes experiențe personalizate diferitelor segmente de utilizatori, aveți nevoie de trei componente:

• Date
• Conţinut
• Logica de țintire

1. Date

Datele stau la baza totul atunci când vine vorba de segmentare și personalizare.

Dacă nu aveți datele de care aveți nevoie atunci când aveți nevoie, nu puteți identifica segmentele de utilizatori, cu atât mai puțin să declanșați experiențe personalizate pentru aceștia. În plus, dacă datele dumneavoastră sunt imprecise și/sau incomplete, personalizarea dumneavoastră poate fi ineficientă.

Prin urmare, înainte de a face vreo segmentare, confirmați aceste trei lucruri:

• • Măsori tot ce trebuie? Aveți obiective configurate corect, dimensiuni personalizate etc.? Sunt datele dvs. „complete”?
  • Sunt datele dvs. de încredere? Nu trebuie să fie 100% „exact”, dar este consecvent și precis în înregistrarea sa?
  • Sunt datele tale accesibile atunci când ai nevoie de ele? Cât de multă curățare și pregătire trebuie să faceți pentru a obține informații din datele dvs.? Este agregat și conectat la alte surse (sociale, web, e-mail, date despre clienți)? Este depozitat într-un loc care poate fi folosit și analizat imediat?

În plus, veți dori să vă conectați sursele de date la un tabel de stocare centralizat. În zilele noastre, platformele de date despre clienți (CDP) precum Hull.io și Segment sunt numele jocului, dar puteți folosi și CRM-uri precum HubSpot pentru a centraliza, stoca și operaționaliza datele dvs. de marketing și clienți.

Acestea devin importante pe măsură ce vă conectați datele pre-cumpărare la datele post-cumpărare. Acest lucru vă permite să identificați segmente pe baza unor valori comerciale importante, cum ar fi valoarea lor estimată pe durata de viață sau rata de abandon.

2. Conținut

Porțiunea de conținut este mult mai ușor de găsit.

În esență, dacă doriți să faceți personalizare, mai întâi definiți un segment de utilizator folosind sursele dvs. de date. Apoi, trebuie să creați o nouă experiență pe care să o livrați segmentului respectiv.

Crearea de conținut sau experiențe noi necesită resurse, atât în ​​termeni de timp, cât și de bani. În plus, cu cât oferiți și gestionați mai mult conținut și experiențe, cu atât veți acumula mai multă complexitate în organizația dvs.

Matt Gershoff, CEO al Conductrics, a oferit o analogie grozavă în podcastul Digital Analytics Power Hour despre acest lucru.

El a descris personalizarea ca fiind, în esență, crearea unui multivers.

Rularea unei versiuni a site-ului tău web pentru toată lumea este ca și cum ai avea un singur univers și poate un test A/B îți permite să rulezi un contrafactual pentru a vedea cum ar arăta viața într-un univers paralel (sau „versiunea B”).

Într-un test A/B, doriți să vedeți dacă versiunea B este un „univers” mai bun pentru vizitatorii dvs., așa cum este definit de conversia obiectivului dvs. și, dacă descoperiți că este într-adevăr optim, închideți universul A (originalul) și din nou reintră într-un univers singular.

Cu toate acestea, mai multe variante de conținut livrate către mai multe segmente unice este ca și cum ați menține deschise mai multe universuri distincte în care experiențele sunt unice pentru acele segmente.

Magia acestui lucru este că puteți crește valoarea site-ului dvs. prin creșterea valorii fiecărui segment individual și a experienței acestora, dar puteți înțelege cât de costisitoare ar fi deschiderea a mii de „universuri” atât în ​​ceea ce privește crearea, cât și gestionarea tuturor acestor segmente. experiențe.

3. Logica de țintire

În cele din urmă, dacă aveți date și resurse utile pentru a crea conținut, trebuie să determinați exact cum declanșați logica de direcționare sau personalizare pentru segmentele de utilizatori.

Acesta este modul în care conectați datele cu experiențele.

Puteți folosi logica de afaceri (presupunând că anumite segmente ar trebui să aibă anumite valori – le puteți chiar testa A/B) sau puteți introduce învățarea automată și segmentarea predictivă/RFM pentru a vă clasifica utilizatorii în diferite grupuri – utilizatorii cei mai valoroși, pe cale să se retragă utilizatori, utilizatori inactivi etc. Utilizând segmentarea RFM, puteți afla, de asemenea, care segmente de utilizatori răspund mai variabil la ce experiențe de conținut.

Din punct de vedere tehnic, pentru acest pas, aveți nevoie de un sistem de livrare de conținut care este fie conectat la baza de date, fie care se poate integra și extrage din baza de date. WebEngage este un sistem de operare complet de automatizare a marketingului și reținere, care se poate conecta perfect cu CRM-ul dvs. și vă ajută să vă implicați utilizatorii într-un mod 1:1 pe canale precum e-mail, SMS, WhatsApp, Facebook, Mobile & Web Push și multe altele.

Din nou, totuși, cu cât declanșați mai multe reguli de direcționare, cu atât sistemul pe care îl construiți este mai complex. Deci, există un compromis în rentabilitatea investiției pe care o puteți exploata țintind un anumit segment și complexitatea marginală introdusă în sistem. Este ușor să îmbinați prenumele cu indicative de e-mail personalizate (majoritatea instrumentelor de e-mail fac acest lucru imediat), dar asta nu vă spune rentabilitatea investiției respectivei reguli de direcționare.

Sursa: GMass

De aceea, în loc să configurați tone de personalizare doar pentru că puteți, ar trebui să o priviți strategic și metodologic, determinând rentabilitatea investiției și eficiența țintirii unui anumit segment.

Segmentarea predictivă vs. logica de afaceri

Am renunțat deja la ceva jargon în ceea ce privește logica de direcționare, cum ar fi „logica de afaceri” și „segmentarea predictivă”.

Logica de afaceri se află în esență de cealaltă parte a spectrului de „personalizare bazată pe date”, „segmentare predictivă” sau „personalizare bazată pe învățarea automată”. Dar ambele metode au același scop: identificarea segmentelor care trebuie tratate cu experiențe personalizate.

Să definim acești doi poli și cum diferă.

Segmentarea logicii de afaceri

„Logica de afaceri” este metoda obișnuită prin care oamenii aleg regulile de direcționare. În această metodă, decizi practic care segmente au cele mai mari oportunități de impact folosind date și corelații istorice sau logica de afaceri, strategia sau opiniile. Există trei moduri principale prin care puteți deriva reguli de direcționare a logicii de afaceri:

• Personalizare bazată pe opinie
• Segmentarea post-test
• Analiza exploratorie a datelor

1. Personalizare bazată pe opinie

De exemplu, este posibil să doriți pur și simplu să evitați declanșarea unui pop-up invaziv pe mobil din motive pur subiective. Nu este o experiență bună pentru utilizator, așa că o evitați. Nici măcar nu aveți nevoie de date pentru a prezice reacția acelui segment.

Tratarea diferită a utilizatorilor de telefonie mobilă este o utilizare comună a personalizării

Aceasta este metoda pe care marea majoritate a companiilor o folosesc atunci când spun că fac segmentare sau personalizare bazată pe date. Ei ghicesc în mod arbitrar care segment va răspunde favorabil la care experiență și o personaliză în funcție de opinia lor.

2. Segmentarea post-test

Mai puțin obișnuit (dar mai eficient), totuși, este derularea unui experiment și apoi efectuarea unei analize post-test pentru a afla dacă anumite variații au avut zone de impact mai mare pe anumite segmente.

Imaginați-vă că executați un test pe un flux de plată de comerț electronic.

Decizi să testezi mai multe variante – o variantă cu o serie de simboluri de încredere și securitate, una cu un pop-up care utilizează mesaje de urgență și una fără simboluri (versiunea originală).

După ce ați analizat experimentul, ați stabilit că versiunea B „a câștigat” și că are o creștere estimată de 10%. O victorie grozavă.

Cu toate acestea, cercetați datele și priviți segmentele cu impact ridicat, cum ar fi vizitatorii de pe dispozitive mobile vs. de pe computere, vizitatorii care revin față de noi și vizitatorii din SUA față de vizitatorii din afara SUA.

Procedând astfel, ați descoperit că utilizatorii de iPhone au făcut o conversie cu 35% mai bună pentru varianta B. Utilizatorii de iPhone reprezintă un procent substanțial din audiența dvs., aproximativ 25% din toți vizitatorii. Aceasta înseamnă că declanșarea unei experiențe personalizate pentru acest segment ar putea fi utilă și rentabilitatea investiției pozitivă.

În plus, utilizatorii de Android au realizat o conversie cu 20% mai mică în varianta B și cu 15% mai mult decât controlul pentru varianta C. Utilizatorii Android reprezintă 10% din audiența dvs., deci din nou, o populație destul de mare.

Deci ai putea lansa varianta B pentru că a câștigat în total. Sau, alternativ, puteți configura reguli de direcționare pentru a determina utilizatorii iPhone să primească varianta B și utilizatorii Android să primească varianta C. Toți ceilalți primesc originalul.

3. Analiza exploratorie a datelor și corelații

Ultimul mod în care puteți utiliza „logica de afaceri” pentru segmentare este prin simpla explorare a datelor la care aveți acces și căutarea corelațiilor dintre caracteristicile segmentului și probabilitatea de conversie.

Este posibil să descoperiți, de exemplu, că utilizatorii de iPhone convertesc mai mult. Sau persoane care urmăresc un videoclip pe pagina ta de pornire. Sau utilizatori de Android bărbați din Kansas care au completat jumătate din câmpurile formularului și s-au întors de 3 ori într-o săptămână.

Iată problema acestei abordări: uită-te la suficiente segmente și vei găsi o corelație. Aceasta este o problemă de semnal vs zgomot.

Sursa: Tyler Vigen

Problema mai mare cu această abordare este că corelația nu implică cauzalitate.

Doar pentru că un vizitator revenit pe desktop din California are conversii mai mari nu înseamnă că acesta este un segment care merită vizat prin personalizarea bazată pe date.

Cel mai bun pariu în lumea logicii de afaceri este să desfășurați experimente și să descoperiți segmente de mare valoare prin segmentarea post-test. Apoi calculați rentabilitatea investiției pentru o anumită regulă de direcționare și desfășurați un experiment de urmărire care vizează numai acel segment.

Puteți apoi să dezvăluiți cauzalitatea și rentabilitatea reală a investiției în menținerea acelei reguli de direcționare. Pentru mai multe informații despre această abordare, citiți minunata prezentare a lui Andrew Anderson pe această temă.

Segmentarea predictivă

Segmentarea predictivă (sau cu un alt nume, segmentare „concentrată pe date” sau „bazată pe inteligență artificială”) urmărește să elimine intuiția umană și analiza manuală a datelor din definirea segmentelor și stabilirea regulilor de direcționare.

Există mai multe moduri în care puteți defini segmente folosind învățarea automată. Depinde doar de obiectivele tale și de ceea ce speri să realizezi cu aceste segmente. Aici vom acoperi trei metode cheie:

• Clustering
• Clasificare
• Experimentare + pooling predictiv

1. Clustering

În primul rând, dacă doriți pur și simplu să identificați și să înțelegeți diferite persoane sau segmente de utilizator, algoritmii de grupare (sau învățarea automată nesupravegheată) sunt o tehnică folosită pentru a grupa segmente pe baza caracteristicilor comune.

Este ceva la care am lucrat la Institutul CXL acum câțiva ani.

Sursa: CXL

Am trimis sondaje către baza noastră de clienți cu un amestec de răspunsuri la scară, variabile categorice și întrebări deschise. Apoi le-am codificat răspunsurile și am rulat pe ele algoritmul de grupare K Means.

Aceasta a identificat aproximativ trei segmente distincte pe baza răspunsurilor lor. Apoi am analizat informațiile calitative din fiecare dintre aceste segmente și am intervievat indivizi foarte reprezentativi pentru fiecare segment. Acest lucru ne-a permis să înțelegem profund baza noastră de clienți existentă și dorințele, provocările și comportamentele diferite ale acestora.

Dacă doriți să faceți grupare, să știți că este în mare parte exploratorie și pentru construirea de cunoștințe. Nu vă va spune rentabilitatea investiției pentru trimiterea unei comunicări de marketing personalizate către unul dintre aceste segmente și nici nu vă va spune care segmente sunt susceptibile de a răspunde la care experiențe. De exemplu, este posibil să descoperiți că un anumit segment de abonați la e-mail deschid mai multe e-mailuri și au o valoare de viață mai mare, dar tot trebuie să faceți munca creativă de a crea conținut și experiențe noi de testat.

Dar este un strat de bază bun pentru a începe cu personalizarea bazată pe date.

Veți avea nevoie, de asemenea, de un analist decent care să poată codifica R sau Python sau cel puțin un instrument precum Squark care nu permite analiza predictivă a codului.

2. Clasificare

Învățarea automată tinde să fie delimitată între învățarea supravegheată și cea nesupravegheată. Acolo unde algoritmii de grupare sunt nesupravegheați, algoritmii de clasificare sunt supravegheați.

Sursa: Diferențele tehnice

Aceasta înseamnă că aveți un set de date care include diverse „funcții” (în cazul nostru, acestea ar putea fi lucruri precum tipul de dispozitiv, paginile vizitate, dimensiunea companiei sau orice caracteristică pe care o putem colecta despre vizitatori) și apoi aveți rezultate pe care le doriți să preziceți (în cazul nostru, conversii sau venit sau LTV).

Există o cantitate masivă de metodologii și algoritmi care încearcă să prezică rezultatele pe baza caracteristicilor datelor, dintre care unele includ regresii liniare, regresii logistice, păduri aleatorii și rețele neuronale.

Dacă doriți să utilizați această metodă, veți dori un analist grozav care să potrivească corect un model la datele dvs. (altfel predicțiile sunt inutile) sau să cumpere un instrument precum Squark sau DataRobot. Aceste instrumente le permit analiștilor și oamenilor de afaceri să adapteze diferite modele la datele lor și să prezică rezultatele fără a codifica algoritmii înșiși.

3. Experimentare + Segmentare predictivă

Adesea, cea mai bună modalitate de a găsi segmente de utilizatori profitabile este să parcurgeți cursul normal de experimentare controlată și să utilizați un instrument (sau o metodă de analiză) care detectează segmente promițătoare.

Conductrics, de exemplu, vă arată un arbore de decizie foarte interpretabil, care calculează probabilitățile de succes a conversiei pentru segmentele individuale care corespund fiecărei variante pe care ați testat-o.

Puncte bonus dacă instrumentul dvs. de direcționare predictivă are vizualizare a datelor care vă arată, în ilustrații simple, ce reguli de direcționare ați configurat și rentabilitatea investiției estimată și probabilitatea de succes a acestor reguli.

Sursa: Conductrics

Acest lucru este grozav pentru că nu numai că obțineți probabilitatea de succes, dar puteți alege dacă să vizați sau nu acel segment în funcție de valoarea acestuia.

Bărbații android se întorc vizitatori din Kentucky rural? Poate că nu merită să configurați o nouă regulă de direcționare. Dar poate că merită să țintiți californienii dacă aceștia sunt o populație mare și răspund foarte favorabil unei anumite experiențe.

Cum să începeți cu personalizarea bazată pe date

Deși poate fi tentant să te scufundi în sfârșitul profund al personalizării bazate pe date, recomand să începi încet.

Nu se știe care este adevărata valoare a oricărei reguli de personalizare date și, adesea, randamentele marginale ale personalizării crescute nu fac față costului de complexitate marginal introdus.

Prin urmare, voi introduce trei abordări de personalizare cu o complexitate crescândă (și să presupunem că etapa de „crawler” este doar să vă puneți în ordine datele și resursele/instrumentele necesare pentru a oferi experiențe personalizate).

Etapa întâi: mers pe jos

Prin urmare, înainte de a investi într-un instrument de direcționare predictivă, poate doriți să utilizați metodologia lui Andrew Anderson, care poate fi o simplă continuare a programului dvs. obișnuit de experimentare (notă secundară: nu aveți trafic pentru experimente? Personalizarea nu este pentru dvs. randamentele marginale nu vor merita la acel nivel de trafic.Loviți în schimb fluctuații mari).

Iată esenta metodologiei:

• Creați mai multe execuții ale mesajului sau experienței
• Serviți toate ofertele tuturor printr-un experiment controlat
• Priviți rezultatele pe segmente și calculați câștigul total oferind o experiență diferențiată. Asigurați-vă că corectați mai multe comparații atunci când analizați mai multe segmente.
• Împingeți în direct cea mai mare oportunitate de generare de venituri găsită (sau desfășurați un experiment ulterioar numai pe acel segment cu experiențele pe care le-ați testat pentru întregul public).

Puteți folosi platforme dedicate de testare A/B sau puteți utiliza o platformă integrată de automatizare a marketingului. Acesta din urmă vă va ajuta să personalizați mesajele pe mai multe canale, nu doar pe web sau aplicație, și puteți oferi recomandări personalizate de produse, vă puteți crește veniturile și CLTV, puteți îmbunătăți descoperirea conținutului/produsului și multe altele.

Etapa a doua: alerga

După ce ați obținut câteva câștiguri aici, poate doriți să investiți într-o soluție de analiză predictivă fără cod, cum ar fi Squark (sau dacă puteți codifica algoritmii în interior, prin toate mijloacele). Procesul de bază arată cam așa:

Determinați-vă valorile de succes
Colectați și curățați datele dvs., împărțind setul de date în date de antrenament și de testare.
Asigurați-vă că aveți o multitudine de dimensiuni sau caracteristici în datele dvs. care pot fi folosite pentru a prezice rezultatul.
Stabiliți ce caracteristici sunt predictive pentru valorile dvs. de succes.
Calculați rentabilitatea investiției personalizării experiențelor pentru acele segmente. Din nou, dacă este o populație prea mică, s-ar putea să nu merite.

Acum partea importantă: odată ce ați definit o caracteristică sau o dimensiune care predică succesul (să zicem că este vorba despre vizitatori reveniți), încă nu v-ați dat seama ce experiențe sunt mai probabil să funcționeze pe acel segment.

Mai rămâne munca grea: adică crearea de noi experiențe grozave și derularea de experimente pentru a determina eficiența și rentabilitatea investiției noilor tale experiențe.

Veți dori în continuare să investiți într-o soluție de livrare de conținut aici, cum ar fi WebEngage, pentru a viza anumite segmente.

Etapa a treia: zborul

În cele din urmă, dacă doriți să încorporați direcționarea predictivă în fluxul de lucru normal de experimentare și optimizare, nu puteți depăși un instrument precum Conductrics sau Dynamic Yield. Aceste instrumente vă vor ajuta să identificați segmente și să oferiți experiențe personalizate, oferindu-vă în același timp reguli de decizie interpretabile și rapoarte de atribuire a rentabilității investiției.

Concluzie

Într-o lume dominată de titluri și discuții din conferințe despre inteligența artificială ca fiind un glonț de argint, s-ar putea să fii surprins să afli că procesul de „personalizare bazată pe date” sau „segmentare predictivă” nu face toată munca în locul tău.

Vă poate ajuta să vă folosiți datele și să economisiți mult timp (și greșeli). Puteți identifica mai ușor și mai precis segmentele profitabile, atâta timp cât aveți datele adecvate la locul lor și sunt accesibile atunci când aveți nevoie de ele.

Cu toate acestea, nu poate lua decizia pentru tine dacă să folosești sau nu acel segment. Încă va trebui să cântăriți argumentele pro și contra, costurile și beneficiile.

Din fericire, însă, procesul de identificare și grupare a segmentelor nu a fost niciodată mai ușor și nici nu a fost niciodată mai ușor să livrezi și să gestionezi mai multe experiențe diferite. Un instrument de automatizare a marketingului poate fi conectat la sursa de date sau la CRM. Puteți gestiona și oferi experiențe personalizate nelimitate prin orice canal doriți - reclame plătite, rețele sociale, web, push, e-mail etc.

Este un moment minunat pentru a fi un marketer bazat pe date.

i Sursa imagine: WebEngage

Profitați de puterea automatizării pentru afacerea dvs

Cu funcții de segmentare predictivă și asistență pentru clienți de calitate!

Solicitați o demonstrație