Использование сторонних файлов cookie прекращается — ритейлерам пора использовать собственные данные

Поскольку сторонние файлы cookie исчезают, вот как розничные продавцы могут продолжать эффективно ориентироваться на клиентов с помощью собственных данных.

От этого никуда не деться — сторонним файлам cookie конец.

В то время как онлайн-покупатели, обеспокоенные своей конфиденциальностью, могут радоваться этой мысли, розничные продавцы электронной коммерции, безусловно, менее воодушевлены перспективой потери ценной информации о потенциальных покупательских привычках своих клиентов. Что могут сделать ритейлеры, чтобы гарантировать, что их конверсии не пострадают из-за прекращения использования файлов cookie? И насколько эффективны сторонние файлы cookie для повышения вовлеченности и продаж?

Почему сторонние файлы cookie являются неотъемлемой частью персонализации и куда они направляются?

Чтобы наиболее эффективно ориентироваться на клиентов, маркетологи в значительной степени полагаются на сторонние файлы cookie для идеальной персонализации.

Сторонние файлы cookie позволяют брокерам данных предоставлять агрегированные наборы демографических данных о потребителях, таких как возраст, пол и местонахождение. Они долгое время считались наиболее эффективным инструментом для предприятий электронной коммерции для персонализации и, следовательно, продаж.

Однако опасения потребителей и правительства в отношении конфиденциальности запятнали этот метод как нежелательный, что привело к отказу от браузеров и программного обеспечения и даже к законам о конфиденциальности, ограничивающим эту практику.

Google, на чей браузер Chrome приходится почти две трети использования Интернета в мире, планирует полностью отказаться от файлов cookie в 2024 году, в то время как Mozilla Firefox и Apple Safari уже сделали это. Это представляет реальную проблему для розничных продавцов, которым необходимо быстро подготовиться к отказу от файлов cookie и по-прежнему иметь возможность эффективно рекомендовать товары покупателям. Маркетологи, которые ошибаются в персонализации, могут поплатиться за это. Согласно опросу Gartner ^{[ 1 ]} , более половины сообщают, что они откажутся от подписки на сообщения компании, а 38% прекратят сотрудничество с компанией, если сочтут усилия по персонализации «жуткими».

Рост первичных данных как решения для персонализации

Несмотря на то, что сторонние данные постепенно удаляются из соображений конфиденциальности, все еще существуют способы использовать ценные сигналы от клиентов для стимулирования продаж. Первичные данные — это информация, которую компания получает от пользователя посредством прямого взаимодействия со своим собственным веб-сайтом или каталогом. Эта информация собирается путем информирования пользователя о том, что она собирается и для чего, что 84% потребителей указывают, что они готовы это сделать.

Для розничных продавцов первичные данные имеют неотъемлемые преимущества перед сторонними файлами cookie. Во-первых, информация получается путем открытого обмена с потребителем, что дает покупателю ощущение безопасности и доверия к бренду.

Во-вторых, что более важно для бизнеса, первичные данные отражают вкусы и предпочтения пользователя в контексте данного магазина электронной коммерции, в отличие от множества других магазинов, подобных ему.

Применение традиционного сценария к персонализации электронной коммерции

Хотя сторонние данные служили в качестве основных данных о клиентах, используемых для предоставления клиентам рекомендаций по электронной коммерции, они никогда не были наиболее эффективным способом достижения подлинной персонализации. Это потому, что он слишком озабочен тем, кто человек, а не тем, что он хочет или чем интересуется.

Рассмотрим следующий сценарий обычного розничного магазина. Представьте, что у вас, как у продавца в магазине, есть один из двух вариантов, когда покупатель входит. Вы можете попросить его раскрыть личную информацию, такую ​​как возраст, пол и место жительства. Или вы можете позволить покупателю самостоятельно просматривать и наблюдать, с какими товарами он взаимодействует в течение первых нескольких минут в магазине.

Очевидно, что последний вариант позволит вам более точно дать рекомендацию, основанную на реальных вкусах и предпочтениях клиента, а не делать предположения о том, чего он может хотеть, исходя из того, как он идентифицирует себя как личность.

Достижения в области искусственного интеллекта делают первичные данные особенно ценными

Сценарий «кирпич-и-миномет» справедлив и для онлайн-клиентов. Проблема заключается в том, что может быть сложно точно интерпретировать интересы посетителей веб-сайта в настройках электронной коммерции достаточно своевременно, чтобы они не уходили с вашего веб-сайта. Однако недавние достижения в области искусственного интеллекта (ИИ) и машинного обучения (МО) сделали онлайн-рекомендации, основанные на поведении, реальностью.

Используя передовые методы искусственного интеллекта и машинного обучения, предприятия могут применять подход, который фокусируется на поведении клиентов — таких вещах, как добавление в корзину, лайки, прокрутка страницы и т. д. — в считанные клики, и все это без личных данных.

Это означает, что сторонние файлы cookie не только менее важны, чем первичные данные, когда речь идет об эффективной персонализации, но также и то, что рекомендации, направленные на повышение конверсии, могут быть получены даже при отсутствии предыдущей истории просмотров. Это особенно важно из-за большого количества новых или анонимных посетителей веб-сайта.

Рекомендации на основе поведения как способ увеличить вовлеченность и конверсию

Такие методы, как рекомендации «бестселлеров» или «ранее просмотренных», являются стандартными, но посредственными способами подхода к персонализации, поскольку они ограничивают обнаружение данными о покупках в магазине, которые могут быть неактуальными, или прошлой историей просмотров. Это особенно ограничивает новых и анонимных пользователей.

Используя рекомендации, основанные на поведении ^{[ 2 ]} , чтобы предоставить потребителям высоко персонализированный опыт, розничные продавцы могут предлагать товары, которые нравятся потребителю, за более короткий промежуток времени. Это увеличивает как вероятность конверсии, так и лояльность к бренду, поскольку потребитель будет чувствовать, что бизнес понимает его и быстро находит товары, которые его действительно интересуют.

Кроме того, собственные данные, которые обеспечивают рекомендации на основе поведения во время просмотра, могут использоваться для улучшения процесса оформления заказа. Возможности для объединения товаров или дополнительных продаж могут быть более эффективно представлены клиентам в зависимости от их привычек.

Только используя собственные данные с правильной платформой рекомендаций, розничные продавцы могут в полной мере использовать эти методы. Сторонние файлы cookie и менее продвинутые рекомендательные системы плохо приспособлены для обеспечения такого богатого опыта просмотра для клиентов.

Используйте собственные данные, чтобы встречаться с клиентами там, где они есть

Первичные данные о времени, проведенном покупателем на сайте электронной коммерции, чрезвычайно ценны, даже после того, как потребитель ушел с сайта. Возможность повторно взаимодействовать с клиентами там, где они находятся в более крупной экосистеме вашего бренда, имеет решающее значение. Эффективный многоканальный подход может быть разницей между брошенной корзиной и продажей, и использование поведения на сайте для электронных писем, SMS, взаимодействия в приложении или в магазине приведет вас к этому.

Традиционные омниканальные методы включают рекомендацию того, что осталось в корзине, предыдущие покупки или новые и популярные товары. Хотя все они могут быть в некоторой степени эффективными с точки зрения повторного вовлечения, возможность отточить поведение пользователя, чтобы дать рекомендации, с большей вероятностью вызовет интерес и вернет покупателя к покупательскому мышлению.