Kodėl šiandien visi kalba apie personalizaciją?
Jei paskutinį kartą apsipirkinėjote „Amazon”, „Netflix” ar bet kurioje rimtesnėje el. parduotuvėje – tikriausiai pastebėjote, kad jums rodomi produktai nėra atsitiktiniai. Tai ne magija ir ne sutapimas. Tai personalizuotų rekomendacijų sistemos, kurios šiandien tapo vienu svarbiausių elektroninės komercijos variklių.
Statistika kalba pati už save: „McKinsey” duomenimis, personalizacija gali padidinti pardavimus iki 15%, o „Epsilon” tyrimas rodo, kad net 80% vartotojų labiau linkę pirkti iš prekės ženklų, kurie siūlo personalizuotą patirtį. Tai ne mažas skaičius – tai verslo gyvybingumo klausimas.
Bet čia prasideda įdomiausia dalis. Daugelis smulkių ir vidutinių el. parduotuvių savininkų galvoja, kad personalizacija – tai kažkas, kas prieinama tik gigantams su milijoniniais IT biudžetais. Tai mitas. Šiandien įrankiai, kurie dar prieš dešimt metų buvo prieinami tik „Amazon” ar „Google”, dabar yra pasiekiami praktiškai kiekvienam.
Kaip iš tikrųjų veikia rekomendacijų sistemos
Prieš kalbant apie tai, kaip jas naudoti versle, verta suprasti mechanizmą. Rekomendacijų sistemos iš esmės skirstomos į tris pagrindines kategorijas, ir kiekviena jų veikia skirtingai.
Turinio filtravimas (Content-based filtering) – sistema analizuoja produkto savybes ir vartotojo istoriją. Jei žmogus pirkdavo sporto batus, sistema rekomenduos kitus sporto batus ar susijusią įrangą. Logika paprasta: jei tau patiko X, tau turėtų patikti Y, nes jie panašūs.
Kolaboratyvus filtravimas (Collaborative filtering) – čia sistema žiūri ne į produktą, o į žmones. Ji ieško vartotojų, kurie elgiasi panašiai kaip tu, ir rekomenduoja tai, ką jie pirko ar vertino teigiamai. Tai klasikinis „žmonės, kurie pirko tai, ką tu, taip pat pirko…” principas.
Hibridiniai modeliai – šiandien dauguma rimtų platformų naudoja abu metodus kartu, papildomai įtraukdamos kontekstinius duomenis: laiką, vietą, įrenginį, net oro sąlygas. Taip, kai kurie mažmenininkai tikrai atsižvelgia į tai, ar lauke lyja, rekomenduodami produktus.
Svarbu suprasti, kad sistema mokosi nuolat. Kiekvienas paspaudimas, kiekvienas peržiūrėtas produktas, kiekvienas paliktas krepšelyje pirkinys – visa tai yra duomenys, kurie tobulina modelį. Čia ir slypi personalizacijos galia: ji gerėja kiekvieną dieną, kol sistema turi pakankamai duomenų.
Duomenys – personalizacijos kuras, bet ne visi duomenys vienodi
Čia daugelis daro klaidą. Galvoja, kad reikia kuo daugiau duomenų, ir viskas bus gerai. Bet tai ne visai tiesa. Svarbu ne kiekis, o kokybė ir tinkamas interpretavimas.
Duomenys, kurie iš tikrųjų veikia rekomendacijų sistemose, skirstomi į kelias grupes:
- Eksplicitiniai duomenys – tai, ką vartotojas sąmoningai pateikia: įvertinimai, apžvalgos, pageidavimų sąrašai. Jie vertingi, bet jų rinkti sunkiau, nes reikia aktyvaus vartotojo dalyvavimo.
- Implicitiniai duomenys – tai, ką vartotojas daro nesąmoningai: kiek laiko praleido produkto puslapyje, ką pridėjo į krepšelį ir paskui išėmė, kokius filtrus naudojo. Šie duomenys dažnai vertingesni, nes jie natūralūs.
- Kontekstiniai duomenys – laikas, vieta, įrenginys, sezoniškumas. Žmogus, kuris naršo iš mobiliojo telefono 23 val., elgiasi kitaip nei tas pats žmogus kompiuteriu darbo metu.
Praktinis patarimas: jei pradedate nuo nulio, sutelkite dėmesį į implicitinius duomenis. Jie renkami automatiškai ir nereikalauja vartotojo pastangų. Įdiekite tinkamą analitikos sprendimą – „Google Analytics 4″, „Mixpanel” ar bet kurį kitą – ir pradėkite fiksuoti elgseną. Tai jūsų aukso kasykla.
Taip pat svarbu paminėti šaltojo starto problemą (cold start problem). Kai vartotojas naujasis – sistema nieko apie jį nežino. Ką daryti? Čia padeda demografiniai duomenys, populiariausi produktai, geografija. Kai kurios sistemos klausia naujų vartotojų kelių paprastų klausimų registracijos metu – tai elegantiškas sprendimas, kuris veikia.
Personalizacija el. parduotuvėje: kur ją diegti ir kaip
Teorija – gerai, bet versle svarbu praktika. Kur konkrečiai rekomendacijų sistemos duoda daugiausiai naudos?
Pagrindinis puslapis. Čia galite rodyti „Rekomenduojama jums” sekciją grįžtantiems vartotojams. Naujiems – populiariausius produktus ar bestselerius. Tai paprasčiausias ir greičiausias būdas pradėti.
Produkto puslapis. Klasikinis „Klientai, kurie žiūrėjo šį produktą, taip pat žiūrėjo…” blokas. Veikia. Visada. Jei jo neturite – prarandate pinigus kiekvieną dieną.
Krepšelio puslapis. Čia galima rodyti papildomus produktus (upsell ir cross-sell). Jei žmogus perka fotoaparatą – pasiūlykite atminties kortelę, krepšį, stovą. Šis momentas yra aukso vertės, nes vartotojas jau yra pirkimo nuotaikoje.
El. pašto kampanijos. Personalizuoti el. laiškai su produktų rekomendacijomis turi vidutiniškai 6 kartus didesnį konversijos rodiklį nei masiniai laiškai. Jei siunčiate tą patį laišką visiems – tai 2015 metų strategija.
Paieškos rezultatai. Personalizuota paieška rodo skirtingus rezultatus skirtingiems vartotojams pagal jų istoriją. Tai sudėtingiau techniškai, bet labai efektyvu.
Rekomendacija pradedantiesiems: pradėkite nuo produkto puslapio rekomendacijų ir krepšelio. Tai duos greičiausią grąžą ir reikalauja mažiausiai resursų.
Įrankiai, kuriuos galite naudoti jau rytoj
Gerai, o kaip tai padaryti techniškai? Čia yra keletas konkrečių sprendimų, kurie veikia ir kuriuos galima diegti be milžiniškų investicijų.
Shopify parduotuvėms: „LimeSpot”, „Frequently Bought Together”, „Wiser” – visi šie įskiepiai siūlo rekomendacijų funkcionalumą su minimalia konfigūracija. Kai kurie turi nemokamus planus, kurie tinka pradžiai.
WooCommerce: „YITH WooCommerce Frequently Bought Together”, „Beeketing” – panašūs sprendimai WordPress ekosistemoje.
Didesnėms platformoms: „Dynamic Yield”, „Nosto”, „Barilliance” – tai jau rimtesni sprendimai su pažangesniu ML funkcionalumu, tinkantys parduotuvėms su didesniu srautu.
El. paštui: „Klaviyo” yra šiandien standartinis sprendimas el. komercijoje. Jis leidžia kurti personalizuotas kampanijas pagal pirkimų istoriją, elgseną svetainėje ir daug kitų parametrų. Jei dar nenaudojate – tai pirmas dalykas, kurį reikia padaryti.
Svarbus niuansas: prieš diegiant bet kurį įrankį, įsitikinkite, kad jis integruojasi su jūsų esama analitikos ir CRM sistema. Duomenų silosai – didžiausia personalizacijos kliūtis. Jei jūsų el. pašto sistema nežino, ką žmogus pirko parduotuvėje – personalizacija bus pusiau efektyvi.
Klaidos, kurias daro beveik visi
Personalizacija gali būti labai efektyvi, bet taip pat gali labai greitai tapti erzinančia. Yra keletas klaidų, kurias mato praktiškai kiekvienas, dirbantis šioje srityje.
Per daug agresyvus retargetingas. Jei žmogus vieną kartą pažiūrėjo į batų porą, tai nereiškia, kad reikia jam rodyti tuos batus kiekviename puslapyje savaitę. Tai ne personalizacija – tai persekiojimas. Nustatykite dažnumo ribas (frequency capping) ir laikykitės jų.
Ignoruojamas pirkimo kontekstas. Jei žmogus nupirko vestuvių dovaną – tai nereiškia, kad jam reikia nuolat rekomenduoti vestuvinę atributiką. Sistema turi suprasti, kad kai kurie pirkiniai yra vienkartiniai. Tai sudėtinga, bet svarbu.
Personalizacija tik naujiems vartotojams. Daugelis sutelkia dėmesį į naujų klientų pritraukimą ir pamiršta lojalius. O juk lojalus klientas vidutiniškai išleidžia 67% daugiau nei naujas. Personalizuokite patirtį ir jiems.
Netestavimas. Daugelis diegia rekomendacijų sistemą ir palieka ją veikti be jokio testavimo. A/B testai yra būtini. Galbūt jūsų klientams geriau veikia „Panašūs produktai” nei „Dažnai perkami kartu”? Nežinosite, kol nepatikrisite.
Privatumo ignoravimas. BDAR (GDPR) reikalavimai niekur nedingo. Vartotojai turi teisę žinoti, kokie duomenys apie juos renkami ir kaip naudojami. Skaidrumas čia – ne tik teisinė prievolė, bet ir pasitikėjimo kūrimo priemonė.
Personalizacija ir vartotojų psichologija: kodėl tai veikia taip gerai
Verta sustoti ir pagalvoti, kodėl personalizacija iš viso veikia. Tai ne tik technologijų klausimas – čia glūdi gili psichologinė logika.
Pirmiausia – relevancija mažina sprendimų nuovargį. Šiuolaikinis vartotojas yra apverstas pasirinkimų. Kai parduotuvė iš tūkstančių produktų pateikia dešimt, kurie tikrai aktualūs, tai yra vertinga paslauga, ne tik marketingo triukas. Žmonės tai jaučia ir vertina.
Antra – personalizacija sukuria priklausymo jausmą. Kai sistema žino, ką mėgsti, jauti, kad esi matomas, o ne tik dar vienas anoniminis vartotojas. Tai emocinis ryšys, kuris tiesiogiai veikia lojalumą.
Trečia – socialinis įrodymas veikia dar geriau personalizuotame kontekste. „Žmonės kaip tu perka šiuos produktus” yra daug efektyvesnis pranešimas nei tiesiog „populiaru”. Kai rekomendacija atrodo asmeninė, pasitikėjimas ja auga.
Čia svarbu neperžengti ribos. Yra fenomenas, vadinamas „creepy factor” – kai personalizacija tampa per daug tiksli ir pradeda jausti kaip šnipinėjimas. Jei sistema pradeda rodyti reklamas apie dalykus, apie kuriuos žmogus tik kalbėjo balsu – tai jau per toli. Gera personalizacija yra naudinga, bet neinvazinė.
Kai algoritmai susitinka su žmogišku sprendimu: ateitis, kuri jau čia
Personalizuotų rekomendacijų sistemos sparčiai evoliucionuoja, ir tai, kas buvo pažangiausia prieš trejus metus, šiandien jau yra standartinis minimum. Generatyvinis AI keičia žaidimo taisykles – dabar sistemos gali ne tik rekomenduoti produktus, bet ir kurti personalizuotus produktų aprašymus, generuoti individualizuotus el. laiškus, net vesti pokalbį su vartotoju ir suprasti jo poreikius natūralia kalba.
„Amazon” jau testuoja AI asistentus, kurie padeda apsipirkti kaip tikras konsultantas. „Stitch Fix” naudoja algoritmus kartu su žmonių stilistais – hibridinis modelis, kuris duoda puikių rezultatų. Tai rodo kryptį: ateitis yra ne „arba algoritmas, arba žmogus”, o „algoritmas ir žmogus kartu”.
Ką tai reiškia praktiškai jums? Jei valdote el. parduotuvę, pradėkite nuo paprastų sprendimų dabar, bet galvokite apie skalę. Duomenys, kuriuos renkate šiandien, bus jūsų konkurencinis pranašumas rytoj. Kuo anksčiau pradėsite, tuo daugiau duomenų turėsite, tuo geriau veiks jūsų sistemos.
Ir svarbiausia – personalizacija nėra vienkartinis projektas. Tai nuolatinis procesas: testuoti, matuoti, tobulinti. Rinkos lyderiai nuo kitų skiriasi ne tuo, kad turi tobulą sistemą, o tuo, kad nuolat ją gerina. Jei galvojate apie personalizaciją kaip apie kažką, ką „įdiegsite ir pamiršite” – geriau nepradėkite. Bet jei esate pasiruošę investuoti į nuolatinį mokymąsi ir optimizavimą – tai vienas geriausių sprendimų, kuriuos galite priimti savo el. verslo ateičiai.
