Skenario universal: Kunci untuk membandingkan teknologi personalisasi

Di bagian 1 dari seri 3 bagian ini, saya menjelajahi berbagai opsi kemampuan personalisasi tempat duduk dalam konteks tumpukan teknologi pemasaran yang lebih besar. Di bagian 2 seri ini, saya melihat berbagai komponen platform yang diperlukan untuk membangun strategi teknologi personalisasi holistik. Dalam penutup bagian 3 ini, mari kita jelajahi beberapa skenario kanonik yang dapat Anda terapkan untuk mendukung arsitektur dan keputusan pemilihan vendor.

Analisis skenario

Meskipun Anda harus selalu mempertimbangkan fungsionalitas produk dan preferensi vendor, kunci terpenting untuk membandingkan teknologi terletak pada seberapa cocok mereka dengan kasus penggunaan bisnis khusus Anda, yang disebut "skenario" oleh Real Story Group. Berdasarkan pengalaman kami, analisis skenario menyediakan jalan pintas yang paling efisien untuk menemukan solusi dan arsitektur yang paling sesuai.

Secara eksplisit atau tidak, platform teknologi personalisasi yang berbeda menargetkan kasus penggunaan yang berbeda. Ini biasanya karena mereka sering dibuat untuk memenuhi kebutuhan tertentu. Seiring waktu, mereka mungkin telah memperluas cakupannya tetapi akar awal tetap terlihat — dan biasanya menentukan.

Dalam hal ini, beberapa platform personalisasi dimulai sebagai layanan yang lebih sederhana untuk menyediakan pengujian A/B. Beberapa yang lain memulai perjalanan mereka dengan menawarkan personalisasi situs web dan telah berkembang dari sana, meskipun biasanya layanan yang lebih baru tetap kurang kaya.

Memahami skenario bisnis yang lebih cocok atau lebih buruk untuk platform yang berbeda memungkinkan Anda untuk melihat lebih dalam kekuatan, kelemahan, dan kompatibilitas arsitektur relatif mereka untuk keadaan khusus Anda. Oleh karena itu, RSG telah mengidentifikasi empat skenario umum yang dapat digunakan untuk menilai vendor platform personalisasi.

Sebelum kita masuk ke rincian masing-masing, beberapa pertimbangan penting untuk diingat:

• Skenario ini adalah abstraksi. Dalam praktiknya, upaya Anda sendiri di sini cenderung mewakili varian atau kombinasi skenario campuran. Kasusnya agak tumpang tindih, tetapi berguna untuk memahami jenis produk apa yang cenderung bekerja lebih baik untuk berbagai jenis proyek;
• RSG menggunakan ini sebagai skenario model untuk mengevaluasi vendor, termasuk platform personalisasi. Namun, dalam upaya pemilihan teknologi Anda sendiri, Anda harus menentukan kasus penggunaan unik Anda sendiri untuk menguji vendor;
• Skenario pada gambar secara kasar membentuk spektrum kedewasaan dari kiri ke kanan. Saat Anda bergerak melintasi spektrum itu, Anda akan membutuhkan lebih banyak kesiapan dalam hal kemampuan yang diperlukan serta pemahaman yang lebih dalam tentang cara menerapkan layanan personalisasi secara strategis. Tetapi saat Anda dewasa, Anda dapat menggunakan skenario ini untuk saling memperkuat; misalnya, menggunakan Pengujian & Pengoptimalan untuk menginformasikan Rekomendasi E-niaga.

Sekarang mari selami masing-masing.

Skenario 1: Eksperimen

Bereksperimen dengan logika, konten, desain, dan elemen lainnya adalah persyaratan yang hampir universal, dan semakin menuntut kemampuan omnichannel. Ini adalah skenario yang didukung oleh sebagian besar vendor personalisasi. Faktanya, beberapa alat personalisasi, termasuk Optimizely dan Adobe Target, memulai hidup dengan skenario ini.

Kemampuan umum adalah:

1. Pengujian A/B, atau pengujian A/B/..N yang lebih canggih: Ini membandingkan dua versi konten atau lebih untuk melihat mana yang bekerja lebih baik untuk tujuan tertentu;
2. Pengujian multivarian: Seperti namanya, ini membandingkan beberapa variabel, sehingga Anda dapat membandingkan kombinasi berbagai elemen yang dapat mencakup tidak hanya variasi elemen konten (misalnya, judul) tetapi juga variasi elemen desain (misalnya, gambar atau ajakan bertindak) ; dan
3. Optimasi berdasarkan hasil tes.

Sebagian besar alat sekarang mendukung mekanisme berbasis bahasa mesin untuk melakukan pemisahan, pengujian, dan pengoptimalan. Di mana mereka berbeda — secara substansial — adalah dalam kemampuan omnichannel mereka, misalnya, kemampuan untuk melakukan tes tunggal di beberapa titik kontak pelanggan yang berbeda.

Skenario 2: Personalisasi Web

Seperti namanya, skenario ini menargetkan situs web dan aplikasi; yaitu, menyebarkan konten atau layanan yang dipersonalisasi di salah satu properti digital Anda sendiri. Seperti pengujian, ini dapat didasarkan pada sinyal perilaku dan kontekstual, tetapi semakin banyak perusahaan yang mencoba memanfaatkan data profil pihak pertama.

Personalisasi masuk semacam ini bukanlah hal baru, dan beberapa dari Anda telah mengutak-atik mesin aturan selama dua dekade. Saat ini, teknik berbasis aturan perlahan digantikan oleh algoritme berbasis Machine Learning, yang sering kali didasarkan pada perilaku sesi daripada profil pelanggan. RSG telah menemukan bahwa pengalaman perusahaan dengan teknik ini tetap beragam.

Skenario 3: Personalisasi Keluar

Skenario ini melayani personalisasi pesan, sebagian besar melalui email tetapi juga melalui teks dan pesan dalam aplikasi.

Personalisasi di sini memungkinkan Anda menyesuaikan konten pesan ke segmen atau individu, dan mungkin memicu pesan berdasarkan perilaku atau peristiwa, serta menguji/mengoptimalkan komunikasi keluar seperti halnya pengalaman web masuk.

Beberapa platform personalisasi terintegrasi dengan platform pemasaran email. Namun, kecanggihan integrasi bervariasi. Beberapa platform menyediakan kemampuan lanjutan untuk template email dan konten email mereka sendiri. Dalam kasus lain, vendor pemasaran email itu sendiri dapat menyediakan layanan personalisasi khusus saluran.

Skenario 4: Rekomendasi E-niaga

Ritel online dan e-commerce lebih umum adalah kasus penggunaan khusus untuk personalisasi. Karena menjanjikan dampak langsung — peningkatan penjualan — vendor telah berfokus pada kemampuan tingkat lanjut di sini.

Fungsionalitas utama dapat mencakup rekomendasi produk, penjualan silang dan penjualan atas, pemicu terkait keranjang, dan banyak lagi. Beberapa solusi personalisasi memberikan solusi titik spesifik untuk e-niaga, sedangkan yang lain berintegrasi dengan platform e-niaga.

Rekomendasi berbasis Machine Learning juga dapat memainkan peran penting di sini dalam memilih audiens yang tepat, atau rangkaian produk, bundel, penawaran, dan sebagainya yang optimal.

Baca selanjutnya: Dua bagian pertama dari seri tiga bagian ini

Apa yang harus kamu lakukan?

Skenario menawarkan pendekatan awal yang paling berguna untuk membedakan kekuatan dan kelemahan utama dari platform personalisasi yang berbeda. Setidaknya ada dua cara Anda dapat menggunakan skenario ini untuk keuntungan Anda.

Pertama, skenario dapat membantu Anda memperjelas arsitektur. Di bagian 1 seri ini, kami menjawab pertanyaan penting: Di mana seharusnya personalisasi berada di tumpukan martech omnichannel Anda? Kasus penggunaan bisnis harus sangat membebani di sini. Misalnya, jika Anda benar-benar tertarik hanya pada personalisasi situs web (skenario kedua) dan tidak ada yang lain, maka personalisasi berbasis saluran yang disematkan ke dalam WCM Anda mungkin bukan pilihan yang buruk untuk dipertimbangkan. Tetapi jika Anda ingin mendukung semua skenario ini, Anda mungkin memerlukan Personalization Engine khusus.

Kedua, setelah Anda memutuskan di mana ia harus berada, Anda dapat menggunakan skenario untuk memilih produk yang tepat untuk kebutuhan Anda. Di RSG, kami menggunakan skenario yang disesuaikan dengan kebutuhan spesifik Anda untuk menghasilkan kuadran vendor khusus yang sesuai dengan kebutuhan Anda. Anda harus mengikuti pendekatan serupa. Beri tahu saya jika kami dapat membantu.

Pendapat yang diungkapkan dalam artikel ini adalah dari penulis tamu dan belum tentu MarTech. Penulis staf tercantum di sini.