个性化体验的投资回报率：受众测量

这是关于个性化 ROI 的三部分系列中的第一部分。 第二和第三部分将着眼于内容和过程测量。

最近的统计数据支持品牌需要创造更加个性化的客户体验。

• 80% 的消费者更有可能从提供量身定制体验的品牌购买商品。
• 70% 的消费者表示，他们的忠诚度受到品牌对他们个人需求的理解程度的影响。
• 71% 的客户在没有个性化体验时会感到沮丧。

虽然上述所有情况可能都是正确的，但很难确定创建真正一对一体验所需的投资回报。 这样做的途径可能需要人们花费数月时间，外加数百万美元才能正确完成。

在这个由三部分组成的系列中，我将探讨营销人员在创建个性化客户体验时如何衡量绩效和回报。 我还将介绍任何组织在着手可能成为大规模计划之前应该问的几个问题。

让我们通过关注重要方面——客户——来开始我们关于衡量个性化客户体验的讨论。 通过受众表现衡量个性化意味着我们正在衡量个人和个人群体，以及他们如何对更量身定制的内容、优惠和旅程做出反应。

在这篇文章中，我将探讨看待受众和个性化的不同方式，并解决一些对一对一个性化效果回报的怀疑。

了解受众是个性化的关键

我们都收到过类似这样的电子邮件或短信：“嘿 [在此插入您的姓名]，您想在 [此处插入产品或服务] 上享受 50% 的折扣吗？”

有些人可能称之为“个性化”，因为你的名字被插入而不是简单地说，“嘿，随机的人。” 但这不是我想在这里讨论的那种个性化体验。

让我们将我刚刚描述的方法称为“替代”而不是“个性化”，并转而关注更强大的示例和想法。

然而，除了简单的替代之外，我们还需要更多地了解我们的客户或潜在客户，而不仅仅是他们的名字和姓氏、电子邮件地址或电话号码。

输入第一方数据策略，以及为什么您看到如此多的品牌投资于客户数据平台 (CDP) 等工具，甚至是在可信方之间汇集客户数据的第二方平台。 由于第三方 cookie 和移动设备 ID 跟踪正在被主要技术公司弃用，这一策略至关重要。

所以这里有一个问题，如果个性化取决于对客户的深入了解，那么您如何知道自己对他们的了解程度呢？

答案在于创建第一方数据策略和基础设施，使您能够建立客户档案并随着时间的推移发展他们的信息。

构建第一方数据策略需要：

• 正确的基础设施（例如，CDP 和 CRM）。
• 首先向您提供数据的客户的信任。
• 一种通过基于该数据的个性化体验不断丰富和服务客户​​的方法。

深入挖掘：什么是个性化营销以及它在今天是如何使用的？

相对测量对于理解个性化提升至关重要

这是为真正的个性化怀疑论者准备的。 除非您设置真实的实验并衡量使用和不使用个性化之间的差异，否则您如何了解您的个性化是否有效？ 确实不太好！

这就是为什么相对测量可以提供有关您的个性化工作（或不工作）的许多见解的原因。 从以下方面考虑（您可能以前见过）：

• 向客户展示他们在网站或电子邮件中以图像形式购买的确切产品。
• 向客户展示他们在上次访问时定制的产品。
• 根据客户的地理位置或其他人口统计数据自定义向客户显示的图像。

然后，通过向他们展示通用产品或其他通用的文本或图像来比较这样做的结果。 您可能会在某些区域看到提升，而在其他区域则看不到，但这是使用相对度量的价值的一部分。

因为创建个性化的内容、优惠和体验比一刀切的方法需要更多的资源，所以更好地理解产生最大价值的杠杆是很重要的。

最终，您可能能够为每个频道上的每个人个性化一切。 但与此同时，了解哪些方面的影响最大可以帮助您在不消耗资源的情况下做出有意义的改进。

深入挖掘：如何利用第一方数据使数字体验人性化

CLV 是最终衡量标准

虽然有许多有用的衡量标准可以确定个性化体验的有效性，但最有益的也可能是最具挑战性的。 客户生命周期价值 (CLV) 需要有关个人全套行为的大量信息，也许还需要最宝贵的商品——时间。

衡量 CLV 使我们能够真正了解全面、个性化的客户体验对个人购买和产品或服务使用的影响。 它考虑了获取客户的成本，这通常可以是转换客户的投资，然后展示单个客户如何随着时间的推移推动价值。

当然，基于时间的组件确实使这成为最具挑战性的。 例如，如果客户的平均寿命超过五年：

• 您如何在相对较短的时间内获得有用的 CLV 模型？
• 您如何判断个性化在该模型中扮演什么角色？

我见过许多不同的计算客户生命周期价值的模型，但他们会使用历史数据来计算生命周期、客户流失等方面的支出平均值。 您可以将这些用作基准测量。

此外，您可以使用相对测量来查看那些获得较少个性化体验的客户与可能从更多个性化体验中受益的新客户对客户生命周期价值的影响。

我将在本系列的后续文章中更多地讨论多点触控归因，但能够将价值和转化归因于特定的交互和渠道或接触点也有助于当您被问及有关确定个性化价值的问题时整体 CLV。

多少个性化就足够了？

除了告诉营销人员个性化对购买行为产生积极影响的统计数据外，作为消费者本身，当我们的体验由品牌量身定制时，我们会很感激。

但这种个性化既要以品牌为代价（这可能会传递给我们作为客户），也可能会增加我们泄露的数据量（这可能会影响我们的数据隐私）。 所以问题仍然存在，多少个性化就足够了？ 是否有太多个性化的东西？

有几种方法可以看待这一点。

• 从内部资源的角度来看，如果没有设置正确的系统和流程来处理不断增长的需求，过多过快的个性化会耗尽资源。
• 真正的一对一个性化依赖于人工智能和机器学习 (AIML) 模型以及预测分析，它们可以非常有效地工作，但需要时间和培训才能做到。

因此，也许与其问多少个性化就足够了，不如问：

• 现在有多少个性化足以带来改进？
• 我们应该为未来建设什么？

采用这种方法意味着您的客户可以从更加量身定制的体验中受益，同时您的内部团队和基础架构会适应所需的变化，以继续使这些个性化体验更加有效。

当您关注受众的这些重要方面时，衡量个性化内容、优惠和体验的投资回报率就变得非常有价值。

获取营销技术！ 日常的。 自由的。 在您的收件箱中。

处理中... 订阅

见条款。

本文中表达的观点是客座作者的观点，不一定是 MarTech。 此处列出了工作人员作者。

将 MarTech 添加到您的 Google 新闻提要中。

---