Como usar análise preditiva para personalização

A análise preditiva pode ajudar a sites com personalização. Você deve ter notado que os sites se lembra o que você fez ou quais as páginas que você olhou para em seu site na semana passada ou no mês passado. Esses sites estão monitorando seu comportamento, a partir de cliques em certas partes da página com a ordem das páginas que você visualizou para uma sessão, para oferecer-lhe os anúncios, produtos ou artigos de notícias mais relevantes.

experiência do cliente on-line

Estes sites estão tentando personalizar a sua experiência on-line para influenciá-lo e torná-lo mais fácil para você tomar a ação das empresas que operam os sites querem. Os resultados desejados ou metas essas empresas estão procurando geralmente incluem

• Preenchimento de um registro ou uma forma de nomeação
• Ao clicar em um link do produto
• Ler outro artigo notícias
• Assistir a um vídeo
• Comprar um produto

Depois que a empresa coletou dados suficientes para os clientes que atendem com sucesso o objetivo, eles podem tentar aprender com os padrões os clientes fizeram antes que a ação foi tomada, em seguida, aplicar os padrões para os clientes semelhantes. Encontrar clientes que são semelhantes é de nenhuma maneira uma tarefa simples. Claro, um analista pode facilmente identificar um único a alguns atributos do cliente para o segmento manualmente os dados por e ver se há algum padrão. Mas esse processo se torna exponencialmente mais difícil, pois o número de transações fica maior e os atributos do cliente obter mais amplo.

Usando a aprendizagem de máquina algoritmos, a máquina pode encontrar micro-segmentos de clientes semelhantes para que as empresas podem atingir um grupo de clientes, mais precisamente com o conteúdo e ofertas personalizadas.

retargeting

Seu acompanhamento do comportamento de navegação na web não se limita ao site atual que você está. Ele pode ser rastreado através de múltiplos websites. Esta tecnologia é possível através de cookies do navegador e redes de publicidade que compartilham dados com suas afiliadas. Quando você visita um site e ver a página do produto, em seguida, passar para outro novo site e ver um anúncio para o produto no banner ou o lado ferroviário, este é redirecionamento.

Video: Telecurso 2000 Manutenção - 34 Análise de vibrações

Por si só, redirecionamento não é análise preditiva. Mas isso dá-lhe o conhecimento que os dados estão lá e podem ser compartilhados entre sites. As redes de anúncios compartilhar os dados com suas afiliadas, e grande parte destes dados está disponível através de plataformas de gerenciamento de dados. Ao combinar esses dados de terceiros com dados da própria empresa, eles podem criar mais modelos preditivos avançados.

Implementação

sites personalizados podem ser criados de várias maneiras. Ela realmente depende de que tipos de dados que estão disponíveis e se o cliente está logado ou não. Ter dados em seu perfil no cliente adiciona muitos mais atributos para criar um modelo preditivo.

Estes são alguns tipos de dados e fontes que podem ser usados ​​para criar modelos de personalização:

• dados do perfil do cliente, quando ela estiver logado.
• dados de perfil podem incluir atributos como idade e sexo.
• Conteúdo da página.
• Usando técnicas de mineração de texto como TF-IDF, você pode encontrar palavras-chave importantes.
• A página web referindo.
• A página de reenvio pode ter palavras-chave em seu endereço do site (URL).
• Os sites e páginas que você visitou antes.
• Quando esses dados está disponível, ele pode mostrar interesse em um produto ou assunto.
• A geolocalização do navegador da web.
• A localização física do navegador que acessa o site, usando o endereço Internet Protocol.
• dados temporais, tais como hora do dia.
• Hora do dia e dia da semana são atributos comuns de segmentação temporais.

Video: PRELAUNCHX MERCADO FOREX

Otimizando usando personalização

Otimizando um site de e-commerce com personalização é um grande exemplo de melhorar a experiência do cliente e satisfação. Fornecendo conteúdo individualizado, os clientes ofertas relevantes, encontrar menos distrações, e construir a confiança no sistema, o que acabará por impulsionar as vendas. Aqui está uma ilustração de como personalização aumenta as vendas.

Suponha que você está operando um site de reservas de viagens. Você deseja otimizar a experiência para os nossos dois maiores mercados: Califórnia e Flórida viajantes. Nossos analistas sabem que os californianos gostaria de viajar para Nevada e Flórida gosta de viajar para a Geórgia. Então você usa uma regra simples para personalizar a página inicial por geolocalização.

Você pode mostrar uma imagem de herói de Las Vegas para endereços IP pertencentes a Califórnia- para Floridians, você mostrar uma imagem de herói do centro de Atlanta. Você usa a imagem de herói para personalizar, inspirar e influenciar o visitante do site para fazer uma reserva. Alguns visitantes vão fazer a reserva, independentemente da imagem personalizada, porque essa era sua intenção original. Outros podem ser inspirado e influenciado em pesquisar mais e planejando uma viagem para Las Vegas ou Atlanta, aumentando assim a sua taxa de reserva.

Usando modelagem preditiva, você pode usar todos os atributos disponíveis para criar modelos sofisticados que têm como alvo segmentos específicos dos mercados Califórnia e Flórida. Por exemplo, o modelo poderia ter descoberto que os californianos do norte com as crianças gostam de viajar para Lake Tahoe, enquanto os sem crianças gostam de voar para Waikiki Beach, no Havaí.

modelagem preditiva permite que você seja tão granular quanto você gosta em segmentação de dados para fazer ofertas personalizadas. Ele pode detectar padrões em micro-segmentos que normalmente seriam muito difícil. Um sistema baseado em regras pode começar com algumas regras simples, mas eventualmente se transformar em um conjunto complexo e complicado de regras. A atualização manual constante e implantação pode fazer um sistema baseado em regras incontrolável. Usando a máquina de aprender a produzir algorithmically apresentação de conteúdo para a personalização é uma solução escalável e de baixo custo. Personalização tem um grande potencial para aumentar o ROI.

Semelhanças de Personalização e Recomendações

Personalização é semelhante às recomendações, e eles são muitas vezes utilizados em conjunto. Além disso, alguns sites usam o termo recomendações personalizadas. implementações de recomendação são fáceis de identificar porque eles são muitas vezes chamados especificamente com “Recomendado para você” ou “Clientes que compraram este produto também compraram isso.”

Um tipo de personalização pode se referir a como você gosta o conteúdo do site para ser apresentado a você:

• arranjo do site:

• navegação principal no topo ou no painel da esquerda?
• agrupamentos de conteúdo por colunas verticais ou linhas horizontais?
• listas de texto ou imagens em miniatura?

• As cores do CTA (chamada para ação) botões e links:

• Cores importa, e que muitas vezes significar coisas diferentes e exalam sentimentos diferentes para pessoas diferentes. Algumas pesquisas tem mostrado laranja para ser a cor que converte o melhor, porque laranja contrasta bem com sites típicos.
• A maioria das pessoas estão acostumadas a links de pesquisa do Google sendo azul para unvisited e vermelho para visitados. Mas as cores padrão em navegadores poderia ser diferente. As pessoas com daltonismo podem preferir cores diferentes para ligações.

• O fluxo do processo de pagamento.

Video: Inquéritos Online da Markup

• clientes de alta frequência podem preferir um clique ordenação da página do produto, enquanto os clientes padrão podem preferir um processo de pagamento de uma página depois de clicar no produto para rever a sua ordem.
• Outro tipo de personalização refere-se a que tipo de conteúdo no site deve ser apresentado ao cliente de acordo com seu perfil. Isso pode ser na forma de recomendações personalizadas.

• anúncios e ofertas relevantes.

• Por exemplo, pode não fazer sentido para uma empresa de vestuário para mostrar anúncios para a roupa dos homens quando o cliente é do sexo feminino e não tem histórico de compra de roupas masculinas. Eles devem estar mostrando anúncios de roupas femininas em categorias ponto de preço semelhantes como o seu histórico de compras.

• Os itens relevantes.

• Com base no seu perfil, histórico de compras, história leitura, e à semelhança de outros clientes like-minded, mostrar produtos ou artigos relevantes em sua página inicial personalizada.