Персонализация клиентского опыта в омниканальной среде

Клиент всегда прав - несколько устаревшая истина. Новая - клиент всегда хочет особого отношения. Все мы привыкли к определенному уровню сервиса не только при совершении покупки, но и когда от нечего делать скролим ленту магазинов.

Никто не любит ждать. Никто не хочет заморачиваться со сложными регистрационными формами. Каждый контакт бренда с клиентом должен быть быстрым, легким и теплым.

Поэтому персонализированный подход в коммуникации - это уже не тренд, а один из базовых элементов многоканального маркетинга.

Как дать каждому клиенту особое отношение при каждом контакте и что и как можно автоматизировать в такой масштабной задаче - разбираем в этой статье.

Что именно можно персонализировать?

1. Имя клиента и личное обращение. Пример: «Алексей, для вас - скидка на следующую заправку», а не «Уважаемый покупатель...».
2. Содержание предложения. Показывать на сайте или присылать в рассылке продукты, которые соответствуют интересам пользователя. Для этого надо собрать информацию о том, что человек уже покупал, что он искал на сайте, демографические данные. Пример: после покупки детской кроватки - предложение матраса или текстиля.
3. Время и канал доставки. Отправлять рекламные предложения в удобное для человека время (на основе прошлой активности, часового пояса), через его любимый канал (Viber, SMS, мобильный пуш).
4. Географическая и языковая локализация. Показ акций, доступных в городе или стране пребывания клиента.Язык контента - в соответствии с предпочтениями и предыдущих взаимодействий с менеджером.
5. Динамичный контент в рассылках и на сайте. Система автоматически подтягивает релевантные товары/контент. Пример: подборка фильмов или товаров меняется для каждого пользователя.
6. Стадия воронки или жизненного цикла клиента. Пример: новый клиент получит welcome-письмо с объяснениями; кто давно не покупал - промокод с фразой «Скучаем по вам!».
7. Контент по поведению. Если клиент кликал по товарам со скидками - показать ему больше акционных предложений.

Персонализированные темы писем повышают open rate на 26% - таковы результаты исследования Campaign Monitor

Важно: актуальность данных о пользователе - это база для качественной персонализации. Ошибка в имени или устаревшие данные (например, о месте проживания) вызовут у человека раздражение вместо ощущения комфорта и особого сервиса.

Технологии для персонализации в омниканальной среде

Маркетинговая персонализация базируется на применении современных технологий, позволяющих быстро и точно адаптировать контент, продукты и коммуникацию под каждого пользователя.

Рассмотрим самые популярные технологии, которые бизнесы используют для персонализации в рассылках и настройке адаптивного контента.

Искусственный интеллект (ИИ) и машинное обучение

В последнее время набирает обороты персонализация на основе алгоритмов искусственного интеллекта. ИИ используют для анализа данных о пользователе и автоматической адаптации контента, предложений или сервисов под его индивидуальные потребности в режиме реального времени.

ИИ с помощью машинного обучения и обработки естественного языка (NLP), на котором человек обращается к ней, создает динамические модели пользователей и предсказывает, что именно будет для них актуальным в данный момент.

ИИ-персонализация основывается на анализе больших объемов данных (Big Data), в частности:

• истории просмотров и покупок;
• демографической информации;
• поведения на сайте или в приложении;
• времени суток, геолокации, типа устройства пользователя и тому подобное.

Какие бренды используют: Amazon - для персонализированных рекомендаций, Booking - для динамического ценообразования, Spotify и Netflix - предлагают контент по принципу предыдущих предпочтений.

Customer Data Platforms (CDP)

CDP - это программное обеспечение, которое собирает, унифицирует и хранит данные о клиентах из разных источников в единый профиль. Главная цель - предоставить маркетологам актуальный портрет каждого клиента для персонализированного взаимодействия в реальном времени.

Как это работает: система собирает и объединяет данные о пользователе из разных каналов: сайта, CRM-ки, email, соцсетей. Данные из разных источников стандартизируются, дублирующие данные удаляются и система формирует «портрет» с уникальными идентификаторами (email, телефон, cookie, ID устройства).

Какие данные может использовать система: демографию, историю покупок, посещение сайта, клики, сессии, данные из соцсетей или сторонних платформ, открытие писем и реакцию на отправку триггерных смс.

CDP-шки интегрируются с:

• CRM для персонализации;
• сайтами;
• мобильными приложениями;
• e-commerce платформами (Shopify, Magento);
• социальными сетями;
• колл-центрами и чатами.

Зачем бизнесу использовать CDP? Это дает возможность быстро создавать актуальные сегменты и запускать персонализированные кампании, просчитывать сценарии поведения и легко настраивать персонализацию в рассылках смс-сообщений и емейлов.

А еще CDP дает четкий контроль над данными, чем упрощает соответствие стандартам использования персональных данных GDPR и других правил.

Data Management Platforms (DMP)

Data Management Platform (DMP) - это технологическая платформа для сбора, обработки и активации анонимизированных данных (cookie ID, IP-адреса, device ID) из различных источников. Основное назначение - сегментация аудиторий и запуск ретаргетированной рекламы в цифровых кампаниях.

Как это работает: DMP обрабатывает информацию из cookie, рекламных сетей, мобильных приложений, сайтов и email-просмотров - без PII (личных идентификационных данных).

Используется для, например, создания look-like аудиторий - пользователей с поведением, похожим на уже существующий сегмент. Эти данные передаются в рекламные сети для показа таргетированной рекламы потенциальным клиентам.

Predictive Analytics (Прогнозная аналитика)

Это технология для прогнозирования будущих действий пользователя: просчет вероятности покупки, риска оттока, следующего шага пользователя. В отличие от описательной аналитики (что произошло?) или диагностической (почему произошло?), прогнозная аналитика отвечает на вопрос: «что может произойти дальше?».

Для чего используют прогнозную аналитику?

• Для прогнозирования поведения клиентов: вероятная покупка, отток, отклик на акции.
• Для приоритезации потенциальных покупателей.
• Для формирования персонализированных рекомендаций товаров в e-commerce или контента в медиа.
• Для прогнозирования продаж и оптимизации кампаний.
• Чаще всего используется для автоматизации принятия решений, например, кого таргетировать рекламной кампанией.

Recommendation Engines (Рекомендательные системы)

Это системы, которые анализируют поведение пользователей, историю покупок, поисковые запросы, клики и другие данные, чтобы прогнозировать, какие товары, услуги или контент вероятнее всего заинтересуют конкретного пользователя. Они являются ключевым инструментом персонализации в диджитал-маркетинге.

На базе рекомендательных систем работают адаптивные баннеры, товары дня, CTA, которые меняются в момент просмотра страницы.

Существуют три основных типа рекомендательных систем:

1. Для коллаборативной фильтрации: такие системы выявляют похожих пользователей и советуют товары, которые должны им понравиться на основе поведения других клиентов. Это те же рекомендации вроде: «Другие пользователи, также выбрали...».
2. Для фильтрации на основе контента: такие системы предлагают товары, похожие на те, что пользователь уже просматривал или покупал.
3. Гибридные модели рекомендательных систем сочетают оба подхода для большей точности. Именно их используют лидеры рынка.

Что дают бизнесу рекомендательные системы (РС) ?

РС увеличивают конверсии и средний чек. По данным Axios (2017), Netflix подтвердил, что 80% просмотров контента пользователями платформы осуществлены через рекомендованные системы, то есть персонализированные ленты контента.

РС снижают нагрузку на пользователя и помогают избегать так называемого «паралича выбора» в онлайн-магазинах тысячами товаров. Релевантные предложения поддерживают у пользователя ощущение ценности от взаимодействия с брендом.

Какие известные бренды используют рекомендательные системы? Amazon, Rozetka, ASOS, Netflix, Spotify, YouTube, Adobe Target, Bloomreach.

Как интегрировать? Через CDP или CRM. Данные собранные в Customer Data Platform могут быть базой для рекомендательных модулей. Есть также сервисы, которые предлагают готовые решения: Recombee, Dynamic Yield, Algolia.

Системы оперативного взаимодействия

Это системы, которые персонализируют контент для пользователя в режиме реального времени: мгновенно адаптируют предложения и интерфейс, исходя из текущего поведения пользователя на сайте или в приложении.

Как это работает: такие системы позволяют создавать сегменты, которые обновляются во время текущей сессии, реагируя на поведенческие сигналы, например: переход в раздел дорогих товаров, покидание корзины и т.д.

Как CRM помогают в персонализации?

CRM-системы (Customer Relationship Management) давно вышли за пределы простой базы контактов и стали базой персонализированного маркетинга. Они аккумулируют данные о клиенте (его поведение, покупки, взаимодействия, демографию и т.д.).

Это позволяет маркетологу быстро создавать сегменты перед тем, как запустить смс-кампанию, или выделить триггеры: автоматические рассылки на дни рождения, брошенную корзину, повторную покупку и т.д.

CRM используют, чтобы отправлять персонализированные сообщения через e-mail, SMS, push.

Популярные CRM для персонализации рассылок:

• Helper CRM
• KeepinCRM
• HubSpot
• Klaviyo

Платформа AlphaSMS интегрируется с различными CRM-системами и используется для быстрой отправки СМС через CRM, например, о статусе заказа, напоминаний о записи или рекламных предложений.

Ключевые выводы

Персонализация - это о том, чтобы показать человеку именно тот контент, продукт или предложение, которое максимально соответствует его текущему интересу или контексту.

Чтобы обеспечить качественную персонализацию контента на разных каналах в режиме реального времени, подключайте системы управления контентом (CMS), привлекайте технологии на основе ИИ. Это позволит держать под контролем большой объем данных.

Для качественной персонализации нужны надежные данные: демография, история покупок, поведение на сайте, геолокация, переходы по ссылкам в смс-рассылках и пр.

Лучшие результаты дает персонализация, которая учитывает поведение человека на разных каналах одновременно. Например, если человек перешел по ссылке в Вайбере, но не купил - настройте показ этого же товара при посещении сайта или через несколько дней отправьте подборку самых горячих предложений на емейл.

Не переборщите. Если использовать личные данные слишком «в лоб» - это может вызвать дискомфорт у клиента.

Качественная персонализация - это в первую очередь экосистема решений, которые работают в связке: данные, модели поведения, оптимизация контента под пользователя.

Маркетинговые исследования показывают, что люди ценят персонализированный подход в коммуникации, но хотят, чтобы он был ненавязчивым - «незаметным».

Тестируйте разную интенсивность персонализации и ищите свой идеальный ритм сближения с каждым клиентом!