AI fərdiləşdirmə mühərriklərinin KPI və panellərlə ölçülməsi

Fərdiləşdirmə mühərriki hər bir ziyarətçinin nə görəcəyinə qərar verir: hansı məhsullar, bannerlər, məzmun blokları, e-poçtlar və ya təkliflər. O, baxış tarixi, alış məlumatları, yerləşmə, cihaz, trafik mənbəyi və oxşar istifadəçilərin davranışı kimi siqnallardan istifadə edir. Maşın öyrənməsi modelləri hansı variantın istənilən hərəkətə gətirib çıxarma ehtimalının daha yüksək olduğunu proqnozlaşdırır.

Bu sahədəki məhsullara Dynamic Yield, Adobe Target, Optimizely, Bloomreach, Insider, Salesforce Personalization və Shopify tətbiqləri və Klaviyo kimi e-poçt platformalarındakı tövsiyə funksiyaları daxildir. İmkanlar üst-üstə düşür, lakin aşağıdakı ölçmə prinsipləri onların hamısına aiddir.

Mühərriklər sizə verdikləri nəzarət dərəcəsinə görə fərqlənirlər. Bəziləri stokda olmayan məhsulları istisna etmək və ya yüksək marjinal kateqoriyaları artırmaq kimi biznes qaydalarını təyin etməyə imkan verir, digərləri isə daha çox qara qutu kimi fəaliyyət göstərir. Daha çox nəzarət ölçməni asanlaşdırır, çünki nəticənin niyə dəyişdiyini izah edə bilərsiniz.

Əksər alətlər aid edilmiş gəliri bildirir: fərdiləşdirilmiş elementə klikləndikdən sonra edilən satışlar. Bu rəqəm demək olar ki, həmişə ürəkaçandır. Məhsulu onsuz da alacaq olan, lakin yolüstü tövsiyəyə klikləyən müştəri fərdiləşdirmə gəliri kimi hesablanır.

Dürüst sual artımlıdır: fərdiləşdirməni görməyən müqayisə edilə bilən ziyarətçilərdən fərdiləşdirilmiş ziyarətçilər nə qədər çox alıb? Yalnız nəzarət qrupu və ya A/B dizaynı buna cavab verir.

Bu, satıcıların tənqidi deyil; atributasiya sadəcə bu sual üçün yanlış alətdir. Platforma daxilində optimallaşdırma üçün aid edilmiş gəlirdən, büdcə qərarları üçün isə artımlı nəticələrdən istifadə edin.

• Ziyarətçilərin sabit payını, çox vaxt 5-20 faizini, standart məzmunu görən nəzarət qrupuna təsadüfi şəkildə təyin edin.
• Platformanın daxili nəzarət qrupu və ya kukilərə əsaslanan bölgüdən istifadə edərək, test müddəti ərzində hər istifadəçi üçün təyinatı sabit saxlayın.
• Testi ən azı iki tam alış dövrünü və həftə içi nümunələrini əhatə edəcək qədər uzun müddət aparın.
• Başlamazdan əvvəl gözlədiyiniz effekt üçün lazım olan nümunə ölçüsünü hesablayın; Evan Miller və ya Optimizely-dən olan pulsuz kalkulyatorlar kömək edir.
• Daxili trafiki və botları hər iki qrupdan istisna edin.

Daha böyük nəzarət qrupu daha sürətli, daha aydın nəticələr verir, lakin test zamanı daha çox potensial gəliri qurban verir. Bir çox komanda 10 faizlə başlayır və effekt müəyyən edildikdən sonra onu azaldır, sürüşməni izləmək üçün kiçik bir daimi nəzarət qrupu saxlayır.

İlkin nəticələr

• Artımlı konversiya dərəcəsi: fərdiləşdirilmiş qrup nəzarət qrupuna qarşı.
• Həm konversiyanı, həm də sifariş dəyərini əhatə edən ziyarətçi başına gəlir.
• Tövsiyələrin yalnız daha ucuz məhsulları təşviq etmədiyini yoxlamaq üçün orta sifariş dəyəri.
• Saxlama yönümlü istifadə halları üçün 30-90 gün ərzində təkrar alış dərəcəsi.

İştirak və diaqnostika

• Fərdiləşdirilmiş slotlarda klikləmə dərəcəsi, ilkin nəticələrlə birlikdə oxunur, onların əvəzinə deyil.
• Sessiya başına səhifələr və ilk səbətə əlavə etməyə qədər vaxt.
• Əhatə dairəsi: faktiki olaraq fərdiləşdirilmiş təcrübə əldə edən ziyarətçilərin payı.
• Tövsiyə müxtəlifliyi: hər yerdə eyni bestsellerlərdən qaçmaq üçün neçə fərqli məhsul göstərilir.

Sağlamlıq və xərc

• Səhifə sürətinə təsir, xüsusilə LCP və INP, çünki müştəri tərəfində fərdiləşdirmə skriptləri səhifələri ləngidə bilər.
• Aylıq və artımlı konversiya başına platforma xərci.
• Məlumat təravəti: yeni məhsulların və inventar dəyişikliklərinin modelə nə qədər tez çatması.

Üç bölməli bir səhifədən istifadə edin: yuxarıda nəzarət qrupuna qarşı nəticələr, ortada diaqnostika, aşağıda isə xərc və sağlamlıq. Onu Looker Studio, Power BI və ya Tableau-da fərdiləşdirmə platformasından və analitika və ya sifariş məlumatlarınızdan ixracat istifadə edərək qurun ki, rəqəmlər maliyyə ilə yoxlanıla bilsin.

Tək artım rəqəmləri əvəzinə etibarlılıq intervallarını göstərin. Mənfi 1-dən müsbət 9 faizə qədər intervalı olan 4 faizlik artım hələ nəticə deyil və idarəetmə paneli bunu aydın etməlidir.

Hansı səhvlər fərdiləşdirmə nəticələrini təhrif edir?

Eyni anda çoxlu dəyişiklikləri test etmək hansının işlədiyini söyləməyi qeyri-mümkün edir. Rəqəmlər yaxşı görünəndə testləri erkən bitirmək effektləri şişirdir. Yanvar ayındakı nəzarət dövrünü noyabr ayındakı fərdiləşdirilmiş dövrlə müqayisə etmək kimi mövsümiliyi görməməzlikdən gəlmək saxta qazanclar yaradır. Digər ümumi problem, fərdiləşdirilmiş versiya yüklənməzdən əvvəl standart məzmunun qısa müddətə göründüyü və təcrübəyə zərər verib nəticələri aşağı sala bilən titrəmədir.

Məxfilik də ölçməyə təsir edir. GDPR və KVKK çərçivəsində razılıq qaydaları o deməkdir ki, bəzi ziyarətçilər fərdiləşdirilə və ya izlənilə bilməz, ona görə də əhatə dairəsi gözləniləndən aşağı ola bilər. Boşluğu gizlətmək əvəzinə onu açıq şəkildə bildirin.