AI kişiselleştirme pazarlamasının rahatsız edici yanı, geliri artıran teknikler ile insanları huzursuz eden tekniklerin aynı araç çantasından çıkmasıdır. Birine, altı hafta önce tükenebilir bir ürününü satın aldığı için o ürünü tekrar önermek yardımcı bir yaklaşım gibi hissettirir. Birine, bir sayfada dokuz saniye kaldığı ve imleci fiyatın üzerine kaydığı için bir ürün önermek ise izleniyormuş hissi yaratır. Aradaki fark, müşterinin neyi neden gördüğünü çaba sarf etmeden yeniden kurgulayıp kurgulayamayacağında yatar.
Bu yeniden kurgulama testi, bulduğumuz en kullanışlı kuraldır. Makul bir insan başını sallayıp “Evet, tabii ki, bunu satın aldığımı biliyorsunuz” diyebiliyorsa güvendesiniz demektir. Eğer bunu üretmek için hangi verileri topladığınızı düşünmek zorunda kalırlarsa, sınırı aşmışsınız demektir. Kimse izlendiğini rapor etmez; sadece etkileşimi keser.
AI kişiselleştirme pazarlaması nerede kazandırır?
Güvenilir kazanımlar sıkıcı ve operasyonel olanlardır. Bir kategori sayfasını, müşterinin daha önce satın aldığı formatlar önce görünecek şekilde yeniden düzenlemek. Birinin zaten sahip olduğu bir ürün için reklamları durdurmak; ki bu, yeniden hedeflemedeki en yaygın ve en sinir bozucu israftır. Bir ikmal mesajını sabit otuz günlük bir aralık yerine gerçek tüketim döngüsüne göre zamanlamak. Bunların her biri tek başına mütevazıdır, ancak birlikte uygulandıklarında genellikle oturum başına geliri, yanında yürüttüğümüz tüm yaratıcı yenilemelerden daha fazla artırırlar.
- Eklemeden önce eleme: Müşterinin zaten satın aldığı veya iki kez reddettiği şeyleri göstermeyi bırakın.
- Segmentten önce sıralama: Birinin geçen hafta ne yaptığı, hangi sepette yer aldığından daha iyi tahmin yürütür.
- Süslemeler değil, varsayılanlar: Bir başlığı kişiselleştirmeden önce sıralama düzenini, stok konumunu ve kargo tahminini kişiselleştirin.
- Aynı anda tek bir değişken, böylece artışı ilişkilendirebilir ve ters giderse geri alabilirsiniz.
- Hakkında hiçbir şey bilmediğiniz ziyaretçilerin yüzde altmışı için çalışan net bir yedek durum.
Nerede ters teper?
Hassas kategoriler hakkında çıkarım yapmak bariz bir tehlikedir. Sağlık, finans, hamilelik, ilişki durumu, göçmenlik durumu ve din, veriler teknik olarak bir tahmine izin verse bile sınır dışı kabul edilmelidir; çünkü yanlış bir çıkarım aşağılayıcı, doğru bir çıkarım ise müdahalecidir. Eğer dönüşüme karşı özgürce optimize etmelerine izin verirseniz, modeller bu korelasyonları memnuniyetle ortaya çıkaracaktır; işte tam da bu yüzden kısıtlamanın çıktıda umulması yerine özellik setinde uygulanması gerekir.
Daha ince bir başarısızlık ise aşırı dar hedeflemedir. Sadece yakın zamandaki davranışlar üzerine eğitilmiş bir öneri motoru hızla daralır: Müşterinin bir kategoriyi sevdiğini öğrenir ve başka hiçbir şey göstermeyi bırakır; müşteri de kataloğunuzun olduğundan daha küçük olduğu sonucuna varır. Kişiselleştirilmiş mağazacılığın kısa vadeli dönüşümü artırdığı ancak müşteri başına on iki aylık kategori genişliğini azalttığı hesaplar gördük ki bu kötü bir takastır. Kasıtlı keşif, yani modelin tahmin etmediği şeyler için ayrılmış sabit bir alan payı, buna karşı koruma sağlar.
Çıkarımı değil, veriyi adlandırın
Kişiselleştirmeyi bir müşteriye açıklarken, çözdüğünüz bir şeyden ziyade size verdikleri bir şeye atıfta bulunun. “Mart ayında 500 ml’lik şişeyi satın aldığınız için” ifadesi uygundur. “Gezinmenize dayanarak” ifadesi belirsizdir ve gerçekten daha kötü hissettirir. “Küçük işletme sahibi olduğunuz için müşteriler bunu sever” ifadesi, doğru olsa bile küstahçadır. Kural, e-posta konu satırlarında, site içi modüllerde ve reklam metinlerinde aynıdır: işlemi, belirtilen tercihi veya açık ayarı alıntılayın ve model hakkında sessiz kalın.
İnsanlara gerçekten çalışan bir kontrol verin ve bunu bulabilecekleri bir yere koyun. Sadece e-posta sıklığını ayarlayan bir tercih merkezi bir kontrol değildir. Birinin önerileri kapatmasına, geçmişini temizlemesine veya bir kategori için “ilgilenmiyorum” demesine izin vermek ve buna kalıcı olarak uymak, kağıt üzerinde biraz gelire mal olur ancak her şeyi kabul edilebilir kılan güvenilirliği satın alır. Uygulamada, bu kontrolleri kullanan kullanıcıların payı küçüktür, ancak var olduklarını fark edenlerin payı çok daha büyüktür.
Kimsenin sevmediği altyapı sorusu
Çoğu kişiselleştirme projesi modellemede değil, tesisatta başarısız olur. Sipariş geçmişi bir sistemde, web davranışı diğerinde, destek biletleri üçüncüsünde ve onay durumu dördüncüsünde yaşıyorsa, birinin geçen hafta iade ettiği bir ürün için reklamı güvenilir bir şekilde engelleyemezsiniz ve bu tek bir hata, bir düzine iyi önerinin onarabileceğinden daha fazla zarar verir. Modele yatırım yapmadan önce, kimlik çözümlemesinin dürüst olduğundan, onay bayraklarının kayıtla birlikte taşındığından ve silme isteklerinin kararları veren sistemlere gerçekten ulaştığından emin olun.
Gecikme de önemlidir. Gecelik hesaplanan bir öneri e-posta için iyidir ancak müşterinin niyetinin on dakika önce değiştiği bir oturum için yanlıştır. Her yüzey için ne kadar tazeliğe ihtiyacınız olduğuna karar verin, çünkü her şeyin gerçek zamanlı olması pahalıdır ve genellikle gereksizdir.
İşe yaradığını nasıl anlarsınız?
Kalıcı olarak kontrol gruplarıyla ölçüm yapın. İzleyicilerin bir kısmı her zaman kişiselleştirilmemiş deneyimi almalıdır, çünkü bu olmadan artışı mevsimsellikten, güçlü bir ürün lansmanından veya bir rakibin kesintisinden ayıramazsınız. AI kişiselleştirme pazarlamasının riski tam olarak gelecekten borç alması olduğundan, dokunulan oturumdaki dönüşüm oranı yerine uzun bir pencerede müşteri başına geliri ölçün. Ayrıca abonelikten çıkma, vazgeçme ve şikayet oranlarını hijyen metrikleri olarak değil, birinci sınıf metrikler olarak takip edin. Bu sayılar, ürkütücü sınırın kendini belli ettiği yerlerdir ve gelirden önce hareket ederler.
Okumaya devam edin: AI Optimization