Bir AI kişiselleştirme motoru; temiz davranışsal ve ürün verilerine, geçerli bir onaya, iyi tanımlanmış bir kullanım durumuna, artışı kanıtlayan bir holdout grubuna ve hata ve yanlılık izlemesine sahip olduğunda üretime hazırdır. Holdout aşamasını atlayan ekipler, genellikle kişiselleştirmenin gelir getirip getirmediğini veya zaten satın alacak kişilere popüler ürünleri gösterip göstermediğini anlayamazlar. Bu kontrol listesi her aşamayı sırasıyla kapsar.
Kişiselleştirme motorları, her ziyaretçi için içerik, ürün veya teklif seçmek amacıyla makine öğrenimini kullanır. Örnekler arasında Adobe Target, Dynamic Yield (Mastercard’a aittir), Optimizely, Bloomreach, Salesforce Personalization, Algolia Recommend, Klaviyo’nun tahmine dayalı özellikleri ve Rebuy veya Nosto gibi Shopify uygulamaları bulunur. Bazıları ürün önerilerine, diğerleri sayfa içeriğine, arama sıralamasına veya e-postaya odaklanır. Kontrol listesi hepsine uygulanır.
Aşama: Verileriniz hazır mı?
Modeller olaylardan öğrenir. Olaylar eksik, kopyalanmış veya yanlış etiketlenmişse, motor yanlış kalıpları öğrenir. Satıcılarla konuşmadan önce verileri kontrol edin.
- Ürün kataloğu: tam öznitelikler, kategoriler, stok ve fiyat, günlük güncellenir
- Olaylar: ürün görüntülemeleri, sepete ekleme, satın almalar ve aramalar tutarlı ID’lerle izlenir
- Kimlik: onay verildiğinde, girişten sonra oturumları bilinen müşterilerle ilişkilendirmenin bir yolu
- Hacim: modelin öğrenmesi için yeterli trafik ve sipariş; satıcılar genellikle minimumları belirtir
- Geçmiş: mümkünse mevsimsel bir zirveyi kapsayan en az birkaç aylık olaylar
Düşük trafikli siteler burada dürüst olmalıdır. Az sayıda siparişle, bir merchandiser tarafından küratörlüğü yapılan ‘birlikte satın alınanlar’ listeleri gibi kural tabanlı öneriler, öğrenmek için çok az verisi olan bir modelden daha iyi performans gösterebilir.
Aşama: Onay ve gizlilik ne olacak?
Kişiselleştirme davranışsal verileri kullanır, bu nedenle gizlilik yasası geçerlidir. GDPR ve Türkiye’nin KVKK’sı kapsamında yasal bir temele, gizlilik bildiriminizde net bilgilere ve çoğu izleme çerezi için onaya ihtiyacınız vardır. Reddeden ziyaretçiler yine de kişiselleştirilmemiş varsayılanlarla çalışan bir site almalıdır.
- Motorun onay yönetimi platformunuzun sinyallerine saygı duyduğunu doğrulayın
- Satıcı ile bir veri işleme sözleşmesi imzalayın
- Verilerin nerede saklandığını ve işlendiğini kontrol edin
- Sağlık veya din gibi hassas kategorileri hedeflemeden hariç tutun
- Davranışsal profillerin ne kadar süre saklandığını belgeleyin
Aşama: Hangi kullanım durumunu önce pilot olarak uygulamalısınız?
Trafiğin yüksek olduğu ve kararın basit olduğu bir yer seçin. Ana sayfayı, aramayı, e-postayı ve kategori sayfalarını aynı anda kişiselleştirmeye çalışmak sonuçları okunmaz hale getirir.
- Ürün detay sayfası: benzer veya tamamlayıcı ürünler, genellikle en kolay başlangıçtır
- Sepet sayfası: net alaka düzeyine sahip ek öneriler
- E-posta: terk edilmiş göz atma veya satın alma sonrası akışlarında önerilen ürünler
- Arama: geri dönen müşteriler için kişiselleştirilmiş sıralama
- Ana sayfa: kişiselleştirilmiş banner’lar, genellikle karışık niyet nedeniyle ölçülmesi daha zordur
Pilot için bir hipotez yazın, örneğin: ürün sayfalarındaki tamamlayıcı öneriler, dönüşüm oranını düşürmeden ortalama sipariş değerini artıracaktır. Bu cümle birincil metriğinize karar verir.
Aşama: Artışı nasıl kanıtlarsınız?
Bir holdout grubu kullanın. Ziyaretçilerin rastgele bir kısmı, genellikle yüzde 10 ile 20’si, kişiselleştirilmemiş sürümü görür. Aynı dönem boyunca gruplar arasındaki ziyaretçi başına geliri, dönüşüm oranını ve ortalama sipariş değerini karşılaştırın.
Kişiselleştirme araçlarındaki birçok kontrol paneli, önerilere tıklamalardan elde edilen geliri raporlar. Bu rakam her zaman iyi görünür, çünkü önerilere tıklayan insanlar zaten ilgilidir. Bu, onlar olmasaydı ne olacağını göstermez. Holdout karşılaştırması bunu gösterir.
- Testi en az iki tam hafta, düşük trafikli siteler için daha uzun süre çalıştırın
- Satış testin kendisi değilse, büyük bir indirim döneminde başlatmaktan kaçının
- Başlatmadan önce birincil metriği kararlaştırın
- Daha fazla iade veya indirimli önerilerden kaynaklanan daha düşük marj gibi yan etkileri kontrol edin
- Zaman içindeki artışı izlemek için yayına aldıktan sonra bile küçük bir holdout tutun
5. Aşama: Üretim yayını
Pilot artış gösterdikten sonra kademeli olarak yayına alın. Kişiselleştirilmiş gruptaki ziyaretçi payını adımlarla artırın ve site hızını izleyin, çünkü bazı motorlar render’ı geciktiren betikler yükler. Largest Contentful Paint’in mobil cihazlarda Google’ın 2.5 saniyelik iyi eşiği içinde kaldığını test edin.
- Motor başarısız olduğunda veya yavaş yanıt verdiğinde yedekler belirleyin
- İş kurallarını tanımlayın: stokta olmayan, düşük marjlı veya kısıtlı ürünleri hariç tutun
- Kampanyalar ve lansmanlar için merchandiser geçersiz kılmaları ekleyin
- Yeni ekip üyelerinin mantığı anlaması için her kuralı belgeleyin
Aşama: Sonrasında neyi izlemelisiniz?
Kataloglar ve müşteri davranışı değiştikçe modeller kayar. İzleme, sorunları erkenden yakalar.
- Holdout’a karşı artış, aylık
- Öneri çeşitliliği, böylece aynı birkaç ürün baskın olmaz
- Kapsam: kataloğun önerilen payı
- Alakasız veya tuhaf öneriler hakkında şikayetler veya geri bildirimler
- Sayfa hızı ve betik hataları
Çeşitlilik göründüğünden daha önemlidir. Motorlar genellikle çok satanları tercih eder, bu da yeni ürünlerin görünürlüğünü engelleyebilir. Bazı araçlar yeni ürünleri öne çıkarmanıza veya keşif kuralları belirlemenize olanak tanır; bunları bilinçli kullanın.
Alien Road AI kişiselleştirme motorlarını nasıl uygular
Tipik bir AI optimizasyon çalışmasında, 1. aşamadaki veri denetimi ve 2. aşamadaki onay incelemesi ile başlarız, genellikle bir satıcı seçilmeden önce. İzleme ve katalog verilerini düzeltmek genellikle ilk teslimattır ve kişiselleştirme beklese bile analitiğe ve reklamlara yardımcı olur.
Ardından, platforma ve trafik seviyesine uygun bir araç seçmeye, holdout ile pilotu kurmaya ve kararlaştırılan metrik hakkında haftalık rapor vermeye yardımcı oluruz. Yayına alma kararları satıcı kontrol panellerinden değil, holdout sonuçlarından alınır. Örneğin, ürün sayfası önerileri ortalama sipariş değerini artırıyor ancak sepet sayfası önerileri hiçbir fark göstermiyorsa, sayfa ağırlığını azaltmak için ilkini tutar, ikincisini kaldırırız.
Dikkat ettiğimiz yaygın pilot hataları
Üç hata tekrar tekrar ortaya çıkar. Birincisi, önerileri açmakla aynı anda sayfa tasarımını değiştirmektir, bu da sonuca hangi değişikliğin neden olduğunu söylemeyi imkansız hale getirir. İkincisi, holdout grubunu e-posta akışlarından hariç tutmak ancak site içi yerleştirmelerden hariç tutmamaktır, bu nedenle gruplar artık karşılaştırılamaz. Üçüncüsü, ilk hafta iyi göründüğü için testi erkenden durdurmaktır.
- Test başına bir şeyi değiştirin ve aynı dönemdeki diğer site değişikliklerini kaydedin
- Holdout’u pilotta her kanalda tutarlı bir şekilde uygulayın
- Test süresine önceden karar verin ve buna sadık kalın
Bunlar temel görünüyor ve öyleler. Başarısız pilotların çoğu model kalitesinde değil, temellerde başarısız olur.
Bu hafta nereden başlamalı
Ürün kataloğunuzu dışa aktarın ve kaç ürünün kategori, görsel veya anahtar öznitelikten yoksun olduğunu kontrol edin. Ardından analitiğinizi açın ve ürün görüntülemelerinin, sepete eklemelerin ve satın almaların hepsinin aynı ürün ID’sini taşıdığını doğrulayın. Hangisi daha zayıfsa önce onu düzeltin. Bu veriler üzerine inşa edilmiş bir kişiselleştirme motoru, öğrenecek gerçek bir şeye sahip olacaktır.
Okumaya devam edin: Yapay Zekâ Optimizasyonu · Yapay Zekâ Optimizasyonu