AI kişiselleştirme motorları, her bir ziyaretçi veya müşteri için davranış, bağlam ve tahmin edilen niyete dayalı olarak hangi içeriğin, teklifin, ürünün veya mesajın gösterileceğine karar verir. Müşteri kampanyalarında bunlar, yeterli trafik ve temiz veri olduğunda, her bir kişiselleştirilmiş deneyimin net bir hipotezi olduğunda ve sonuçlar varsayım yerine kişiselleştirilmemiş bir kontrol grubuyla test edildiğinde işe yarar.
AI kişiselleştirme motoru nedir?
Bir kişiselleştirme motoru sinyalleri toplar, her bir ziyaretçi veya müşterinin profilini oluşturur ve ne gösterileceğini seçmek için kurallar ile makine öğrenimi modellerini kullanır. Sinyaller; görüntülenen sayfaları, trafik kaynağını, konumu, cihazı, geçmiş satın alımları, e-posta etkileşimini ve belirtilen tercihleri içerebilir.
Bilinen platformlar arasında Adobe Target, Dynamic Yield, Optimizely, Bloomreach, Insider, Salesforce Personalization ve Braze bulunur. Nosto ve Klaviyo gibi e-ticaret araçları çevrimiçi mağazalar için kişiselleştirme sunar ve birçok CRM ve e-posta sistemi, en iyi gönderim zamanı veya bir sonraki muhtemel satın alma gibi tahmin edici özellikleri içerir.
Makine öğrenimi kısmı genellikle üç işi yapar: ziyaretçinin hangi segmente ait olduğunu tahmin etmek, onlar için hangi varyantın en iyi performansı göstereceğini tahmin etmek ve zamanla trafiği otomatik olarak kazanan varyantlara kaydırmak.
Kişiselleştirme kampanyalarda nerede kazanç sağlar?
Trafik kaynağına göre açılış sayfaları
“Kurumsal muhasebe yazılımı” için bir Google Ads kampanyasına tıklayan biri ile maaş bordrosu otomasyonu hakkındaki bir LinkedIn gönderisinden gelen kişinin beklediği ilk mesajlar farklıdır. Ana başlığı ve kanıt noktalarını kaynağa göre eşleştirmek, en basit ve en güvenilir kullanımlardan biridir.
Geri dönen ziyaretçiler
Geri dönen ziyaretçiler, yakın zamanda görüntüledikleri ürünleri, yarım kalan başvuruları veya kaldıkları yerden devam eden içerikleri görebilirler. B2B siteleri, form doldurma veya CRM verilerinden biliniyorsa, ziyaretçinin sektörüne ait vaka çalışmalarını gösterebilir.
E-posta ve mesajlaşma
Ürün blokları, gönderim zamanları ve teklif türleri alıcı bazında kişiselleştirilebilir. Klaviyo veya Braze gibi araçlardaki tahmin edici modeller, kaybetme olasılığı olan müşterileri işaretleyebilir ve elde tutma mesajlarını tetikleyebilir.
Teklifler ve teşvikler
Herkesin indirime ihtiyacı yoktur. Kişiselleştirme motorları, teşvikleri düşük satın alma olasılığı olan ziyaretçiler için ayırabilir ve böylece zaten satın alacak olanların marjını koruyabilir. Bu, dikkatli testler ve adil fiyatlandırma kontrolleri gerektirir.
Hangi veri ve onay gereklidir?
Kişiselleştirme veriye, veri ise onaya bağlıdır. Kurulumdan önce şunları kontrol ederiz:
- İzleme kalitesi: sayfa görüntülemeleri, ürün görüntülemeleri, sepete ekleme, kayıtlar ve satın alımlar için tutarlı olaylar.
- Kimlik: anonim ziyaretçilerin geri döndüklerinde nasıl tanındığı ve bilinen müşterilerin cihazlar arasında nasıl bağlandığı.
- Katalog veya içerik meta verileri: motorun ürünleri ilgi alanlarıyla eşleştirmesini sağlayan kategoriler, etiketler ve öznitelikler.
- Onay: GDPR ve Türkiye’nin KVKK’sı kapsamında, davranışsal kişiselleştirme genellikle çerez banner’ı aracılığıyla onay gerektirir ve onay platformu seçimleri motora iletmelidir.
- Yedekler: izlemeyi reddeden ziyaretçiler yine de mantıklı bir varsayılan deneyime ihtiyaç duyarlar.
Sağlık veya finansal hassasiyet gibi hassas kategoriler, hem yasal hem de etik açıdan özel dikkat gerektirir.
Kişiselleştirmeyi nasıl yayına alırız?
Kademeli bir yayına alma, bir ekibin düzinelerce kuralı açıp hangilerinin yardımcı olduğunu söyleyemediği yaygın başarısızlığı önler.
- Bir hipotezle başlayın: örneğin, “sektöre özel reklamlardan gelen ziyaretçiler, ana başlıkta sektörleri belirtilirse daha iyi dönüşüm sağlarlar”.
- Bir yerleşim ve bir birincil metrik seçin.
- İki ila dört varyant ve varsayılan deneyimi gösteren bir kontrol grubu oluşturun.
- Genel kişiselleştirme artışını ölçmek için trafiğin bir kısmını kalıcı bir kontrol grubu olarak ayırın.
- Test, tam haftalık döngüleri kapsayan makul bir örnekleme ulaşana kadar çalıştırın.
- Deneyimi sonuçlara göre koruyun, ayarlayın veya kaldırın, ardından bir sonraki hipoteze geçin.
Sonuçları nasıl test eder ve ölçeriz?
Test etmek, dürüst kişiselleştirme çalışmasının temelidir. Birçok platform, kişiselleştirilmiş içerik gören ziyaretçilerden gelen her türlü geliri sayan “etkilenen gelir” raporu verir. Bu rakam neredeyse her zaman gerçek etkiden daha büyüktür.
Bunun yerine kontrollü karşılaştırmalara güveniriz:
- Dönüşüm oranı, ziyaretçi başına gelir veya potansiyel müşteri kalitesi ile ölçülen bireysel deneyimler için A/B testleri.
- Aylar boyunca diğer herkesle karşılaştırıldığında kişiselleştirmeyi hiç görmeyen küresel bir kontrol grubu.
- Bir gruptaki kazançların diğerindeki kayıpları gizlemediğini kontrol etmek için segment analizi.
- Hemen çıkma oranı ve sayfa hızı gibi ikincil metrikler, çünkü kişiselleştirme betikleri sayfaları yavaşlatabilir ve Core Web Vitals’a zarar verebilir.
Trafiği otomatik olarak daha iyi varyantlara kaydıran çok kollu bandit özellikleri, bir hipotez kanıtlandıktan sonra yararlıdır, ancak temiz ölçümü zorlaştırırlar, bu yüzden standart testlerle başlarız.
Alien Road, AI kişiselleştirme motorlarını müşteriler için nasıl uygular
Tipik bir çalışmada keşif, analitik ve CRM verileriyle başlar: trafik kaynakları, segment boyutları, dönüşüm yolları ve ziyaretçilerin nerede ayrıldığı. Ayrıca onay kurulumunu da gözden geçiririz, çünkü müşterinin yasal olarak kullanamayacağı veriler üzerine kurulu bir kişiselleştirme planı değersizdir.
Kurulum, seçilen motorun analitiğe, onay platformuna ve ilgili durumlarda CRM veya ürün beslemesine bağlanmasını içerir. Ardından, beklenen etki ve çabaya göre sıralanmış kısa bir hipotez listesi oluştururuz; genellikle trafik kaynağı açılış sayfası varyantları ve geri dönen ziyaretçi deneyimleriyle başlarız.
Ölçüm için her deneyim kontrollü bir test olarak çalışır ve programın ömrü boyunca küresel bir kontrol grubu yerinde kalır. Sonuçlar GA4’te ve platformun raporlamasında izlenir, sayfa hızı da paralel olarak takip edilir.
Raporlama aylıktır; her canlı deneyimi, test sonucunu, güven düzeyini ve bir sonraki adımı listeler. Kontrol grubunu geçemeyen deneyimler, kazananlar kadar net bir şekilde raporlanır ve ardından kapatılır.
Hangi hatalardan kaçınmalısınız?
- Çok az trafik üzerinde kişiselleştirme yapmak, böylece testler asla anlamlı bir örnekleme ulaşamaz.
- Her biri küçücük olan çok fazla segment oluşturmak.
- Ziyaretçinin şirketini paylaşmadan önce adlandırmak gibi müdahaleci hissettiren içerikler göstermek.
- Eklenen betiklerin sayfa hızına etkisini görmezden gelmek.
- Kontrol grubu olmadan platform tarafından atfedilen gelire güvenmek.
- Deneyimleri gözden geçirmeden yıllarca çalıştırmak.
Bu hafta nereden başlamalı
GA4’ü açın ve oturumlara göre en iyi beş trafik kaynağınızı ve dönüşüm oranlarını listeleyin. Yüksek trafikli ancak düşük dönüşümlü kaynağı seçin ve bu ziyaretçilerin hangi mesajı bekledikleri hakkında bir hipotez yazın. O kaynak için tek bir açılış sayfası varyantı oluşturun ve mevcut sayfaya karşı en az iki hafta boyunca A/B testi olarak çalıştırın. Temiz bir sonuç size yirmi kuralı açmaktan daha fazlasını öğretecektir.
Okumaya devam edin: Yapay Zekâ Optimizasyonu · Yapay Zekâ Optimizasyonu