AI kişiselleştirme motorları değerlerini yalnızca kontrollü karşılaştırma yoluyla kanıtlar: herkes kişiselleştirilmiş içeriği görürken, varsayılan deneyimi gören bir kontrol grubu. Temel KPI’lar, bu kontrol grubuna karşı ölçülen artımlı dönüşüm oranı, ziyaretçi başına gelir ve etkileşim derinliğidir. Yalnızca önerilen öğelere tıklama yanıltıcıdır, çünkü kişiselleştirme yeni bir gelir eklemeden tıklamaları kaydırabilir.
Bir AI kişiselleştirme motoru ne yapar?
Bir kişiselleştirme motoru her ziyaretçinin ne göreceğine karar verir: hangi ürünler, banner’lar, içerik blokları, e-postalar veya teklifler. Tarama geçmişi, satın alma verileri, konum, cihaz, trafik kaynağı ve benzer kullanıcıların davranışı gibi sinyalleri kullanır. Makine öğrenimi modelleri, hangi seçeneğin istenen eyleme yol açma olasılığının daha yüksek olduğunu tahmin eder.
Bu alandaki ürünler arasında Dynamic Yield, Adobe Target, Optimizely, Bloomreach, Insider, Salesforce Personalization ve Shopify uygulamaları ile Klaviyo gibi e-posta platformlarındaki öneri özellikleri bulunur. Yetenekler örtüşür, ancak aşağıdaki ölçüm ilkeleri hepsine uygulanır.
Motorlar size verdikleri kontrol derecesine göre farklılık gösterir. Bazıları stokta olmayan ürünleri hariç tutmak veya yüksek marjlı kategorileri öne çıkarmak gibi iş kurallarını belirlemenize izin verirken, diğerleri daha çok kara kutu gibi davranır. Daha fazla kontrol ölçümü kolaylaştırır, çünkü bir sonucun neden değiştiğini açıklayabilirsiniz.
Neden satıcı gösterge panelleri yeterli değildir?
Çoğu araç atfedilen geliri bildirir: kişiselleştirilmiş bir öğeye yapılan tıklamayı takip eden satışlar. Bu sayı neredeyse her zaman gurur vericidir. Ürünü zaten alacak olan ancak yolda öneriye tıklayan bir müşteri, kişiselleştirme geliri olarak sayılır.
Dürüst soru artımlıdır: kişiselleştirilmiş ziyaretçiler, kişiselleştirmeyi görmeyen benzer ziyaretçilerden ne kadar daha fazla satın aldı? Yalnızca bir kontrol grubu veya A/B tasarımı buna cevap verir.
Bu, satıcıların bir eleştirisi değildir; ilişkilendirme bu soru için yanlış araçtır. Platform içinde optimizasyon için atfedilen geliri, bütçe kararları için ise artımlı sonuçları kullanın.
Bir kontrol grubu nasıl kurulur?
- Ziyaretçilerin sabit bir payını, genellikle yüzde 5 ila 20’sini, varsayılan içeriği gören bir kontrol grubuna rastgele atayın.
- Platformun yerleşik kontrol grubunu veya çerez tabanlı bir bölmeyi kullanarak, test süresi boyunca her kullanıcı için atamayı sabit tutun.
- Testi en az iki tam satın alma döngüsünü ve hafta içi modellerini kapsayacak kadar uzun süre çalıştırın.
- Başlamadan önce beklediğiniz etki için gereken örneklem büyüklüğünü hesaplayın; Evan Miller veya Optimizely’den ücretsiz hesaplayıcılar yardımcı olur.
- Dahili trafiği ve botları her iki gruptan da hariç tutun.
Daha büyük bir kontrol grubu daha hızlı, daha net sonuçlar verir ancak test sırasında daha fazla potansiyel geliri feda eder. Birçok ekip yüzde 10 ile başlar ve etki kurulduktan sonra bunu azaltır, sapmayı izlemek için küçük bir kalıcı kontrol grubu tutar.
Gösterge panelinde hangi KPI’lar olmalıdır?
Birincil sonuçlar
- Artımlı dönüşüm oranı: kişiselleştirilmiş grup kontrol grubuna karşı.
- Hem dönüşümü hem de sipariş değerini yakalayan ziyaretçi başına gelir.
- Önerilerin yalnızca daha ucuz ürünleri zorlamadığını kontrol etmek için ortalama sipariş değeri.
- Elde tutma odaklı kullanım durumları için 30 ila 90 gün boyunca tekrar satın alma oranı.
Etkileşim ve tanılama
- Kişiselleştirilmiş yuvalardaki tıklama oranı, birincil sonuçların yerine değil, onlarla birlikte okunur.
- Oturum başına sayfa ve sepete ilk eklemeye kadar geçen süre.
- Kapsam: fiilen kişiselleştirilmiş bir deneyim alan ziyaretçilerin payı.
- Öneri çeşitliliği: her yerde aynı çok satanlardan kaçınmak için kaç farklı öğe gösteriliyor.
Sağlık ve maliyet
- Sayfa hızı etkisi, özellikle LCP ve INP, çünkü istemci tarafı kişiselleştirme betikleri sayfaları yavaşlatabilir.
- Aylık ve artımlı dönüşüm başına platform maliyeti.
- Veri tazeliği: yeni ürünlerin ve envanter değişikliklerinin modele ne kadar hızlı ulaştığı.
Gösterge paneli nasıl yapılandırılmalıdır?
Üç bölümlü bir sayfa kullanın: üstte kontrol grubuna karşı sonuçlar, ortada tanılama ve altta maliyet ve sağlık. Rakamların finansla karşılaştırılabilmesi için kişiselleştirme platformundan ve analiz veya sipariş verilerinizden dışa aktarımları kullanarak Looker Studio, Power BI veya Tableau’da oluşturun.
Tek artış sayıları yerine güven aralıklarını gösterin. Eksi 1’den artı 9’a kadar aralığı olan yüzde 4’lük bir artış henüz bir sonuç değildir ve gösterge paneli bunu belirginleştirmelidir.
Hangi hatalar kişiselleştirme sonuçlarını saptırır?
Aynı anda çok fazla değişikliği test etmek, hangisinin işe yaradığını söylemeyi imkansız hale getirir. Sayılar iyi göründüğünde testleri erken bitirmek etkileri şişirir. Ocak ayındaki bir kontrol dönemini Kasım ayındaki kişiselleştirilmiş bir dönemle karşılaştırmak gibi mevsimselliği görmezden gelmek sahte kazançlar üretir. Diğer bir yaygın sorun, kişiselleştirilmiş sürüm yüklenmeden önce varsayılan içeriğin kısa süreliğine göründüğü ve deneyime zarar verip sonuçları düşürebilen titremedir.
Gizlilik de ölçümü etkiler. GDPR ve KVKK kapsamındaki onay kuralları, bazı ziyaretçilerin kişiselleştirilemeyeceği veya izlenemeyeceği anlamına gelir, bu nedenle kapsam beklenenden düşük olabilir. Boşluğu gizlemek yerine açıkça raporlayın.
Kişiselleştirme ne zaman buna değmez?
Az trafikli küçük siteler genellikle makul bir sürede istatistiksel anlamlılığa ulaşamazlar, bu yüzden kişiselleştirmenin işe yarayıp yaramadığını asla öğrenemezler. Bir avuç ürünü olan kataloglar modele seçmesi için az seçenek verir. Her iki durumda da, geri dönen ziyaretçilere son görüntüledikleri kategoriyi göstermek gibi basit kural tabanlı segmentler, değerin çoğunu maliyetin bir kısmına sunabilir.
Sözleşme imzalamadan önce rakamları hesaplayın. Örneklem büyüklüğü hesaplamanız bir testin altı ay sürdüğünü söylüyorsa, kurallar ve A/B testleriyle başlayın ve trafik arttığında AI kişiselleştirmesini tekrar gözden geçirin.
Alien Road AI kişiselleştirmesini nasıl uygular
Tipik bir etkileşimde keşif ile başlarız: müşterinin trafiği, kataloğu, mevcut araçları ve onay kurulumu. Örneğin geri dönen ziyaretçiler için ana sayfa önerileri veya yeni ziyaretçiler için kategori sayfası sıralaması gibi net ticari hedefleri olan bir veya iki kullanım durumu üzerinde anlaşırız.
Kurulum, kontrol grubu tasarımını, GA4’te ve platformda olay takibini ve betikler yayına girmeden önce ve sonra bir hız kontrolünü içerir. Ölçüm, test sırasında haftalık kontrollerle yukarıdaki KPI gruplarını takip eder. Raporlama, aylık bir gösterge paneli ve artımlı sonuçların, güvenin ve önerilen sonraki testlerin kısa yazılı bir özetidir.
Bu hafta nereden başlamalı
Kişiselleştirme platformunuzun ayarlarını açın ve bir kontrol grubunun olup olmadığını ve ne kadar büyük olduğunu kontrol edin. Yoksa, ana kullanım durumunuz için yüzde 10’luk bir kontrol grubu oluşturun ve tarihi not edin. Dört ila altı hafta içinde motorun ne eklediğine dair ilk dürüst ölçüme sahip olacaksınız.
Okumaya devam edin: Yapay Zekâ Optimizasyonu · Yapay Zekâ Optimizasyonu