สูตรสำหรับการปรับเปลี่ยนในแบบของคุณในระดับที่มีผู้ชมจำนวนมาก

บล็อกโพสต์นี้ร่วมเขียนโดย Nick DeCesare ที่ปรึกษาหลักของ Slalom

ในยุคที่ความคาดหวังของลูกค้าสูงลิ่ว ธุรกิจต่างพยายามนำเสนอประสบการณ์ส่วนบุคคลที่ตอบสนองความต้องการและความชอบส่วนบุคคลเพื่อให้สามารถแข่งขันได้ อันที่จริงแล้ว ลูกค้า 66% คาดหวังว่าแบรนด์ต่างๆ จะเข้าใจความต้องการและความต้องการของพวกเขา การปรับกลยุทธ์ให้เหมาะกับแต่ละบุคคลได้กลายเป็นแรงผลักดันที่อยู่เบื้องหลังการมีส่วนร่วมของลูกค้า ความภักดี และการลงทุนที่เพิ่มขึ้นในธุรกิจ

แม้ว่าการปรับเปลี่ยนในแบบของคุณจะเป็นที่ต้องการของธุรกิจจำนวนมาก แต่มีเพียงบางธุรกิจเท่านั้นที่ทำได้ดี ที่ Slalom เราเห็นว่าข้อมูลเป็นอุปสรรคอย่างต่อเนื่องในการทำให้การปรับแต่งส่วนบุคคลและการจัดการการเดินทางทำงานสำหรับลูกค้าด้วยเหตุผลสำคัญบางประการ:

กลยุทธ์ที่ง่ายเกินไป

ขณะนี้ผู้ใช้กลุ่มแรกได้ทดสอบและรับรางวัลสำหรับประสบการณ์ส่วนบุคคลแล้ว ลูกค้าจึงเรียกร้องมากกว่าที่เคย เราเห็นความปรารถนาที่จะลัดวงจรกระบวนการปรับเปลี่ยนในแบบของคุณ แต่ในการทำเช่นนี้ บริษัทต่างๆ ดูเหมือนจะตั้งเป้าหมายไปที่การกำหนดเป้าหมายตามข้อมูลประชากรหรือการกำหนดเป้าหมายตามโปรไฟล์อื่นๆ แบบดั้งเดิมด้วยเมตริก เช่น การคลิกผ่านหรือเวลาบนไซต์ หากไม่ถอยกลับไปเพื่อทำความเข้าใจอย่างชัดเจนว่าปัจจัยใดในการปรับให้เหมาะกับแต่ละบุคคลจะมีความหมายต่อลูกค้า บริษัทต่างๆ จึงพยายามดิ้นรนเพื่อแสดง ROI ที่ปลายน้ำของความพยายามในการปรับเปลี่ยนให้เหมาะกับแต่ละบุคคลของตน

การรวบรวมและจัดการข้อมูล

ข้อมูลเป็นความท้าทายที่สำคัญสำหรับ ROI ส่วนบุคคล รายงานปี 2019 ของ Gartner คาดการณ์ว่า 80% ของนักการตลาดจะละทิ้งความพยายามในการปรับให้เหมาะกับแต่ละบุคคลภายในปี 2025 โดยอ้างถึงความยากลำบากในการรวบรวมข้อมูลลูกค้าเป็นเหตุผลหลัก ความไว้วางใจที่ลดลงของลูกค้าในการปกป้องข้อมูลทำให้พวกเขาลังเลที่จะแบ่งปันข้อมูลส่วนบุคคล เนื่องจากบริษัทต่าง ๆ อาศัยคุกกี้ของบุคคลที่สามสำหรับข้อมูลเชิงลึกของลูกค้า การเลิกใช้งานคุกกี้เหล่านี้ที่จะเกิดขึ้นทำให้พวกเขาเสียเปรียบ หากต้องการนำหน้าในการปรับเปลี่ยนให้เหมาะกับแต่ละบุคคล บริษัทจำเป็นต้องจัดลำดับความสำคัญของการรวบรวมข้อมูลจากบุคคลที่หนึ่งซึ่งได้รับความยินยอม ซึ่งลดการพึ่งพาคุกกี้ของบุคคลที่สาม การระบุช่องว่างเหล่านี้จะช่วยสร้างรากฐานข้อมูลที่จำเป็นสำหรับกลยุทธ์ส่วนบุคคลที่ได้รับการพิสูจน์แล้วในอนาคต

แม้ว่าข้อมูลจะถูกรวบรวม ก็มักจะอยู่ในแพลตฟอร์มต่างๆ โดยไม่มีรหัสรวม ทำให้การกำหนดเป้าหมายอย่างมีประสิทธิภาพมีความท้าทายมากกว่าจุดสัมผัสที่เชื่อมต่อกันเพียงไม่กี่จุด ตัวอย่างเช่น การเพิ่มประสิทธิภาพการจัดประเภทต้องการข้อมูลจากหลายแหล่ง เช่น ข้อมูลลูกค้า การเปลี่ยนแปลง การจัดประเภทผลิตภัณฑ์ และระบบข้อมูลผลิตภัณฑ์ หากข้อมูลขาดโครงสร้างที่จำเป็น จะกลายเป็นอุปสรรคสำหรับโมเดล ML ในการทำงานอย่างมีประสิทธิภาพ

ความซับซ้อนของการดำเนินงาน

รายงานติดตามผลจาก Gartner ในปี 2564 ระบุว่า 63% ของผู้นำด้านการตลาดดิจิทัลยังคงเผชิญกับความท้าทายในการปรับเปลี่ยนให้เหมาะกับแต่ละบุคคล เนื่องจากความยากลำบากในการใช้เทคโนโลยี AI/ML อย่างไรก็ตาม อุปสรรค์หลักไม่ได้มีเพียงด้านเทคนิคเท่านั้น แต่มาจากปัญหาด้านกลยุทธ์และการดำเนินงาน

การแยกการเป็นเจ้าของเทคโนโลยีและการจัดการออกจากกลยุทธ์โดยรวมถือเป็นความท้าทายที่สำคัญ การปรับเปลี่ยนให้เหมาะกับแต่ละบุคคลประสบความสำเร็จขึ้นอยู่กับสมมติฐานที่หนักแน่น ความเข้าใจที่ชัดเจนเกี่ยวกับประสบการณ์ของลูกค้าที่ต้องการ และการปรับเปลี่ยนให้เหมาะกับแต่ละบุคคลมีส่วนทำให้เกิดประสบการณ์เหล่านั้นอย่างไร บ่อยครั้งที่ทีมเทคนิคซื้อซอฟต์แวร์ส่วนบุคคลโดยขาดการประสานงานอย่างสมบูรณ์และการทำงานร่วมกันกับทีมธุรกิจ ทำให้ขาดความชัดเจนในข้อกำหนดด้านประสบการณ์ลูกค้า กระบวนการกำหนดโอกาส และข้อตกลงระดับความเป็นเจ้าของและการบริการ (SLA) สำหรับกลยุทธ์และการดำเนินการ

ผลจากการวางตำแหน่งที่ไม่ตรงกันนี้ ทำให้ทีมวิเคราะห์และเทคโนโลยีถูกตัดขาดจากประสบการณ์ของลูกค้า อาจไม่มีการให้ข้อมูลที่จำเป็นเพื่อแจ้งโมเดล และทีมธุรกิจประสบปัญหาในการเข้าใจข้อกำหนดทางเทคนิคเพื่อการใช้งานที่มีประสิทธิภาพ ผลที่ได้คือความไม่ลงรอยกันภายในอย่างต่อเนื่องเกี่ยวกับความคาดหวังและแบบจำลองที่อาจง่ายเกินไปและไม่ส่งมอบ ROI ที่ต้องการ

ทบทวนแนวทางการปรับเปลี่ยนในแบบของคุณ

การปรับเปลี่ยนในแบบของคุณไม่จำเป็นต้องซับซ้อนเกินไปด้วยองค์ประกอบพื้นฐานที่ถูกต้อง และเริ่มต้นด้วยการจัดผู้มีส่วนได้ส่วนเสียข้ามสายงานให้สอดคล้องกันในกลยุทธ์

• จัดผู้มีส่วนได้ส่วนเสียในกลยุทธ์โดยการระบุความท้าทายของลูกค้าที่ใช้ประโยชน์จากข้อมูลที่มีอยู่ อะไรคือความท้าทายที่ดึงลูกค้ากลับมา? พฤติกรรมใดบ้างที่กระตุ้นให้เกิดการมีส่วนร่วมหรือมูลค่าที่สูงขึ้น การตอบคำถามเหล่านี้จะช่วยให้บริษัทต่างๆ เลิกใช้วิธีการปรับแต่งตามข้อมูลประชากรแบบเดิมๆ และหันไปใช้การปรับตามบริบทหรือการคาดการณ์ส่วนบุคคลมากขึ้น
• กำหนดช่องทางและข้อความที่การปรับเปลี่ยนในแบบของคุณจะมีผลกระทบมากที่สุดในการโฆษณา แพลตฟอร์มดิจิทัล และช่องทางการตลาดอัตโนมัติ
• กำหนดข้อมูลที่จำเป็นสำหรับแบบจำลองตามกลยุทธ์นี้ ด้วยสมมติฐานและเมตริกของคุณ คุณสามารถสร้างข้อกำหนดข้อมูลและแมปกับแหล่งข้อมูลสำหรับโมเดลได้ ซึ่งอาจทำให้ข้อมูลบางส่วนขาดหายไปในการนำเสนอโมเดลที่ต้องการ
• ตรวจสอบให้แน่ใจว่าข้อมูลนั้นสมบูรณ์และได้รับการควบคุมในลักษณะที่ใช้งานได้ อาจต้องมีการจัดการข้อมูลและจัดทำแผนภาพ แต่กระบวนการนี้จะช่วยให้ทีมธุรกิจเข้าใจบทบาทของตนในการใช้ข้อมูล และช่วยกำหนดวิธีการกำกับดูแลและการจัดการในอนาคต
• ทดสอบสมมติฐานโดยดำเนินการทดสอบและปรับโมเดลโดยร่วมมือกับทีมธุรกิจและการวิเคราะห์
• ทบทวนและอัปเดตกลยุทธ์อย่างต่อเนื่อง เนื่องจากข้อมูลจะเผยให้เห็นข้อมูลเชิงลึกและโอกาสใหม่ๆ กลยุทธ์ส่วนบุคคลจำเป็นต้องได้รับการทบทวนและอัปเดตอย่างสม่ำเสมอ

Amplitude Audiences + AWS Personalize: ร่วมมือกันเพื่อทำให้การปรับเปลี่ยนในแบบของคุณเป็นจริง

ใน ebook เล่มล่าสุดของเราที่มี Amplitude ชื่อว่า The Digital Analytics Revolution:How to Build for the Future with the Right Technology เราได้พูดถึงองค์ประกอบพื้นฐานสำหรับการขับเคลื่อน “ประสบการณ์ของลูกค้าในลำดับที่สูงขึ้น” เช่น การปรับเปลี่ยนในแบบของคุณ และวิธีการตั้งค่า Amplitude เพื่อมอบประสบการณ์เหล่านี้ . โมเดลเหตุการณ์ที่เน้นความเป็นส่วนตัวของ Amplitude การจับคู่เชิงกำหนดสำหรับการแก้ปัญหาตัวตน และการตรวจสอบความสมบูรณ์ของข้อมูลเชิงรุก เมื่อจับคู่กับเทคโนโลยีแมชชีนเลิร์นนิงที่น่าประทับใจของ AWS Personalize แล้ว Amplitude Audiences จะมอบวิธีที่มีประสิทธิภาพในการสร้างคำแนะนำแบบบริการตนเอง

เพื่อให้ได้ระดับของการสำรวจข้อมูลที่จำเป็นในการสร้างสมมติฐานการปรับให้เป็นส่วนตัวที่มีข้อมูลสำรอง Amplitude ช่วยให้คุณนำกลยุทธ์และสมมติฐานที่ขับเคลื่อนด้วยข้อมูลมาไว้ในตารางด้วยกลุ่มประชากรที่ยืดหยุ่นและการแสดงภาพที่หลากหลายที่ช่วยให้คุณสำรวจข้อมูลได้อย่างง่ายดายเพื่อสำรวจความท้าทาย สำหรับความท้าทายของคุณ และระบุพฤติกรรมของลูกค้าที่ตรงกับผลลัพธ์ที่คุณกำลังพยายามสร้างขึ้นใหม่

นอกจากนี้ คุณไม่จำเป็นต้องพึ่งพาพฤติกรรมของตนเอง Audiences ยังช่วยให้คุณสร้างค่าที่คำนวณได้จากพร็อพเพอร์ตี้ผู้ใช้ ซึ่งจะช่วยให้คุณสร้างกลุ่มตามรายการล่าสุดที่ดู ชิ้นเนื้อหาสุดท้ายที่เข้าร่วม เป็นต้น

ด้วย Amplitude คุณจะไม่ถูกจำกัดอยู่แค่พฤติกรรมดิจิทัลสำหรับสมมติฐาน ใช้ประโยชน์จาก API โปรไฟล์ที่มีประสิทธิภาพเพื่อดึงข้อมูลลูกค้า ธุรกรรม หรือข้อมูลการดำเนินงานอื่นๆ เพื่อปรับปรุงการสำรวจการวิเคราะห์ของคุณด้วย SQL ที่จำกัด

ด้วยข้อมูลนี้ คุณสามารถสร้างกลุ่มประชากรตามรุ่นคาดการณ์ได้โดยกำหนดผลลัพธ์ (เหตุการณ์ คุณสมบัติ หรือทั้งสองอย่างรวมกัน) สร้างวงเล็บเหลี่ยมของความน่าจะเป็นที่กำหนดเอง และแม้แต่ดูแบบจำลองพื้นฐานสำหรับการคาดคะเนของคุณ

เมื่อคุณบันทึกกลุ่มประชากรตามรุ่นแล้ว มีปลายทางมากมายที่คุณสามารถส่งกลุ่มประชากรนี้ผ่านปลายทางของกลุ่มตามช่องทางที่คุณกำหนดไว้ในกลยุทธ์ของคุณโดยต้องใช้รหัสที่จำกัด

สิ่งสำคัญคือต้องทราบว่าคุณจะต้องทำงานร่วมกับทีมด้านเทคนิคและการตลาดเพื่อให้แน่ใจว่าการจัดการข้อมูล เนื้อหาที่สร้างสรรค์ และการส่งมอบดิจิทัลผ่านช่องทางต่างๆ เป็นส่วนหนึ่งของกลยุทธ์และการตั้งค่า การจัดตำแหน่งที่มุ่งเน้นลูกค้าจะช่วยให้มั่นใจได้ว่าการวางแผนนี้ได้รับการพิจารณาในการตั้งค่าและการเปิดตัวของคุณ

เริ่มต้นการเดินทางในแบบของคุณ

หากการปรับเปลี่ยนในแบบของคุณเป็นสิ่งที่บริษัทของคุณต้องการทำให้สำเร็จในปีนี้ เราพร้อมให้ความช่วยเหลือ เข้าร่วมการสัมมนาผ่านเว็บของเรา มอบประสบการณ์ส่วนบุคคลตามขนาดด้วย Amplitude และ AWS ในวันที่ 13 มิถุนายน เวลา 8.00 น. PT เพื่อเรียนรู้เพิ่มเติม

หากคุณต้องการทำความเข้าใจว่าต้องทำอย่างไรเพื่อให้กลยุทธ์การปรับเปลี่ยนในแบบของคุณเปลี่ยนไป โปรดกรอกแบบสำรวจสั้นๆ นี้ แล้วเราจะติดต่อกลับเพื่อนัดหมายเวิร์กช็อป คุณยังสามารถค้นหา AmplitudeAudienceผ่านตลาด AWS

เกี่ยวกับ Slalom: Slalom เป็นบริษัทที่ปรึกษาด้านธุรกิจและเทคโนโลยีระดับโลกตั้งแต่กลยุทธ์ไปจนถึงการนำไปปฏิบัติ แนวทางของเรานั้นรุนแรงมาก ในแปดประเทศและ 45 ตลาด เราเข้าใจลูกค้าของเราอย่างลึกซึ้ง—และลูกค้าของพวกเขา—เพื่อส่งมอบโซลูชันที่ใช้งานได้จริงและครบวงจรที่ขับเคลื่อนผลกระทบที่มีความหมาย ด้วยความร่วมมืออย่างใกล้ชิดกับผู้ให้บริการเทคโนโลยีชั้นนำกว่า 400 ราย ทีมงานที่แข็งแกร่งกว่า 13,000 คนของเราช่วยให้ผู้คนและองค์กรฝันใหญ่ขึ้น ก้าวเร็วขึ้น และสร้างอนาคตที่ดีกว่าสำหรับทุกคน เรารู้สึกเป็นเกียรติที่ได้รับการยอมรับอย่างต่อเนื่องว่าเป็นสถานที่ทำงานที่ยอดเยี่ยม รวมถึงเป็นหนึ่งใน 100 บริษัทที่น่าทำงานที่สุดโดย Fortune เป็นเวลาแปดปีติดต่อกัน เรียนรู้เพิ่มเติมที่ slalom.com