(Перед вами перевод бесплатного курса Коммуникации, основанные на данных: персонализация пользовательского опыта и поведенческий таргетинг от компании Dynamic Yield. Если вы здесь впервые, то лучше начните сначала)
Автор английской версии: Янив Навот, CMO, Dynamic Yield
Над переводом работали Оля Жолудова и Ринат Шайхутдинов. При поддержке koptelnya.ru.
Коптельня — команда по быстрой разработке веб-приложений и сайтов.
Ключ к отличному клиентскому опыту — это данные. Данные, которые позволяют вам нацелиться на правильную аудиторию с правильным сообщением и в правильное время. И чем больше данных вы соберете о потенциальном покупателе, тем более выверенное, заточенное под его потребности и интересы сообщение вы сможете ему предложить.
Однако известно, что порядка 97-98% посетителей среднестатистического сайта — анонимные, что означает, что они никогда не оставляли на сайте свой email. Кто это люди? Возможно, они зашли на сайт впервые, а возможно они у вас уже были, но еще не попали в вашу CRM-систему.
97-98% — это большая доля пользователей, и владельцы сайтов зачастую ломают голову: как узнать больше об этих людях? Как выявить их намерения и предпочтения, чтобы в реальном времени персонализировать пользовательский опыт и подтолкнуть их к действию?
Да, вы владеете информацией лишь о 2% ваших пользователей. Но это не значит, что об оставшихся 98% вы не знаете (или не можете узнать) ничего.
Здесь на помощь бизнесу приходят самые различные техники: сверка куки (cookie matching), трекинг поисковых запросов (browsing activity tracking), обратная идентификация IP (reverse IP identification), дата-онбординг (data onboarding, передача данных из оффлайна в цифровую среду) и контекстуальный таргетинг (contextual targeting). Эти техники помогают заполнить пробелы в профилях анонимных посетителей и свести количество действительно неизвестных пользователей к минимуму.
(Учтите, что в Европе действует регламент по защите персональных данных GDPR, и для применения нижеописанных тактик нужно будет получить активное согласие от каждого пользователя — в противном случае вы будете не вправе отслеживать онлайн-поведение пользователей и использовать кукис для проведения экспериментов, кампаний по персонализации, атрибуции конверсии и т.п.)
Известные известные, известные неизвестные и неизвестные неизвестные
Термин “неизвестные пользователи” (“unknown users”) вроде как подразумевает, что вы об этих пользователях ничего не знаете. И вы действительно не владеете их личными данными (разве что они их вам сами предоставили), но ведь на вашем сайте хранится огромное количество других данных на каждого веб-посетителя. Поэтому хочется спросить: такие ли неизвестные эти “неизвестные пользователи”, как кажется на первый взгляд?
Я бы сказал, что в ведре, которое мы называем “неизвестными пользователями”, плавает стайка рыбёшек, которых смело можно назвать “известными неизвестными”. Это те ребята, чье имя и email нам неизвестны, но кого мы можем идентифицировать по косвенным (implicit) или контекстуальным (contextual) данным.
В общем и целом, эти данных собираются из трех источников:
- Self-reported: Пользователи оставляют их сами, например через веб-формы, онлайн-опросники и т.п.
- Digitally exhausted: Данные собираются из цифровых источников, таких как поведение в интернете (browsing behavior), геолокация (geo-location) и т.п.
- Profiled: Профиль посетителя собранный через сторонние источники данных, технологии сверки куки (cookie-matching technologies), и т.п.
Собранные данные рассказывают историю о каждом веб-посетителе
Локальное хранилище браузера и DOM события можно использовать для регистрации обработчиков событий (event handlers или listeners) и постоянного мониторинга поведения онлайн (чтобы лучше понять, взгляните на этот прикольный маленький пример). Кукис (cookies) обычно используются для отслеживания пользователей и изучения истории их просмотров, а при помощи технологии обратного IP (reverse IP technology) можно узнать отдельные характеристики самого пользователя. Есть даже способы отслеживания поведения пользователей вообще без кукис.
Собирая, агрегируя и анализируя данные из разных источников, мы можем выявить контекст и намерения пользователей. Организациям следует учиться использовать эти данные для улучшения цифровых опытов взаимодействия.
Прогрессивное профилирование (Progressive Profiling) для контекстного маркетинга
Инсайты, полученные от анонимных посетителей, впоследствии можно использовать для создания контекстуализированных маркетинговых сообщений (contextualized marketing messages). Со временем вы накопите больше информации об анонимных пользователях, анализируя историю их запросов, частоту посещений, интересы и т.п. На основании сотен подобных микро-действий, вы сможете собрать подробные профили клиентов и узнаете больше об их намерениях и личных предпочтениях.
Чтобы эффективно использовать данные анонимных посетителей для веб-персонализации, нужно соблюсти три главных требования:
- Полнота (Comprehensiveness) — данные должны быть полными и качественными, собранными на основании взаимодействий через разные точки контакта (touch-points); чем больше тач-поинтов задействовано — тем лучше.
- Единство (Unification) — источники данных в разрезе разных каналов должны быть едины и централизованы; изолированное хранение данных не рекомендуется.
- Практическая применимость (Actionability) — платформа должна позволять использовать все доступные данные в реальном времени для создания сообщений и таргетинга.
По мере накопления все большего количества данных (собранных в процессе повторных посещений и действий пользователя на сайте), вы сможете добиться все более адекватной и своевременной персонализации. Со временем в вашем ведре будет все меньше и меньше “неизвестных неизвестных” рыбок: остальных вы сможете идентифицировать за счет сбора, сопоставления и синхронизации контекстуальных данных.
Нырнем в примеры: Персонализации на основании сторонних данных
Первое впечатление о сайте может решить судьбу потенциально выгодного взаимодействия: завершится ли оно, как вы задумали, или пользователь покинет сайт? Один из способов расположить к себе неизвестных пользователей — это предложить им приятный и располагающий опыт, сконструированный на основании контекстуальных данных.
К примеру, если вы хотите настроить персонализированные сообщения для новых посетителей, можно воспользоваться данными о пользователях от сторонних компаний (таких как Oracle BlueKai). Имея на руках таксономический список, который включает в себя тысячи демографических, психографических и поведенческих сегментов, вы можете создавать прицельные индивидуальные комбинации, точно отвечающие вашим бизнес-целям.
Если вы работаете в media-индустрии, то можете можете показывать больше рекламных сообщений с предложением о подписке тем людям, кто читает журналы или уже подписан на ведущие национальные или местные издания.
Если ваш бизнес — розничная торговля, вы можете использовать аудитории BlueKai для поиска людей, кто часто совершает покупки в Черную пятницу (Black Friday) или Кибер-понедельник (Cyber Monday). Здесь можно добавить еще один слой сегментации и скорректировать сообщения на основании пола, возраста, дохода и других характеристик пользователя.
Если вы работаете в индустрии путешествий, используйте данные, чтобы выявить людей, которые в ближайшие три недели (или больше) проявили какую-то активность в поиске авиабилетов, отелей, машин в аренду, круизов и т.п. Этим людям можно демонстрировать более агрессивные рекламные сообщений — ведь у них высокая заинтересованность в теме и явные намерения.
Вот еще один пример того, как можно здорово использовать сегментацию на travel-сайтах:
В BlueKai доступно порядка 8,000 сегментов, так что вы наверняка найдете ценные данные для построения собственных сегментов.
B2B-сайты могут сотрудничать с компаниями вроде Clearbit, Demandbase, Lead Forensics, KickFire и подобными: они дают возможность отслеживать IP и анализировать анонимный трафик через множество источников.
Обычно эти сервисы автоматически распознают и отправляют в ваш аналитический инструмент десятки характеристик компании — и позволяют фильтровать метрики сайта по классификации аудитории, индустрии, названию компании, доходу, количеству сотрудников и т.п.
Когда вы заводите эти данные на вашу платформу для экспериментов и персонализации, то можете сегментировать пользователей на основании всех этих атрибутов: что дает возможность еще сильнее “углубить” кампании по A/B-тестированию и персонализации.
Персонализации на основании поведения в интернете и контекста
Как мы уже говорили ранее, контекстуальные данные можно собрать из множества источников, таких как местоположение пользователя, погода в регионе, источник трафика, тип устройства и т.д.
К примеру, для некоторых компаний погода в регионе играет важную роль для формирования покупательских маршрутов, которые способствуют принятию решений и росту конверсий.
Компании по продаже одежды (clothing retailers) могут сегментировать пользователей на основании их геолокации или запускать многоканальные маркетинговые кампании в зависимости от местной погоды. Если в регионе пользователя сейчас холодно, можно направить его на специализированный лендинг или показать баннер с товарами, оборудованием и аксессуарами для холодной погоды.
Читайте больше о таргетинге по погоде (weather targeting).
Кроме того, бренды могут создавать и проводить “погодные” кампании, которые динамически адаптируют сообщения под конкретные погодные условия (например, “идет дождь” или “температура упала ниже 12 градусов”).
Кейс Fjällräven: обеспечили рост CTR на 79% относительно статичного баннера, не заточенного под конкретные погодные условия
Эту стратегию повышения конверсий использовали многие ритейлеры, в том числе Fjällräven — крупный шведский продавец верхней одежды и аксессуаров. Они создали несколько видео-баннеров на главную страницу — по несколько вариаций на каждый тип погодных условий, и постоянно оптимизировали их на протяжении года.
Один только этот кейс обеспечил рост CTR на 79% относительно статичного баннера, не заточенного под конкретные погодные условия:
Главный баннер (hero-banner) можно кастомизировать и персонализировать не только на базе погодных условий или местоположения, но и на основании прошлого поведения пользователя, истории покупок или сходства продуктов (product affinity). Например, если посетитель искал или покупал женские туфли, вы можете настроить систему так, чтобы при попадании на главную страницу ему (или скорее ей) автоматически показывался баннер с релевантным контентом.
Больше примеров веб-персонализации вы найдете в нашей Библиотеке вдохновения.
Лайфхак. Когда новый пользователь заходит на сайт — на какую бы страницу ни “приземлился” — ему нужно осмотреться и понять, насколько ему интересно ваше предложение. Если вы добавите на страницы сменяющийся главный баннер (rotating hero banner) с топ-четырьмя категориями ваших продуктов/услуг, плюс добавите рекомендации продуктов-бестселлеров выше линии сгиба (above the fold), это поможет с первой секунды ввести посетителей в курс дела и показать им, что они на верном пути.
Как только посетитель кликнет по одной из категорий — вы мгновенно узнаете основную сферу его интересов.
Анонимные веб-посетители всегда оставляют подсказки, по которым можно отследить их путь.
Вывод и рекомендации
Не стоит просто так пренебрегать столь большим количеством пользователей. Тот факт, что посетитель “анонимный” не обязательно означает, что у вас о нем меньше данных для работы.
На самом деле, анонимные посетители всегда оставляют подсказки, по которым можно отследить их путь. Вместо того, чтобы предлагать таким посетителям усредненный опыт взаимодействия, не упустите возможность порадовать их персонализированным контентом.
← Назад | Продолжение (Глава 6) →