Персонализация: когда человеческий интеллект и предиктивные алгоритмы дополняют друг друга

Персонализация: когда человеческий интеллект и предиктивные алгоритмы дополняют друг друга

Jean-René BoidronСтатья авторства

CEO Kameleoon Жан-Рене Буадрона

 

Тенденция AI washing действует таким образом, что можно подумать, что применять machine learning или deep learning необходимо при любых обстоятельствах…

Действительно: там, где человек заранее определит свою цель и останется «неподвижным», алгоритм способен учиться на поведении и улучшать свою способность прогнозировать постоянно и в реальном времени, основываясь на данных, которыми он насыщается. Учитывая то, что алгоритм работает 24/7, его эффективность всегда будет выше человеческой.

Но, с другой стороны, ситуации бывают разными.

Опираться на предиктивный алгоритм для того, чтобы определить предпочтения посетителя на счет цвета кнопки CTA, – это возможно. Но очень сложно посчитать полученный предельный прирост оборота и оправдать использование машинного обучения для такого пустякового вопроса, который можно было бы уладить вручную.

Мы идентифицировали 5 признаков, которые указывают на то, что предиктивный подход – для Вас!

1. Когда необходимо определить вероятность конверсии или интерес к тому или иному предложению

Вероятность покупки на сайте измеряется с помощью информации поведенческого или контекстуального типов, связанной с посещениями в реальном времени (горячие данные). Некоторые исследования, как, например, исследование Бенжамина Шиллера, демонстрируют, что эти данные являются самыми дискриминирующими в том, что касается определения степени заинтересованности посетителя по отношению к тому или иному предложению. В действительности такие данные очень сложно поддаются заблаговременному моделированию человеческими возможностями. Как определить, характеризуется ли посетитель большой, средней или мизерной вероятностью конверсии для этого предложения? Определить такое самостоятельно можно попытаться при помощи скоринга, что и правда рационально, но при этом легко получить ложные результаты, интуитивные.

С другой стороны, машинное обучение обретает свой смысл, когда есть постоянная эволюция данных. Другими словами, предиктивный алгоритм приходится ко двору, когда сложно идентифицировать точно свою цель, потому что критерии, которые ее определяют, – очень размытые, двусмысленные или плавающие:

«Я хочу предложить скидочный купон сомневающимся посетителям»

«Я хочу таргетировать посетителей, чувствительных к фактору редкости, и отправить им сообщение, содержащее эффект срочности»

Если такова ваша цель, вы можете считать, что предиктивный алгоритм – это must have.

2. Когда некачественные лиды стоят Вам очень дорого

Сеть – это очень мощный вектор трафика onsite, для физических магазинов тоже. Один из способов привлечь новых клиентов – предоставить им стимул. Но не все ваши лиды равноценны. Стимул может оказаться очень затратной мерой, когда он предоставляется не тому человеку: например, когда стимулом является бесплатный тест как услуга с затратой человеческого ресурса. В таком случае предиктивный алгоритм – это прекрасный способ сэкономить, максимизируя число лидов, соответствующих поставленным целям.

3. Когда нужно обработать несопоставимые данные

Множество данных может участвовать в процессе определения сегмента или цели. И если существует большое количество сложно сопоставимых данных, предиктивный поход будет необходим, так как алгоритм сможет лучше человека сопоставить, обработать данные, отобрать самые избирательные критерии для действия, которое запланировано осуществить.

Даже цель, которая является априори простой, лучше может быть идентифицирована алгоритмом, который предвосхищает действия.

4. Когда Вы планируете масштабную персонализацию

Это факт: ручная персонализация требует очень много временных ресурсов. Нужно время для размышления, ручная реализация сегментирования и последовательная работа для того, чтобы сделать сегментацию точнее в зависимости от полученных результатов. Одно из решительных преимуществ предиктива – это возможность автоматизировать действия и управлять объемами, сложностями и разнообразием данных лучше и эффективнее, чем это смог бы сделать человеческий мозг. В условиях, где персонализация на сайте становится интенсивнее, мы можем считать, что предиктив станет обязательным для все более растущего числа агентов e-commerce и маркетологов для того, чтобы они сконцентрировались только на их стратегии, а не деталях ее исполнения.

5. Когда Ваши ресурсы ограничены

Это дополнение к предыдущему пункту. У вас есть много целей, которые нужно адресовать, не хватает времени сконцентрироваться на каждой из них. Предиктивный алгоритм имеет двойное преимущество: его легко запустить, он автоматизирует идентификацию своих целей (не нужно делать никакого обновления в зависимости от изменения страниц сайта и так далее). Если в двух словах: предиктив поможет Вам выиграть время, много времени.

Предиктивная персонализация не означает, что ручной подход уже не имеет смысла. Он остается адаптированным под все виды маркетинговых действий, для которых целевой клиент четко определен, а критерии прозрачны.

«Я хочу вознаградить моих лояльных клиентов за покупку более 200 евро за 6 последних месяцев, приглашая их на мероприятие»; «я хочу  направить приветственное предложение новым посетителям» и так далее.

Хорошей Вам конверсии!

Подробнее об AI-персонализации Вы сможете узнать из нашей новой электронной книги:

предиктивные алгоритмы

Gilyana Akuginova

Контент-маркетолог Kameleoon Russia. Гиляна анализирует все отзывы наших клиентов и консультантов, а затем делится лучшими практиками оптимизации пользовательского опыта.