Die verschiedenen Arten der Personalisierung aufschlüsseln

Als nur 26% der Führungskräfte angaben, dass sie keine einheitliche Definition von Personalisierung in ihrem Unternehmen haben, haben wir das zur Kenntnis genommen. Wir haben es sogar persönlich genommen.

Spaß beiseite: der GOAT hat den Satz "...und das habe ich persönlich genommen." nie wirklich gesagt. Dies ist nur ein weiteres Beispiel für den Mandela-Effekt, der in diesem Moment eintritt.

Ein weiterer lustiger Fakt: 62% der Führungskräfte haben ihr Budget für Personalisierung im Vergleich zum Vorjahr erhöht, was bedeutet, dass Personalisierung ganz klar in aller Munde ist.

Also... ja, Personalisierung ist keines dieser Schlagworte, die sich ihren Weg in den Pantheon des überstrapazierten Unternehmensjargons bahnen. Es ist ein Konzept, das viele Unternehmen nicht verstehen, weil sie die grundlegenden Mechanismen einer Personalisierungsstruktur nicht kennen.

Es gibt mehrere Möglichkeiten, die Personalisierung von einem strukturellen Standpunkt aus anzugehen. Die beiden wichtigsten Arten der Personalisierung sind die regelbasierte Personalisierung und die KI-Personalisierung. Sie können eine oder eine Kombination dieser Personalisierungsansätze verwenden, um ein dynamisches, maßgeschneidertes Erlebnis für Ihre Benutzer zu schaffen. Die effektive Vermittlung dieser verschiedenen Personalisierungstechniken wird Ihnen helfen, einen Plan zu entwickeln, der gut funktioniert.

Und da 40 % der Führungskräfte Schwierigkeiten haben, ihre Personalisierungsprogramme effektivzu skalieren (Unternehmensjargon!), ist es wahrscheinlich am besten, diese beiden Hauptarten der Personalisierung auszupacken, um herauszufinden, welche davon (oder wie Sie sie kombinieren können) für Sie am besten funktioniert.

Doch zunächst ein wenig Physik

Bevor Sie sich mit den verschiedenen Arten der Personalisierung befassen, sollten Sie die Beziehungen zwischen den Daten, die über Ihre Kunden gesammelt werden, verstehen. Eine Möglichkeit, dies zu verstehen, ist die Betrachtung der atomaren Struktur.

Der süße Hund im Büro ist nicht einfach nur ein flauschiges Wesen (okay, er ist es, aber bleiben wir bei der Sache).

(nein, im Ernst, konzentrieren Sie sich...)

Unsere pelzigen Freunde bestehen aus molekularen Verbindungen, die wiederum aus einzelnen Atomen zusammengesetzt sind. So funktioniert auch die Personalisierung.

Unter der Oberfläche eines jeden Kunden befindet sich ein komplexes Netzwerk von Bausteinen, die ihn ausmachen. Wir können uns diese als Atome vorstellen. Und je nachdem, wie Sie diese Atome anordnen und segmentieren, bilden diese Atome dann Moleküle. Auf atomarer Ebene - Sie schaffen ein unkompliziertes Erlebnis, das durch ein einziges Signal ausgelöst wird. Das kann eine Aktion wie ein Klick oder ein Scrollen sein. Es könnte auch ein Teil der demografischen Daten wie Standort oder Gerät sein. Jedes dieser einzelnen Fragmente ist wie ein Atom.

Auf molekularer Ebene - Sie steigern das Erlebnis, indem Sie mehrere Datenauslöser kombinieren, um eine relevantere Reise anzubieten. Sobald Sie beginnen, diese einzelnen Atome zu kombinieren, können Sie besser definierte Kundensegmente bilden. Das kann so einfach sein wie Nutzer, die von einem bestimmten Ort kommen und auf eine bestimmte Schaltfläche klicken.

Auf der Ebene eines Organismus - Sie haben mehrere Datenauslöser miteinander kombiniert, um ein vollständiges, umfassendes und dynamisches Erlebnis zu schaffen. Deshalb ist Personalisierung in Echtzeit so wichtig und Sie brauchen eine Personalisierungsplattform, die so schnell wie möglich und ohne Flimmern arbeitet. Wenn Kunden mit Ihrer Marke interagieren, werden sie auf das, was Sie ihnen bieten, reagieren und antworten.

Okay, der Physikunterricht ist vorbei (puh!)

Kommen wir nun zu den beiden Haupttypen von Implementierungsstrukturen für die Personalisierung.

Regelbasierte Personalisierung

Bei der regelbasierten Personalisierung werden die Benutzererlebnisse anhand vordefinierter Regeln personalisiert, um bestimmte Inhalte oder Funktionen auf der Grundlage von demografischen Daten, Aktionen und Verhaltensweisen der Benutzer anzuzeigen.

Man kann sich diese Art der Personalisierung fast wie ein Flussdiagramm vorstellen, das auf einer "Wenn/Dann"-Logik beruht (z.B. wenn ein Benutzer Aktion x ausführt, zeige ihm Inhalt y). Jeder der Berührungspunkte, die durch vorher festgelegte Regeln definiert werden, sind wie die oben erwähnten Atome. Zu diesen Atomen können der Standort des Benutzers, sein Alter oder andere Eigenschaften gehören. Sobald diese Datenpunkte oder Atome aufgezeichnet sind, bildet die anschließende Sequenzierung die Moleküle.

Um die regelbasierte Personalisierung zu maximieren, sollten Sie zunächst klare Regeln auf der Grundlage von Benutzerdaten (Standort, Alter, Verhalten usw.) festlegen und Ihre Site so anpassen, dass ein dynamisches, segmentiertes Erlebnis entsteht.

Einige Beispiele für regelbasierte Personalisierung sind:

• Dynamische Inhalte - Websites passen sich an die Aktionen des Nutzers an, um relevante Nachrichten und Inhalte anzuzeigen. Dies kann in Form von Inhaltsempfehlungen oder der Anpassung von Nachrichten an wiederkehrende Nutzer geschehen.
• Dynamische Benachrichtigungen - Popups und Banner werden bei Benutzerverhalten mit maßgeschneiderten Nachrichten angezeigt. Ein klassisches Beispiel für eine dynamische Benachrichtigung ist, wenn ein Benutzer ein Browserfenster schließen will und ein Popup erscheint, das den Benutzer zum Verbleib auf der Site auffordert.
• Dynamisches Layout - Seiten werden umstrukturiert, um relevante Inhalte anzuzeigen, die auf dem Verhalten des Benutzers während der Navigation basieren. Google macht dies mit den SERPs, wenn Sie von einem eingeloggten Konto aus suchen.

Vorteile der regelbasierten Personalisierung

• Vollständig anpassbar - Die Anzahl und die Arten der Erlebnisse, die Sie erstellen können, sind endlos. Wenn Sie wertvolle Daten sammeln und diese mit einem leistungsstarken CDP verwalten, können Sie unbegrenzte Permutationen erstellen, um die Customer Journey nach Ihren Wünschen zu gestalten.
• Unbegrenzte Kontrolle - Wenn Sie die Regeln festlegen, behalten Sie die Kontrolle. Sie können so detailliert sein, wie Sie wollen, und die Regeln nach Bedarf anpassen, um so viel Governance (Unternehmensjargon!) wie möglich zu gewährleisten.
• Einfache Implementierung - Wenn Sie schon einmal ein Flussdiagramm erstellt haben (z.B. für die Sequenzierung von ausgehenden Nachrichten oder die Einrichtung eines Chatbots), dann können Sie die regelbasierte Personalisierung auch implementieren.

Nachteile der regelbasierten Personalisierung

• Komplexität - Manchmal ist die Personalisierung ein zweischneidiges Schwert. Mit grenzenloser Macht kommt grenzenlose absolute Verantwortung. Wenn Sie viele verschiedene Sequenzen gleichzeitig ablaufen lassen, ergeben sich mehr Möglichkeiten für Fehler und Unstimmigkeiten.
• Intensiv - Wenn Sie die regelbasierte Personalisierung skalieren wollen, müssen Sie viel planen und anpassen, um sicherzustellen, dass die dynamischen Erlebnisse, die Sie anbieten, mit Ihrer allgemeinen Personalisierungsstrategie übereinstimmen.

Lesen Sie den vollständigen Bericht hier

Algorithmische Personalisierung (KI)

Eine weitere Möglichkeit der Personalisierung ist das maschinelle Lernen oder die algorithmische Personalisierung. Diese Art der Personalisierung nutzt KI und maschinelles Lernen (ML), um Content- und Produktempfehlungs-Engines zu betreiben.

Dies ist besonders bei Websites mit großen Mengen an Inhalten oder Produkten von Bedeutung, bei denen eine regelbasierte Personalisierung extrem ressourcenintensiv wird.

Anstatt Regeln zu definieren, mit denen Sie Ihrer Personalisierungsengine sagen, wie sie Atome zu Molekülen anordnen soll, werden diese bei der KI/ML-Personalisierung auf der Grundlage von Echtzeit-Daten und Benutzerverhalten zusammengestellt. Die Personalisierung mit KI oder maschinellem Lernen beruht in hohem Maße auf der Analyse des Verhaltens ähnlicher Kunden auf der Website, um vorherzusagen, was für das Erlebnis eines bestimmten Kunden von Interesse sein könnte, und so 1:1 maßgeschneiderte Inhalte zu liefern.

Sie können sich das leicht vorstellen, wenn Sie an E-Commerce-Websites denken, auf denen "Kunden haben auch gekauft"-Funktionen angezeigt werden, die Ihnen Produktempfehlungen geben. Kunden, die zur gleichen Zielgruppe gehören, können völlig einzigartige Inhalte/Produktempfehlungen erhalten, die sich auf das konzentrieren, wonach sie gerade suchen.

Auf der Grundlage dieser Erkenntnisse kann der Algorithmus Produkte empfehlen oder relevante Inhalte anzeigen, die mit hoher Wahrscheinlichkeit das Interesse des Nutzers wecken.

Einige Beispiele sind:

• Content Recommendations - Personalisierte Artikel, Videos oder andere Inhalte, die auf die Interessen des Nutzers abgestimmt sind
• Product Recommendations - Produktvorschläge auf der Grundlage früherer Käufe, des Browserverlaufs oder ähnlicher Nutzerinteressen
• E-Mail-Empfehlungen - Maßgeschneiderte E-Mails mit Inhalten, Produkten oder Angeboten, die den Interessen des Empfängers entsprechen

Vorteile der KI-Personalisierung

• Skalierbarkeit - Wie bei den meisten anderen KI-Lösungen ist die Skalierbarkeit viel leichter zu erreichen. Anstatt dass Sie die ganze Arbeit machen, können Sie die KI-Plattform des Robot Overlords ihre Arbeit machen lassen.
• Verbessertes Benutzererlebnis - Anpassungsfähigkeit und Personalisierung in Echtzeit sind mit einer KI-Engine, die das Schiff steuert, ebenfalls sehr viel leichter zu erreichen.
• Wiederverwendung von Inhalten - Wie oft haben Sie schon Content-Audits durchgeführt, nur um festzustellen, dass der Artikel, den Sie gerade geschrieben haben, bereits vor 2 Jahren geschrieben wurde (und zwar viel besser)? KI ist ein effektiver Weg, um die relevantesten Inhalte in Ihrer Inhaltsbibliothek zu finden, selbst die Artikel, die Sie vielleicht schon vergessen haben.

Nachteile der Personalisierung durch KI

• Begrenzter Anwendungsbereich - KI hat noch einen weiten Weg vor sich, wenn es um Personalisierung außerhalb von empfohlenen Inhalten und Produkten geht.
• Datenbedenken - Gehören Sie zu den Nutzern, die es mögen, wenn Ihre Daten auf eine Art und Weise gesammelt werden, die Sie nicht einmal verstehen können? Wahrscheinlich nicht. Und wenn Sie ja sagen, dann lügen Sie wahrscheinlich. Der Schutz der Privatsphäre und die Transparenz der Datenverfolgung können unklar werden, wenn sie nicht richtig gehandhabt werden.
• Verfügbarkeit von Inhalten - Content Recommendations sind nutzlos, wenn Sie keine Inhalte haben, die Sie empfehlen können (klar doch). Viele Marketingteams tun sich schwer mit der Skalierung von Inhalten, aber jetzt geht es auch um die Personalisierung.

Zusammenfassend

Bei der Umsetzung der Personalisierung kommt es darauf an, ob Sie die Zuordnung der Erlebnisse selbst vornehmen (regelbasierte Personalisierung), die KI für sich arbeiten lassen (KI-Personalisierung) oder eine Art Mischform verwenden möchten.

Die meisten Unternehmen würden wahrscheinlich eine Mischform bevorzugen, bei der Sie Regeln auf der Grundlage spezifischer Kundenaktionen (Atome), Kundensegmente (Moleküle) und Kundenprofile (Organismen) definieren können, während Sie der KI gestatten, ein personalisiertes Erlebnis in Echtzeit zu liefern und dabei auf das Kundenverhalten zu reagieren.

Wie auch immer Sie personalisieren wollen, denken Sie daran, es persönlich zu nehmen.