Die verschiedenen Arten der Personalisierung aufschlüsseln

Als unsere jüngste Studie ergab, dass nur 26 % der Führungskräfte 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" eigentlich nie gesagt. Das ist nur ein weiteres Beispiel für den Mandela-Effekt, der gerade stattfindet.

Ein weiterer lustiger Fakt aus unserer Studie: 62% der Führungskräfte haben ihr Budget für Personalisierung im Vergleich zum Vorjahr erhöht, wie aus derselben Umfrage hervorgeht. Das bedeutet, dass Personalisierung eindeutig 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 einen 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.

Regelbasierte Personalisierung

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

Sie können 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, zeigen Sie ihm Inhalt y). Jeder der Berührungspunkte, die durch vorgegebene Regeln definiert sind, ist 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 optimieren, sollten Sie zunächst klare Regeln auf der Grundlage von Nutzerdaten (Standort, Alter, Verhalten usw.) definieren 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 erscheinen bei Benutzerverhalten mit maßgeschneiderten Nachrichten. 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 Art 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, gibt es mehr Möglichkeiten für Fehler und Unstimmigkeiten, die auftauchen können.
• Intensiv - Wenn Sie die regelbasierte Personalisierung skalieren möchten, müssen Sie viel planen und anpassen, um sicherzustellen, dass die dynamischen Erlebnisse, die Sie anbieten, mit Ihrer breiteren Personalisierungsstrategie übereinstimmen.

Algorithmische Personalisierung (KI)

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

Dies ist vor allem 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 Erlebnis - 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 Content-Bibliothek 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.