Machen Sie sich keine Mühe mit der Personalisierung, wenn Sie sie nicht messen können.

Das mag ein großartiges Ziel sein, aber Sie sollten nicht von der Annahme ausgehen, dass mehr Personalisierung gleichbedeutend mit besser ist. Personalisierung sollte immer noch als Experience-Optimierung behandelt werden, d.h. Sie sollten immer sicherstellen, dass Sie Ihre Personalisierungsideen messen, damit Sie bei Ihren Personalisierungsentscheidungen datengestützt vorgehen können.

Bei Optimizely haben wir viele Kunden, die sowohl A/B-Testing als auch Personalisierung einsetzen. Wir haben auch viele Kunden, die uns fragen: "Wo fange ich jetzt an, wo ich beides habe? Was bringt mir den besten Nutzen bei der Lösung der Probleme unserer Kunden? Woher weiß ich, was das Beste ist?" Um diese Fragen zu beantworten, möchte ich als Lead Strategy Consultant von Optimizely zunächst einmal definieren, was "Experimentieren" bedeutet.

Ein Experiment ist streng definiert als ein Verfahren, das unter kontrollierten Bedingungen durchgeführt wird, um eine unbekannte Wirkung zu entdecken. Auch wenn dies eine einzigartige Anwendung für Ihre Produkte und Erlebnisse ist, halte ich diese wissenschaftliche Definition für ziemlich zutreffend. Wenn wir also von einem Experiment sprechen, das mit der Plattform für digitale Erlebnisse von Optimizely zusammenhängt, dann ist es wirklich ein Experiment, ganz gleich, welche Funktion Sie nutzen (beachten Sie, dass jede Funktion darauf ausgerichtet ist, unseren Nutzern das beste Erlebnis zu bieten):

• A/B-Test oder Feature-Test- das beste durchschnittliche Erlebnis für alle (oder große Segmente) von Nutzern ermitteln
• MVT - verstehen Sie, welche Variablen das beste Erlebnis für alle (oder große Segmentierungen von Nutzern) der Nutzer lieferten
• Personalisierung - Verstehen, welches die besten einzigartigen Erlebnisse auf der Grundlage spezifischer Kriterien eines Nutzersegments sind
• Rollout - verstehen Sie die Auswirkungen einer neuen Funktion oder eines neuen Erlebnisses mit geringerem Risiko

Wenn Sie beginnen, Personalisierungskampagnen durchzuführen, sollten Sie diese wie ein Experiment angehen. Sie sollten Ihre Idee als Hypothese formulieren und klare Erfolgskriterien für die wichtigen Metriken festlegen. Und ja, das bedeutet, dass alles mit einer Problemstellung beginnt.

Hier ein paar Beispiele für Problemstellungen, um die Sache ein wenig realistischer zu machen:

• Einzelhandel - Unsere früheren Käufer bestellen immer in der gleichen Preisklasse und sehen sich weniger Produkte an, wenn wir Produkte zeigen, die nicht mit ihren früheren Käufen in Verbindung stehen.
• B2B - Die Bounce-Rate unserer Werbekampagnen ist 10 % höher als bei unseren anderen primären Kanälen und nur 2 % der Besuche werden in einen Lead umgewandelt.
• Reisen - Unsere treuen Mitglieder haben in Umfragen geäußert, dass sie von uns erwarten, dass wir uns bei ihren Suchanfragen an ihre meistgenutzten Ursprünge erinnern.

Lassen Sie uns diese in Hypothesen zur Personalisierung umwandeln:

• Einzelhandel - Wenn wir auf der Startseite ein Banner einblenden, das einen CTA enthält, der die Nutzer auf der Grundlage des Gesamtwerts ihrer früheren Einkäufe auf die entsprechende Preiskategorieseite weiterleitet, werden wir die Anzahl der Produktbesichtigungen und damit auch die Zahl der Einkäufe erhöhen.
• B2B - Wenn unsere Landing Pages, auf denen die Besucher unserer Werbekampagne ankommen, dieselben Wertvorstellungen, Angebote und CTAs widerspiegeln, die in der spezifischen Anzeige zu sehen sind, dann werden wir die Bounce-Rate senken und im Gegenzug die Leadgenerierung steigern.
• Reisen - Wenn wir das Suchfeld "Herkunft" auf der Homepage für Mitglieder der Treuegruppe auf der Grundlage ihrer letzten Suchanfragen vorausgefüllt haben, werden wir die Suchrate und damit die Buchungsrate erhöhen.

Mit Blick auf die Problemstellung im Einzelhandel könnte dies als Optimizely Personalisierungskampagne aufgebaut werden, indem Zielgruppen definiert werden, die mit den Erlebnissen verbunden sind, die Sie anbieten möchten. Indem Sie einzigartige Zielgruppenbedingungen festlegen, die einen Nutzer für ein bestimmtes, damit verbundenes Erlebnis qualifizieren. Ein Beispiel: Ich könnte mich für die Zielgruppe 'High Value Shopper' qualifizieren, wenn ich im letzten Monat 200 $ ausgegeben habe. Die Zielgruppen und Erlebnisse sind zwar unterschiedlich, werden aber jeweils an denselben Metriken gemessen, die Sie für die Gesamtkampagne definieren.

Wenn wir unsere Problemstellungen in Hypothesen umwandeln, erhalten wir einen Hinweis darauf, ob Personalisierung überhaupt der richtige Weg ist, um die anstehenden Probleme zu lösen. Bei der Personalisierung in Optimizely steht Ihnen immer noch die Stats Engine zur Verfügung, um die statistische Genauigkeit zu gewährleisten, und eine Ergebnisseite, um die Informationen zu interpretieren und sie an die Beteiligten weiterzugeben. Sie können immer noch selbstbewusst in ein Meeting mit Ihren Stakeholdern gehen und ihnen sagen: "Ja, das funktioniert, lassen Sie uns iterieren" oder "Ich glaube nicht, dass Personalisierung uns hier weiterhilft, welche anderen Ideen haben Sie?" Wer weiß, vielleicht wäre ein A/B-Testing für dieses Problem besser geeignet!

Woher wissen Sie, was ein guter Kandidat für einen A/B-Test im Vergleich zu einer Personalisierungskampagne ist, wenn Sie sich alle Problemstellungen ansehen, die Sie durch Experimentieren lösen wollen? Das sind die Auslöser, nach denen ich Ausschau halte, wenn ich denke, dass wir eine Personalisierungskampagne in der Mache haben könnten:

• Unsere Problemstellungen konzentrieren sich auf denselben Teil des Erlebnisses, aber die unterstützenden Daten für jede dieser Aussagen sind unterschiedlich, basierend auf bestimmten Segmentierungen der Zielgruppe
• Unsere Lösungen für die Problemstellung sind je nach Zielgruppensegment unterschiedlich

Anhand unseres Beispiels für den Einzelhandel können Sie unten sehen, wie die Ergebnisse aussehen könnten. Wir verwenden die Ergebnisseite für die Personalisierung von Optimizely, da sie die Möglichkeit bietet, eine Topline-Hypothese und Hypothesen speziell für eine Zielgruppe zu überprüfen, was Ihnen Klarheit über die Ausweitung der ursprünglichen Hypothese auf andere Zielgruppen oder Teile Ihres Unternehmens verschaffen kann. Anhand dieser Ergebnisse können Sie auch erkennen, wann die ursprüngliche Hypothese (oder vielleicht die Personalisierung überhaupt) nicht das richtige Erlebnis ist. Dazu sehen Sie sich die Seite mit den zusammengefassten Ergebnissen an, die die Leistung bei Ihrer primären Kennzahl für alle Zielgruppen Ihrer Kampagne zeigt.

Sie können jedoch oben gelb hervorgehoben sehen, dass wir bei der Messung mit allen Besuchern (unabhängig von der Zielgruppe), die an dieser Optimizely Personalisierungskampagne teilgenommen haben, eine statistisch signifikante Verbesserung von 38% bei der Conversion des Kauferlöses verzeichnen konnten. Das ist großartig! Durch die Einbeziehung von Messungen in unsere Personalisierungskampagne wissen wir, dass wir das Erlebnis für eine große Gruppe von Nutzern verbessert haben und dass diese Personalisierungsstrategie mit weiteren Zielgruppen oder anderen Bereichen unseres Unternehmens experimentiert werden sollte.

Wenn wir weiter in die Daten eindringen und uns die einzelnen Zielgruppen ansehen, sehen Sie, dass Neue Besucher bei der Conversion nicht statistisch signifikant gewonnen haben, High Value Shoppers und Affordable Shoppers dagegen schon. Es war kein Verlierer, aber vielleicht sollten wir uns nicht darauf konzentrieren, ihnen beim Eintritt ein Banner zu zeigen, um dieses Problem zu lösen. Wenn wir uns an den Daten orientieren, können wir stattdessen auf unsere Lösungen zurückgreifen und etwas Neues ausprobieren.

Wenn Sie sowohl das Testen als auch die Personalisierung nutzen möchten, empfehle ich Ihnen, die Ideen für beides im gleichen Backlog zu behalten. Priorisieren Sie sie gegeneinander und betrachten Sie sie alle als Hypothesen. Die Personalisierung mag andere Schritte erfordern (z.B. mehr Zeit bei der Erstellung von Assets), aber sie sollten alle als eine Möglichkeit betrachtet werden, Kundenprobleme sicher zu lösen. Überlegen Sie sich, ob Sie bei Ihrem nächsten Hypothesen-Workshop sowohl für Tests als auch für Personalisierung offen sein wollen.

Wenn Sie mit der Personalisierung beginnen und eine Antwort auf die Frage "Wo fange ich an?" suchen, fangen Sie an der gleichen Stelle an wie bisher: Erstellen Sie Ihre Problemstellungen und messen Sie, wie Sie es bereits mit Ihren Tests getan haben. Wenn Sie Ihre Personalisierungskampagnen nicht messen, jagen Sie einem Ideal hinterher und lösen nicht unbedingt die Probleme Ihrer Kunden. Lernen Sie, wann Personalisierung funktioniert und warum sie funktioniert, um die Personalisierungsstrategie Ihres Unternehmens weiterzuentwickeln. Ihre Kunden sind alle unterschiedlich und Personalisierung ist keine Garantie dafür, dass sie die beste Lösung ist!