Slik bygger du en knallgod personaliseringsstrategi

Personalisering er en lagsport. Se hvordan du kan trappe opp personaliseringsstrategien din for å snu tap til seire for deg og kundene dine.

Introduksjon

Flervalgsoppgave: Hva er det verste marerittscenariet?

A) Å glemme noens navn i det øyeblikket de sier det til deg
B) Å kalle noen ved helt feil navn
C) At noen du ikke kjenner allerede vet navnet ditt uten noen grunn
D) Alle de ovennevnte

Du kan tilgi administrerende direktør for å hilse deg med et «heiii... kompis!» fordi hun glemte navnet ditt. Men det finnes ingen vei tilbake fra å bli kalt ved feil navn. Nå må du enten pinlig nok rette på henne, eller bare gå under feil navn resten av karrieren din.

Og trenger vi å forklare hvor skummelt alternativ C er?

Det er derfor det er så viktig å gjennomføre personalisering uten å være skummel, uten å være påtrengende, og uten å gjøre det feil.

26%26%

av ledere rapporterte at de hadde en felles definisjon av personalisering i hele organisasjonen sin.

Definere personalisering

Hva er personalisering?

Personalisering er en prosess som skaper en relevant, individualisert interaksjon mellom to parter, designet for å forbedre mottakerens opplevelse.

Spesielt for nettsteder og apper innebærer det ofte å bygge eller ta i bruk en personaliseringsmotor som er i stand til å samle dataløsninger, arbeidsflyter for innholdsmarkedsføring, rammeverk for eksperimentering og analyseverktøy.

Her hos Optimizely beskriver vi personalisering som å levere relevante opplevelser til riktig person, på riktig sted og til riktig tid.

Tenk deg at du bestiller kaffe på din lokale kafé. Ved ditt første besøk tar de imot bestillingen din. Ved neste besøk husker de navnet ditt og den vanlige bestillingen din. Snart husker de detaljer som hvor varm du foretrekker drikken din. Til slutt forutser de ankomsten din og har favoritdrikken din klar basert på tidspunktet du vanligvis kommer.

Det er det samme prinsippet i den digitale verden, bare i massiv skala. Hvert klikk, hvert søk og hver interaksjon skaper et digitalt fotavtrykk som kan utnyttes for å levere personaliserte opplevelser.

Hvis du fortsatt har problemer med å forstå hva personalisering betyr for din organisasjon, kan du prøve å visualisere hele kundebasen din som en pyramide.

Her skal vi hjelpe deg...

Vi presenterer personaliseringspyramiden

Hvis du kartlegger hvor programmet ditt befinner seg i dag, er personaliseringspyramiden den rette mentale modellen.

I bunnen finner du de bredeste målgruppesegmentene dine. Alle i det nivået får en stort sett lik opplevelse. Det er her de fleste programmer starter, og der mange av dem blir lenger enn de burde.

Etter hvert som du beveger deg oppover pyramiden, blir opplevelsene mer differensierte. Segmentene blir skarpere. Innholdet blir mer spesifikt. Dataene du trekker fra blir rikere fordi du kombinerer flere kilder.

På toppen sitter ekte 1:1-personalisering. I lang tid var dette bare en ambisjon. Dataene fantes i teorien, men infrastrukturen for å handle på dem i sanntid, i stor skala, gjorde det ikke.

AI har lukket det gapet. 1:1-personalisering er ikke lenger en visjon forbeholdt selskaper med hundrevis av datamedarbeidere. Det er oppnåelig nå, og pyramiden er hvordan du kommer dit systematisk.

Hva er de ulike typene personalisering, og når bruker du hver av dem?

Fra et implementeringsperspektiv finnes det generelt to metoder for å gjennomføre personalisering:

Regelbasert personalisering

Regelbasert personalisering bruker forhåndsdefinert logikk for å dynamisk styre brukeropplevelsen. Tenk på det som et flytskjema: hvis en bruker gjør X, vis dem Y.

Det er pålitelig, sporbart og raskt å implementere. Et finansselskap kan bruke det til å vise ulikt innhold til eksisterende kontohavere kontra potensielle kunder. En SaaS-plattform kan bruke det til å vise forskjellige onboarding-løyper basert på brukerens rolle.

Algoritmisk eller AI-personalisering

AI-drevet personalisering bruker maskinlæring til å lese sanntidsatferd og kontekst, og deretter tilpasse opplevelsen deretter – uten at et menneske manuelt oppdaterer reglene.

Det er her personalisering slutter å være reaktiv og begynner å bli prediktiv. Eksempler inkluderer innholdsanbefalinger for et medieselskap, neste-beste-handling-forslag i et B2B SaaS-produkt, dynamisk prising i reiselivsbransjen og personaliserte behandlingsløyper på helseplattformer.

AI er motoren som avdekker signaler og skalerer gjennomføringen. Menneskelig strategi er det som avgjør hva disse signalene betyr og hva man skal gjøre med dem.

For et mye dypere dykk i de ulike typene personalisering, sjekk ut vår gjennomgang av når du bør bruke regelbasert og AI for å levere de KNALL-BRÅE personaliserte opplevelsene.

Spoiler alert: De fleste modne personaliseringsprogrammer kjører begge deler. Regelbasert håndterer de definerte scenariene med høy sikkerhet. AI håndterer grensetilfellene, de fremvoksende mønstrene og øyeblikkene der dataene forteller en historie før et menneske ville ha oppdaget det.

Kundereiser har blitt for komplekse til at én tilnærming kan håndtere dem alene. Stabile segmenter endrer seg. Kanaler multipliserer seg. Kombinasjonene av hvem noen er og hvor de befinner seg i reisen sin skaper flere permutasjoner enn noe regelbibliotek kan holde tritt med.

0:00 / 0:00

Hva er de største utfordringene selskaper møter når de implementerer personalisering?

Da Optimizely undersøkte toppledere innen markedsføring, e-handel og IT over hele verden, var dette områdene respondentene pekte på som de største utfordringene:

43 % er bekymret for at ineffektiv personalisering vil sette fremtidige budsjetter i fare
40 % synes det er vanskelig å skalere personaliseringsinnsatsen sin
39 % sliter med å implementere personalisering i sanntid
36 % sier at usammenhengende arbeidsflyter holder dem tilbake

Så det høres ut som mange selskaper sliter med å ta i bruk en skikkelig personaliseringsinfrastruktur, ikke sant?

Personalisering mislykkes når infrastrukturen under den er fragmentert. Data lever i siloer. Team jobber isolert. Verktøyene snakker ikke med hverandre. Og programmene som faktisk blir bygget, klarer ikke å bevise verdien sin raskt nok til å overleve neste budsjettrunde.

Hovedutfordringer ved implementering av personaliseringsstrategier

Definere personalisering
Skalere innholdsproduksjon
Håndtere data og personvernhensyn
Måle effekten av personalisering
Bygge personaliseringsmotoren din

Utfordring 1: Å få alle til å bli enige om hva personalisering betyr for organisasjonen din

Uten å bli for meta med det – å definere personalisering er i seg selv et personaliseringsproblem.

Hva det betyr for et B2B-programvareselskap som kjører kontobaserte opplevelser er kategorisk forskjellig fra hva det betyr for en helseportal som personaliserer pasientinnhold, eller en medieutgiver som fremhever redaksjonelle anbefalinger.

Det er derfor så mange programmer stopper opp før de starter. Hvis salgsteamet, produktteamet og datateamet ditt alle jobber ut fra forskjellige definisjoner, vil dere bygge i feil retning – uansett hvor god teknologien er.

Sjekk ut guiden vår om hvordan du definerer personalisering for din organisasjon hvis du fortsatt sitter fast.

Her er et eksempel på hvor drastisk formen på personalisering kan skifte mellom to selskaper i samme bransje;

Utfordring 2: Skalere innhold for å skape de personaliserte opplevelsene du ønsker å levere

Personalisering er der innhold møter data.

Det er vanskelig å skape en optimalisert kundeopplevelse med et begrenset innholdsbibliotek. Det er egentlig ingen vits i å prøve å personalisere hvis du skal vise de samme 5 blogginnleggene til hver eneste kunde på nettsiden din.

Å skalere innholdsproduksjon er enklere enn du tror. Med riktig plattform for innholdsmarkedsføring kan du tilrettelegge arbeidsflyter som drastisk reduserer tiden det tar å produsere innhold, enkelt samarbeide om idéutvikling og strategi, publisere med letthet og til og med utnytte AI for innholdsproduksjon.

Sjekk ut guiden vår om skalering av innholdsproduksjon for personaliserte opplevelser.

Utfordring 3: Håndtere data og personvernhensyn

Å samle data fra en million forskjellige kilder høres omtrent like gøy ut som... å samle data fra en million forskjellige kilder.

Å samle dataene dine gjennom en kundedataplattform (CDP) vil sikre at dataene dine er konsistente på tvers av kundeprofiler uansett hvor de samles inn.

I tillegg må du være supertransparent om hvordan og hvilke data du samler inn fra kundene dine for å sikre personvern. Selv om 78 % av forbrukerne oppgir at de sannsynligvis vil engasjere seg med et personalisert tilbud tilpasset deres interesser, oppgir 77 % av forbrukerne også at personvernpolicyer er viktige for å opprettholde merkelojalitet. Det er viktig å finne en hårfin balanse som respekterer grenser.

Sørg for å tilby dem muligheter til å reservere seg mot datainnsamling, ikke bare for kundelojalitetens skyld, men også så du ikke blir truffet av massive bøter.

Utfordring 4: Måle effekten av personalisering

En av de største utfordringene med personalisering er å vite om den fungerer slik du ønsker.

A/B-testing og eksperimentering er vanlige måter å overvinne personaliseringsutfordringer på når du ikke helt klarer å finne ut nøyaktig hva målgruppen din ønsker, eller hvis det de ønsker ikke er opplagt.

Hvis du knuser ROI-målene dine, så hatten av for deg, men hva skjer hvis du ikke gjør det? Hvordan vet du hva du skal endre og hva du ikke skal endre? Det er der eksperimentering kommer inn.

Nå viser det seg at Optimizely tilbyr en løsning for alle disse utfordringene i én samlet plattform, men det gjettet du sikkert allerede som den skarpe B2B-markedsføreren du er.

Utfordring 5: Bygge en personaliseringsmotor

Personaliseringsmotoren din er det komplette settet med verktøy som gjennomfører strategien din. Som enhver motor kan én defekt komponent få hele greia til å stoppe.

Enten du kjører en samlet plattform eller en tilkoblet stack, er dette hva den motoren trenger:

Sømløs integrasjon med ditt eksisterende CMS og CRM, slik at data flyter uten manuell inngripen
Skalerbarhet som holder tritt med veksten i målgruppen og stadig mer komplekse personaliseringskrav
AI og maskinlæring som gjør sanntidsjusteringer basert på atferd, ikke bare statiske profilattributter
Førstepartsdata-infrastruktur som overholder gjeldende personvernregler og er bygget for å håndtere fremtidige
Robust A/B-testing og eksperimentering slik at hver personaliseringsbeslutning kan valideres
Analyse og rapportering som gjør ROI synlig, ikke begravd et sted noen må søke manuelt etter

For enda mer av det gode, sjekk ut vår dybdeguide om personaliseringsmotorer.

Planlegge personaliseringsstrategien din

Før du tar på et segment, en regel eller et innholdselement, trenger du et felles arbeidsområde der personene som er ansvarlige for personalisering kan jobbe sammen.

Personalisering går på tvers av avdelinger. Datateamet ditt bygger profilene. Innholdsteamet ditt bygger opplevelsene. Produktteamet ditt kontrollerer flatene. Analyseteamet ditt måler resultatene. Hvis disse fire gruppene jobber i separate verktøy uten et felles bilde av programmet, eksisterer strategien bare på lysbilder.

Planleggingsmiljøet ditt bør dekke fire ting:

Samarbeid

Hvordan kommuniserer og planlegger alle med en interesse i dette programmet sammen i sanntid?
Visualisering

Kan du se hele programmet, på tvers av alle kanaler og segmenter, fra én enkelt visning?
Idéutvikling

Personalisering er iterativ fordi kundebehov er i stadig endring. Hvordan fanger og prioriterer teamet ditt nye ideer etter hvert som dataene utvikler seg?
Synlighet

Er strategien din tilgjengelig for alle som trenger den, eller er den begravd i en mappe bare teamet ditt kan finne?

Når du har en måte å faktisk jobbe med teamet ditt, er det på tide å komme i gang.

Start med personaene dine

Du har sannsynligvis allerede din ideelle kundeprofil utarbeidet. Bruk den. Før du rører noen data, begynn å idéutvikle kampanjer mot disse personaene. Dette gir deg startbane før du har samlet inn et eneste nytt datapunkt, og det tvinger teamet ditt til å tenke i målgrupper i stedet for kanaler.

Forstå de bredeste målgruppene dine

Igjen, du har sannsynligvis allerede en forståelse av hvem kundene dine er. Du har trolig god oversikt over segmentene de tilhører, som for eksempel:

Prospekter vs. kunder
Førstegangskjøpere vs. gjentakende kjøpere
Desktop vs. mobil
Brukerlokasjoner
Typisk aldersgruppe

Etter hvert som du samler mer data og innsikt, kan du finjustere tilnærmingen din og skape mer detaljerte personaliseringsstrategier.

Identifiser muligheter

Det er her de fleste personaliseringsprogrammer lar betydelig verdi ligge på bordet, og det er her AI endrer bildet fullstendig.

Instinktet er å lete etter nye data. Det smartere grepet er å koble sammen dataene du allerede har. CRM-et ditt vet hvilke kontoer som nærmer seg fornyelse. Produktanalysene dine vet hvilke funksjoner som driver retensjon.

Innholdsplattformen din vet hvilke temaer som korrelerer med konvertering. Hver for seg er hvert av disse signalene nyttige. Sammen forteller de deg hvilke øyeblikk i kundereisen det er verdt å personalisere, i hvilken rekkefølge og med hvilket innhold.

Det er der ROI-en bor. Ikke i å samle inn mer data, men i å avdekke innsikt fra dataene du allerede har som har vært usynlige fordi de levde i siloer.

AI kan avdekke korrelasjoner på tvers av førstepartsdataene dine som ingen analytiker ville funnet manuelt, og det kan gjøre det før muligheten har passert.

36%36%

av ledere sa at usammenhengende arbeidsflyter holder dem tilbake.

Hvordan skaper du personaliserte opplevelser uten å trenge en utvikler for hver endring?

Opplevelsene du bygger er basert på intensjonsbaserte signaler, personabaserte signaler eller en kombinasjon. Intensjonsbaserte signaler forteller deg hvor noen er i reisen sin. Personabaserte signaler forteller deg hvem de er. Å forstå hvordan begge samspiller er det som driver den faktiske opplevelsen.

Å forstå hvordan brukere interagerer med hvilket innhold vil til syvende og sist drive hele den personaliserte opplevelsen.

Dataintegrasjon

Å integrere førstepartsdataene dine, opprette målgruppesegmenter og bygge et så komplett bilde av kundene dine som mulig er fundamentet. Jo flere signaler du samler, desto mer presis kan personaliseringen være – og desto flere permutasjoner kan du betjene uten å legge til manuell innsats.

Ditt AI-lag ligger oppå disse dataene. Det leser dem, finner mønstre i dem og handler på dem i sanntid. Det det ikke kan gjøre er å erstatte strategi. Beslutningene om hvilke signaler som betyr noe, hvilke målgrupper du skal prioritere og hvilke resultater du optimaliserer for, er fortsatt menneskelige.

Bygge opplevelsene dine

De fleste markedsføringsteam har ikke ubegrensede utviklingsressurser, og personaliseringsprogrammer som er avhengige av utviklingskapasitet har en tendens til å bevege seg sakte. En no-code eller low-code visuell opplevelsesbygger lar markedsførerne dine bevege seg i datahastighet i stedet for å vente på en utviklingssprint.

En visuell editor lar deg også se endringer slik kundene dine vil se dem, i sanntid, på den aktive nettsiden din. Den tilbakemeldingsløkken er viktig når du itererer raskt.

Levere personaliserte opplevelser i stor skala

Greit, nok planlegging og bygging. Nå er det på tide å sette personaliseringsstrategien din i bevegelse.

Du har satt alle brikkene i puslespillet sammen, og nå er det på tide å levere høytytende opplevelser til de rette menneskene til rett tid.

Vi er offisielt i R.L. Stine Grøsserne-fasen av personalisering, der du lar brukerne dine velge sitt eget eventyr. Forhåpentligvis leder du kundene dine et annet sted enn dypt inn i undergangens jungel.

Sanntidssegmentering

Du har laget blåkopiene, og nå er det på tide å sette opplevelsene i aksjon med sanntidssegmentering.

For eksempel, hva skjer med nettopplevelsen som helhet når en kunde klikker på en «les mer»-knapp som går til en individuell side? Fører den ene handlingen til at annet relevant innhold eller produktanbefalinger vises?

Sanntidssegmentering er avhengig av kundeprofiler, men det er viktig å merke seg at kundeprofilen din fortsatt er under utvikling hver gang de besøker nettsiden din.

AI-drevne kundereiser

Et AI-drevet personaliseringslag gjør nettsiden din proaktiv i stedet for reaktiv. I stedet for å vente på at en kunde skal signalisere intensjon gjennom en åpenbar handling, leser AI-en mønstre på tvers av hele atferdshistorikken deres og tilpasser seg deretter.

Når du tar med plassering, enhet, sesjonskontekst, kjøpshistorikk og data fra andre kanaler, blir antallet mulige opplevelsespermutasjoner umulig å håndtere manuelt. AI håndterer permutasjonene. Mennesker definerer rammene, setter målene og gjennomgår resultatene.

Mennesket-i-loopen er ikke en begrensning ved AI-personalisering. Det er designet. Strategi, vurdering og merkevarebeslutninger tilhører teamet ditt. Gjennomføring og skalering tilhører maskinen.

AI kan også kjøre multivariat testing automatisk, holde den best presterende opplevelsen aktiv og rotere ut de som underpresterer – uten å vente på at et menneske henter ut rapporten. Segmenter oppdateres i sanntid. Systemet blir smartere jo mer det kjører.

Symmetriske opplevelser

Kundene dine beveger seg mellom nettsiden din, mobilappen din, e-postprogrammet ditt og salgskontaktpunktene dine. Personalisering som nullstilles hver gang en kunde bytter kanal, er ikke personalisering. Det er en serie med frakoblede eksperimenter som aktivt kan skade tilliten.

En konsistent opplevelse på tvers av alle kanaler, basert på en samlet kundeprofil, er det som gjør personalisering til noe som føles som at merkevaren faktisk kjenner deg. Den sammenhengen er det som bygger lojalitet.

Analysere resultatene dine

Hver målgruppe og opplevelse du har skapt vil være ledsaget av et sett med ønskede mål og resultater. Å måle effekten av personaliseringen din er kanskje det viktigste aspektet ved strategien din.

Metrikker for personalisering kan deles inn i to kategorier: strategiske og taktiske metrikker.

Strategiske metrikker

Dette er overordnede målinger som primært fokuserer på inntektsaspektene ved personalisering. Disse metrikkene inkluderer:

Omsetning
Konverteringsrate
MQL-er (markedsføringskvalifiserte leads)
Gjennomsnittlig ordreverdi
Generert pipeline

Kyniske B2B-markedsførere vil fortelle deg at disse metrikkene er alt topplederne egentlig bryr seg om.

Men vi er ikke kyniske her hos Optimizely.

Taktiske metrikker

Disse metrikkene gir innsikt i spesifikke tiltak og fokuserer primært på ytelse. Noen av de mest verdifulle metrikkene her er:

Klikkfrekvens (CTR)
Engasjementsrate
Andel tilbakevendende besøkende
Sidevisninger per økt
Tid på nettstedet
Fluktfrekvens

Å samle mange datapunkter i én sammenhengende rapport er omtrent så gøy som det høres ut. Og husker du da vi nevnte tidligere at ledere var genuint bekymret for analyse og rapportering?

Velkommen til livet som markedsfører.

Det er derfor det er så viktig å ha en kundedataplattform (CDP) som integreres med alle de andre verktøyene dine som en del av samlebåndet som er personaliseringsmotoren din.

Med et robust analyseverktøy vil du kunne demonstrere:

Resultater og effekt
Avkastning på investering (ROI)
Innsikt
Reiseanalyse
Veiledning
Dataeksporter
Programrapporter

Hvorfor trenger personalisering eksperimentering for å være verdt det?

Uten eksperimentering er personalisering egentlig bare tilpasning. Noe som ikke er veldig personlig.

Opplevelsesoptimalisering er det som skiller et program som kjører fra et program som lærer. Dataene og innsiktene personaliseringsstrategien din genererer, må valideres gjennom eksperimenter som tester antakelsene dine, avdekker hva som fungerer og bygger evidensgrunnlaget som rettferdiggjør fortsatte investeringer.

Det er også slik du beviser ROI på en måte som tåler gransking. Ikke bare «vi viste ulikt innhold til ulike mennesker», men «vi kjørte en kontrollert test, og den personaliserte opplevelsen overpresterte sammenlignet med baseline med så mye, og her er hva det betyr i omsetning.»

Vi sier ikke det bare fordi vi er den beste eksperimenteringsplattformen på markedet. Vi ville sagt det uansett. (Men det er irrelevant, fordi vi er det.)

Når du bygger ut programmet ditt, husk at personalisering kan gå veldig galt. En dårlig opplevelse som huskes er verre enn ingen personalisering i det hele tatt. Men et velorganisert program, med riktig infrastruktur, riktig teamtilpasning og riktig eksperimenteringsdisiplin bak seg, gir sammensatt effekt. Hver test gjør den neste raskere. Hver validerte innsikt reduserer kostnaden for neste beslutning.

Oppsummering

Hvis du tar med deg to gullkorn fra denne guiden, er det disse:

Det finnes ingen mer effektiv måte å få merkevaren din til å se dum ut på enn å bomme totalt på personalisering
Å unngå å bomme på personalisering krever et nøye koordinert team som er samkjørt på strategi, verktøy og visjon

Personalisering er mer enn bare en forventning; det er et absolutt krav. Å rote til personalisering er like katastrofalt som å selvsikkert kalle noen ved feil navn.

Ikke skap minneverdige opplevelser av alle de feil grunnene.

Sørg for at du har gjort leksene dine, at du vet hvem kundene dine er, at du vet hva de vil ha, at du vet hvordan du leverer det de vil ha, og at du har verktøyene til å forenkle prosessen. Ja, det er så enkelt.

Lykke til, kompis!