Personalisering är en lagsport. Se hur du kan boosta din personaliseringsstrategi och förvandla förluster till vinster för dig och dina kunder.

Introduktion

Dags för flervalsfråga: Vilket är det värsta mardrömsscenariot?

A) Att glömma någons namn bokstavligen medan de säger det till dig
B) Att kalla någon vid helt fel namn
C) Att någon du inte känner redan vet ditt namn utan anledning
D) Alla ovanstående

Du kan förlåta din CEO för att hon hälsar dig med ett “heeej... kompis!” för att hon glömde ditt namn. Men det finns ingen återvändo från att bli kallad vid fel namn. Nu måste du antingen pinsamt rätta henne, eller helt enkelt gå under fel namn resten av din karriär.

Och behöver vi förklara hur kusligt alternativ C är?

Det är därför det är så viktigt att genomföra personalisering utan att vara kuslig, utan att vara påträngande och utan att göra fel.

26%

av cheferna rapporterade att de hade en enhetlig definition av personalisering i hela sin organisation.

Definiera personalisering

Vad är personalisering?

Personalisering är en process som skapar en relevant, individualiserad interaktion mellan två parter, utformad för att förbättra mottagarens upplevelse. 

Specifikt för webbplatser och appar innebär det ofta att bygga eller implementera en personaliseringsmotor som kan förena datalösningar, content marketing-arbetsflöden, ramverk för experimentering och analysverktyg. 

Här på Optimizely beskriver vi personalisering som att leverera relevanta upplevelser till rätt person, på rätt plats och vid rätt tidpunkt. 

Tänk dig att beställa kaffe på ditt lokala kafé. Vid ditt första besök tar de din beställning. Vid nästa besök kommer de ihåg ditt namn och din vanliga beställning. Snart minns de detaljer som hur varm du vill ha din dryck. Till slut förutser de din ankomst och har din favoritdryck redo baserat på tiden du brukar komma. 

Det är samma princip i den digitala världen, fast i massiv skala. Varje klick, sökning och interaktion skapar ett digitalt fotavtryck som kan användas för att leverera personaliserade upplevelser. 

Om du fortfarande har svårt att förstå vad personalisering innebär för din organisation, prova att visualisera hela din kundbas som en pyramid. 

Här hjälper vi till... 

Vi presenterar personaliseringspyramiden

diagram

Om du kartlägger var ditt program befinner sig idag är personaliseringspyramiden rätt tankemodell.

I botten finns dina bredaste målgruppssegment. Alla i den nivån får en i stort sett liknande upplevelse. Det är här de flesta program startar, och där många av dem stannar längre än de borde.

Ju högre upp i pyramiden du kommer, desto mer differentierade blir upplevelserna. Segmenten blir skarpare. Innehållet blir mer specifikt. Datan du använder blir rikare eftersom du kombinerar fler källor.

I toppen sitter äkta 1:1-personalisering. Under lång tid var detta en ambition. Datan fanns i teorin, men infrastrukturen för att agera på den i realtid och i stor skala gjorde det inte.

AI har stängt det gapet. 1:1-personalisering är inte längre en vision reserverad för företag med hundra personer i datateamet. Det är uppnåeligt nu, och pyramiden är hur du tar dig dit systematiskt.

Vilka är de olika typerna av personalisering och när använder du vilken?

Ur ett implementeringsperspektiv finns det generellt två metoder för att genomföra personalisering:

Regelbaserad personalisering

Regelbaserad personalisering använder fördefinierad logik för att dynamiskt styra användarupplevelsen. Tänk på det som ett flödesschema: om en användare gör X, visa Y.

Det är tillförlitligt, spårbart och snabbt att implementera. Ett finansbolag kan använda det för att visa olika innehåll för befintliga kontoinnehavare jämfört med prospekt. En SaaS-plattform kan använda det för att visa olika onboarding-vägar baserat på användarens roll.

Algoritmisk eller AI-driven personalisering

AI-driven personalisering använder maskininlärning för att läsa beteende och kontext i realtid och sedan anpassa upplevelsen utan att en människa manuellt behöver uppdatera reglerna.

Det är här personalisering slutar vara reaktiv och börjar bli prediktiv. Exempel inkluderar Content Recommendations för medieföretag, nästa-bästa-åtgärd-prompter i en B2B SaaS-produkt, dynamisk prissättning inom resor och personaliserade vårdvägar på hälsoplattformar.

AI är motorn som identifierar signaler och skalar genomförandet. Mänsklig strategi är det som avgör vad dessa signaler betyder och vad man ska göra åt dem.

För en mycket djupare genomgång av de olika typerna av personalisering, kolla in vår nedbrytning av när du ska använda regelbaserad och AI-driven personalisering för att leverera de där GRYM-MA personaliserade upplevelserna.

Spoiler alert: De flesta mogna personaliseringsprogram kör båda. Regelbaserad hanterar de definierade scenarierna med hög tillförlitlighet. AI hanterar undantagen, de framväxande mönstren och de ögonblick där datan berättar en historia innan en människa hade upptäckt den.

Kundresor har blivit för komplexa för att enbart en metod ska räcka. Stabila segment förändras. Kanaler blir fler. Kombinationerna av vem någon är och var de befinner sig i sin resa skapar fler permutationer än något regelbibliotek kan hålla jämna steg med.

graphical user interface
0:00 / 0:00

Vilka är de största utmaningarna företag möter vid implementering av personalisering?

När Optimizely undersökte ledande chefer inom marknadsföring, e-handel och IT världen över, angav respondenterna att de största utmaningsområdena var:

  • 43 % oroar sig för att ineffektiv personalisering kommer att äventyra framtida budgetar
  • 40 % tycker det är svårt att skala sina personaliseringsinsatser
  • 39 % kämpar med att implementera personalisering i realtid
  • 36 % säger att osammanhängande arbetsflöden håller dem tillbaka

Så, det låter ungefär som att många företag kämpar med att införa en ordentlig personaliseringsinfrastruktur, eller hur?

Personalisering misslyckas när den underliggande infrastrukturen är fragmenterad. Data lever i silos. Team arbetar isolerat. Verktygen kommunicerar inte med varandra. Och de program som faktiskt byggs kan inte bevisa sitt värde snabbt nog för att överleva nästa budgetcykel.

Viktiga utmaningar vid implementering av personaliseringsstrategier

  • Definiera personalisering
  • Skala innehållsproduktion
  • Hantera data och integritetsfrågor
  • Mäta effekten av personalisering
  • Bygga din personaliseringsmotor

Utmaning 1: Att få alla att enas om vad personalisering innebär för din organisation

Utan att bli alltför meta – att definiera personalisering är i sig ett personaliseringsproblem.

Vad det innebär för ett B2B-mjukvaruföretag som kör kontobaserade upplevelser är kategoriskt annorlunda jämfört med vad det innebär för en vårdportal som personaliserar patientinnehåll, eller ett medieförlag som lyfter fram redaktionella rekommendationer.

Det är därför så många program stannar av innan de ens har börjat. Om ditt kommersiella team, ditt produktteam och ditt datateam alla arbetar utifrån olika definitioner kommer ni att bygga i fel riktning, oavsett hur bra er teknik är.

Kolla in vår guide om hur du definierar personalisering för din organisation om du fortfarande kör fast.

Här är ett exempel på hur drastiskt formen av personalisering kan skifta mellan två företag i samma bransch;

timeline

Utmaning 2: Skala innehåll för att skapa de personaliserade upplevelser du vill leverera

Personalisering är där innehåll möter data.

Det’s svårt att skapa en optimerad kundupplevelse med ett begränsat innehållsbibliotek. Det finns verkligen ingen poäng med att försöka personalisera om du ska visa samma 5 blogginlägg för varje kund på din webbplats.

Att skala innehållsproduktion är enklare än du tror. Med rätt Content Marketing Platform kan du skapa arbetsflöden som drastiskt minskar tiden det tar att producera innehåll, enkelt samarbeta kring idéer och strategi, publicera smidigt och till och med utnyttja AI för innehållsskapande.

Kolla in vår guide om att skala innehållsproduktion för personaliserade upplevelser.

Utmaning 3: Hantera data och integritetsfrågor

Att samla data från en miljon olika källor låter ungefär lika kul som... att samla data från en miljon olika källor.

Att förena din data genom en Customer Data Platform (CDP) säkerställer att din data är konsekvent över kundprofiler oavsett var den samlas in.

Utöver det behöver du vara supertransparent med hur och vilken data du samlar in från dina kunder för att säkerställa dataintegritet. Även om 78 % av konsumenterna uppger att de sannolikt engagerar sig i ett personaliserat erbjudande anpassat efter deras intressen, anger 77 % av konsumenterna också att dataintegritetspolicyer är viktiga för att upprätthålla varumärkeslojalitet. Det är viktigt att hitta en fin balans som respekterar gränser.

Se till att erbjuda dem möjligheter att avstå från datainsamling, inte bara för kundlojalitetens skull, utan också så att du inte drabbas av enorma böter.

Utmaning 4: Mäta effekten av personalisering

En av de största utmaningarna med personalisering är att veta om den fungerar som du vill.

A/B-testning och experimentering är vanliga sätt att övervinna personaliseringsutmaningar när du inte riktigt kan lista ut exakt vad din målgrupp vill ha, eller om det inte är helt uppenbart.

Om du krossar dina ROI-mål – hatten av för dig – men vad händer om du inte gör det? Hur vet du vad du ska ändra och vad du inte ska ändra? Det är där experimentering kommer in.

Nu råkar det vara så att Optimizely erbjuder en lösning för alla dessa utmaningar i en enhetlig plattform, men det gissade du förmodligen redan som den skarpa B2B-marknadsförare du är.

Utmaning 5: Bygga en personaliseringsmotor

Din personaliseringsmotor är den kompletta uppsättningen verktyg som genomför din strategi. Som vilken motor som helst kan en felaktig komponent få hela systemet att haverera.

Oavsett om du kör en enhetlig plattform eller en sammankopplad stack – här är vad den motorn behöver:

  • Sömlös integration med ditt befintliga CMS och CRM, så att data flödar utan manuella ingrepp
  • Skalbarhet som håller jämna steg med målgruppstillväxt och allt mer komplexa personaliseringskrav
  • AI och maskininlärning som gör realtidsanpassningar baserat på beteende, inte bara statiska profilattribut
  • Infrastruktur för förstapartsdata som uppfyller nuvarande integritetsregler och är byggd för att hantera framtida
  • Robust A/B-testning och experimentering så att varje personaliseringsbeslut kan valideras
  • Analys och rapportering som gör ROI synlig, inte begravd på en plats som kräver manuella frågor
För ännu mer matnyttigt, kolla in vår djupgående guide om personaliseringsmotorer.

Planera din personaliseringsstrategi

Innan du rör ett segment, en regel eller ett innehåll behöver du en gemensam arbetsyta där de ansvariga för personalisering kan samarbeta.

Personalisering spänner över avdelningar. Ditt datateam bygger profilerna. Ditt innehållsteam bygger upplevelserna. Ditt produktteam kontrollerar ytorna. Ditt analysteam mäter resultaten. Om dessa fyra grupper arbetar i separata verktyg utan en gemensam bild av programmet existerar strategin bara på presentationsbilder.

Din planeringsmiljö bör täcka fyra saker:

  1. Samarbete

    Hur kommunicerar och planerar alla med en insats i detta program tillsammans i realtid?

  2. Visualisering

    Kan du se hela programmet, över alla kanaler och segment, från en enda vy?

  3. Idégenerering

    Personalisering är iterativ eftersom kundbehov är föränderliga. Hur fångar och prioriterar ditt team nya idéer allt eftersom datan utvecklas?

  4. Synlighet

    Är din strategi tillgänglig för alla som behöver den, eller är den begravd i en mapp som bara ditt team kan hitta?

När du väl har ett sätt att faktiskt arbeta med ditt team, är det dags att sätta igång.

Börja med dina personas

Du har sannolikt redan byggt upp din ideala kundprofil. Använd den. Innan du rör någon data, börja med att idégenerera kampanjer mot dessa personas. Det ger dig en startbana innan du samlat in en enda ny datapunkt, och det tvingar ditt team att tänka i termer av målgrupper snarare än kanaler.

Förstå dina bredaste målgrupper

Återigen, du har förmodligen redan en känsla för vilka dina kunder är. Du har sannolikt en solid förståelse för vilka segment de tillhör, såsom:

  • Prospekt vs. kunder
  • Förstagångsköpare vs. återkommande köpare
  • Desktop vs. mobil
  • Användares platser
  • Typisk åldersgrupp

Allt eftersom du samlar in mer data och insikter kan du förfina ditt tillvägagångssätt och skapa mer detaljerade personaliseringsstrategier.

Identifiera möjligheter

Det är här de flesta personaliseringsprogram lämnar betydande värde på bordet, och det är här AI förändrar bilden helt.

Instinkten är att leta efter ny data. Det smartare draget är att koppla ihop den data du redan har. Ditt CRM vet vilka konton som närmar sig förnyelse. Din produktanalys vet vilka funktioner som driver retention.

Din innehållsplattform vet vilka ämnen som korrelerar med konvertering. Var för sig är var och en av dessa signaler användbar. Tillsammans berättar de vilka ögonblick i kundresan som är värda att personalisera, i vilken ordning och med vilket innehåll.

Det är där ROI finns. Inte i att samla mer data, utan i att synliggöra insikter från den data du redan har som har varit osynliga eftersom de levde i silos.

AI kan identifiera korrelationer i din förstapartsdata som ingen analytiker hade hittat manuellt, och det kan ske innan möjligheten har passerat.

text
36%

av cheferna sa att osammanhängande arbetsflöden håller dem tillbaka.

Hur skapar du personaliserade upplevelser utan att behöva en utvecklare för varje ändring?

De upplevelser du bygger bygger på avsiktsbaserade signaler, personabaserade signaler eller en kombination. Avsiktsbaserade signaler berättar var någon befinner sig i sin resa. Personabaserade signaler berättar vem de är. Att förstå hur båda samverkar är det som driver den faktiska upplevelsen.

graphical user interface

Att förstå hur användare interagerar med vilket innehåll kommer i slutändan att driva hela den personaliserade upplevelsen.

Dataintegration

Att integrera din förstapartsdata, skapa målgruppssegment och bygga en så komplett bild av dina kunder som möjligt är grunden. Ju fler signaler du samlar, desto mer precis kan personaliseringen bli och desto fler varianter kan du leverera utan att lägga till manuellt arbete.

Ditt AI-lager sitter ovanpå denna data. Det läser den, hittar mönster i den och agerar på den i realtid. Vad det inte kan göra är att ersätta strategi. Besluten om vilka signaler som är viktiga, vilka målgrupper som ska prioriteras och vilka resultat du optimerar för är fortfarande mänskliga.

Bygga dina upplevelser

De flesta marknadsföringsteam har inte obegränsade utvecklingsresurser, och de personaliseringsprogram som är beroende av utvecklarbandbredd tenderar att röra sig långsamt. En no-code eller low-code visuell upplevelsebyggare låter dina marknadsförare agera i samma takt som datan istället för att vänta på en utvecklingssprint.

En visuell editor låter dig också se ändringar som dina kunder kommer att se dem, i realtid, på din aktiva webbplats. Den feedbackloopen är viktig när du itererar snabbt.

Hero_new.gif

Leverera personaliserade upplevelser i stor skala

Okej, nog med planering och byggande. Nu är det dags att sätta din personaliseringsstrategi i rörelse.

Du har lagt alla pusselbitar på plats och nu är det dags att leverera högpresterande upplevelser till rätt personer vid rätt tidpunkt.

Vi är officiellt i R.L. Stines Goosebumps-fasen av personalisering där du låter dina användare välja sitt eget äventyr. Förhoppningsvis leder du dina kunder någon annanstans än djupt in i undergångens djungel.

Segmentering i realtid

Du har skapat ritningarna, och nu är det dags att sätta upplevelserna i verket med segmentering i realtid.

Till exempel, vad händer med webbupplevelsen som helhet när en kund klickar på en “läs mer”-knapp som går till en enskild sida? Leder den enda handlingen till att annat relevant innehåll eller produktrekommendationer visas?

Segmentering i realtid bygger på kundprofiler, men det är viktigt att notera att din kundprofil fortfarande är ett pågående arbete varje gång de besöker din webbplats.

AI-drivna kundresor

Ett AI-drivet personaliseringslager gör din webbplats proaktiv snarare än reaktiv. Istället för att vänta på att en kund signalerar avsikt genom en uppenbar handling, läser AI:n mönster över hela historiken av deras beteende och anpassar sig därefter.

När du tar hänsyn till plats, enhet, sessionskontext, köphistorik och data från andra kanaler blir antalet möjliga upplevelsevarianter omöjligt att hantera manuellt. AI hanterar permutationerna. Människor definierar ramarna, sätter målen och granskar resultaten.

Människan i loopen är inte en begränsning av AI-personalisering. Det är designen. Strategi, omdöme och varumärkesbeslut tillhör ditt team. Genomförande och skala tillhör maskinen.

AI kan också köra multivariattester automatiskt, behålla den bäst presterande upplevelsen aktiv och fasa ut underpresterande utan att vänta på att en människa hämtar rapporten. Segment uppdateras i realtid. Systemet blir smartare ju mer det körs.

Symmetriska upplevelser

Dina kunder rör sig mellan din webbplats, din mobilapp, ditt e-postprogram och dina säljkontaktpunkter. Personalisering som nollställs varje gång en kund byter kanal är inte personalisering. Det är en serie frånkopplade experiment som aktivt kan skada förtroendet.

En konsekvent upplevelse över varje kanal, baserad på en enhetlig kundprofil, är det som förvandlar personalisering till något som känns som att varumärket faktiskt känner dig. Den samstämmigheten är det som bygger lojalitet.

Analysera dina resultat

Varje målgrupp och upplevelse du har skapat kommer att åtföljas av en uppsättning önskade mål och resultat. Att mäta effekten av din personalisering är kanske den viktigaste aspekten av din strategi.

Mätvärden för personalisering kan delas in i två kategorier: strategiska och taktiska mätvärden.

graphical user interface, text

Strategiska mätvärden

Dessa är högnivåmätningar som främst fokuserar på monetiseringsaspekterna av personalisering. Dessa mätvärden inkluderar:

  • Intäkter
  • Konverteringsgrad
  • MQL:er (marketing qualified leads)
  • Genomsnittligt ordervärde
  • Genererad pipeline

Cyniska B2B-marknadsförare kommer att säga att dessa mätvärden är det enda som ledningen egentligen bryr sig om.

Men vi är inte cyniska här på Optimizely.

Taktiska mätvärden

Dessa mätvärden ger insikter i specifika initiativ och fokuserar främst på prestation. Några av de mest värdefulla mätvärdena här är:

  • Klickfrekvens (CTR)
  • Engagemangsgrad
  • Andel återkommande besökare
  • Sidvisningar per session
  • Tid på webbplatsen
  • Bounce rate

Att samla massor av datapunkter i en sammanhängande rapport är ungefär så kul som det låter. Och minns du när vi nämnde tidigare att chefer var genuint oroade över analys och rapportering?

Välkommen till marknadsförarens vardag.

Det är därför det är så viktigt att ha en Customer Data Platform (CDP) som integreras med alla dina andra verktyg som en del av det löpande band som är din personaliseringsmotor.

Med ett robust analysverktyg kommer du att kunna visa:

  • Resultat och påverkan
  • Avkastning på investering (ROI)
  • Insikter
  • Reseanalys
  • Vägledning
  • Dataexporter
  • Programrapporter

Varför behöver personalisering experimentering för att vara värt det?

Utan experimentering är personalisering egentligen bara anpassning. Vilket inte direkt är särskilt personligt.

Upplevelseoptimering är det som skiljer ett program som körs från ett program som lär sig. Den data och de insikter som din personaliseringsstrategi genererar behöver valideras genom experiment som testar dina antaganden, synliggör vad som fungerar och bygger den bevisgrund som motiverar fortsatta investeringar.

Det är också så du bevisar ROI på ett sätt som tål granskning. Inte bara "vi visade olika innehåll för olika personer", utan "vi körde ett kontrollerat test, och den personaliserade upplevelsen överträffade baslinjen med så här mycket, och det innebär detta i intäkter."

Vi säger inte det bara för att vi är den bästa experimenteringsplattformen på marknaden. Vi hade sagt det även om vi inte var det. (Men det spelar ingen roll, för det är vi.)

När du bygger ut ditt program, kom ihåg att personalisering kan gå riktigt fel. En dålig upplevelse som man minns är värre än ingen personalisering alls. Men ett välkört program, med rätt infrastruktur, rätt teamsamordning och rätt experimenteringsdisciplin bakom sig, ackumuleras. Varje test gör nästa snabbare. Varje validerad insikt minskar kostnaden för nästa beslut.

Sammanfattning

Om du tar med dig två guldkorn från den här guiden så är det dessa:

  1. Det finns inget effektivare sätt att få ditt varumärke att framstå som inkompetent än att få personaliseringen helt fel
  2. Att inte få personalisering fel kräver ett noggrant samordnat team med samma strategi, verktyg och vision

Personalisering är mer än bara en förväntan; det är ett absolut krav. Att misslyckas med personalisering är lika katastrofalt som att självsäkert kalla någon vid fel namn.

Skapa inte minnesvärda upplevelser av helt fel anledningar.

Säkerställ att du har gjort din hemläxa, att du vet vilka dina kunder är, att du vet vad de vill ha, att du vet hur du levererar det de vill ha och att du har verktygen för att förenkla processen. Ja, det är så enkelt.

Lycka till, kompis!

Vanliga frågor om att bygga din personaliseringsstrategi