شخصیسازی میتواند تجربه مشتری را کارآمدتر کند، اما میتواند باعث شود مشتری فکر کند شما چقدر از او میدانید. مرز این کار به سه چیز برمیگردد: آیا مشتری انتظارِ آن شخصیسازی را دارد، فایده آن را بهروشنی میبیند و با دادهای که پشتش است احساس راحتی میکند.
چند هفته پیش، داشتم برای یک سفرِ پیشِ رو چیزی را آنلاین جستوجو میکردم. چند گزینه را نگاه کردم، برگه را بستم و رفتم سراغ کارهای بعدی.
در عرض چند ساعت، آن محصول همهجا بود. اینستاگرامم را دنبال کرد، در فهرست تبلیغات یک وبسایت دیگر ظاهر شد و در صندوق ایمیلم افتاد. بعدش هم آمد یک پیشنهاد دیگر بر اساس چیزی که ماهها پیش خریده بودم.
بهخاطر سوابق حرفهایام، دقیق میدانستم چه اتفاقی میافتد. سیستمها کار کرده بودند، دادهها وصل بودند و هدفگیری همان کاری را کرده بود که برایش طراحی شده بود. اما بهعنوان یک مشتری، زیادی حس میشد.
همین تنش است که شخصیسازی را پیچیده میکند. بازاریابها میتوانند بر اساس آنچه کسی مرور کرده، خریده، کلیک کرده، رها کرده، تماشا کرده، دانلود کرده — و گاه آنچه پیشبینی میکنیم بعداً انجام دهد — شخصیسازی کنند.
تصمیم درباره اینکه باید از آن اطلاعات استفاده کنیم یا نه، داوری بیشتری میطلبد. شخصیسازیِ خوب یک تجربه را آسانتر، سریعتر یا بهمرتبطتر میکند؛ اما آن را فراتر بکشید و مشتریان شروع میکنند به این فکر که شما چقدر از آنها میدانید.
پرسشهای زیر به شما کمک میکنند تصمیم بگیرید که آیا یک فرصتِ شخصیسازی به تجربه مشتری تعلق دارد یا نه.
بپرسید: آیا یک مشتریِ منطقی انتظارِ این را دارد که ما در این بافتار این اطلاعات را بدانیم و بهکار ببریم؟
با سیگنالِ پشتِ شخصیسازی شروع کنید. کسی کفش رانندگی میخرد و پس از آن بهجایش توصیه جوراب رانندگی میآید. کسی یک راهنمای امنیت سازمانی دانلود میکند و محتوای پیگیری درباره امنیت سایبری میگیرد. هر دو رفتار، دلیلی قابلدرک برای آنچه بعدش میآید به وجود میآورند.
پس از یک بازدیدِ تکصفحهای از صفحه محصول، پیامهای بسیار خاص در ایمیل، سوشال پولی و تبلیغات نمایشی ممکن است مشتری را به این فکر بیندازد که چه چیزی این سطح از توجه را برانگیخته است.
تجربه را پیش از راهاندازی نقشهبرداری کنید: کنش مشتری ← داده جمعآوریشده ← پاسخِ شخصیسازیشده. سپس بپرسید آیا مشتری آگاهانه آن سیگنال را ایجاد کرده، آیا پاسخ در آن بافتار معنادار است و آیا شدتِ شخصیسازی با شدتِ سیگنال همخوانی دارد.
یک خرید، یک ترجیح صریح یا یک فرم تکمیلشده، پایهای قویتر برای شخصیسازی از «چند ثانیه رفتار مرور» فراهم میکند. یک بازدیدِ صفحه شاید از یک توصیه ظریف پشتیبانی کند؛ رفتار تکرارشونده ممکن است از پاسخِ قویتری پشتیبانی کند.
برای هر تاکتیک شخصیسازی جدید مستند کنید و بهویژه به استنتاج توجه کنید؛ رفتارهای منفرد را بهعنوان شاهدِ محدود در نظر بگیرید. یک مقاله قیمتگذاری میتواند بازتاب تحقیق عمومی باشد، بازدید از صفحه مشاغل میتواند از سوی یک مشتریِ بالقوه باشد که شرکت را بررسی میکند و دو بازدید از محصول ممکن است کاوشِ اولیه باشد.
تفسیر را متناسب با رفتار نگه دارید. مشتریان باید بتوانند بدون نیاز به فهمیدن زیرساختِ داده شما بفهمند چرا یک تجربه در حال وقوع است.
بپرسید: آیا استفاده از این اطلاعات، تجربه را بهشکلِ معناداری بهبود میبخشد؟
شخصیسازی اغلب با «توانمندی» شروع میشود. یک فیلد CRM وجود دارد، پس در ایمیل درج میشود. داده رفتاری دردسترس است، پس بخش (segment) دیگری ساخته میشود. یک موتور توصیه میتواند پیشنهادهای فردی تولید کند، پس تیمها جاهای بیشتری برای استفاده از آنها پیدا میکنند.
داده مشتری زمانی مفید میشود که چیز معناداری به تجربه اضافه کند.
به دنبال شخصیسازیای باشید که به کسی کمک میکند کاری را انجام دهد: محصول مرتبط را سریعتر بیابد، کار ناتمام را ادامه دهد، از پیشنهادهای نامرتبط دوری کند، محتوای مفید کشف کند یا یادآوری بههنگام بگیرد.
یک تمرین ساده کمک میکند: این جمله را کامل کنید — «ما از این داده مشتری استفاده میکنیم تا او بتواند ________.» مشخص باشید.
هر دو را میخواهید: نخست نتیجه مشتری (customer outcome) را تعریف کنید، سپس تعیین کنید آیا شخصیسازی به اهداف بازاریابی شما نیز کمک میکند یا نه.
آنگاه بپرسید: «آیا تجربه بدون این اطلاعات هم کار میکرد؟» ممکن است بفهمید یک ترجیحِ کلی زمینه کافی فراهم میکند. صنعتِ اعلامشده یک مشتری، برای مثال، ممکن است برای شخصیسازی محتوای B2B کافی باشد، بینیاز از افزودن سیگنالهای رفتاری و نیتی متعدد.
نتیجه مشتریِ موردنظر را پیش از راهاندازی تعریف و آن را در کنار KPIهای کمپین اندازهگیری کنید. آیا مشتریان محصولات را سریعتر یافتند؟ آیا افراد بیشتری کارِ ناتمام را ادامه دادند؟ آیا توصیههای نامرتبط کاهش یافت؟
شخصیسازی جایگاهش را به دست میآورد وقتی اطلاعات، ارزشی قابلشناسایی ایجاد میکند.
بپرسید: آیا ارزشی که میسازیم به اندازه حساسیتِ اطلاعاتی که استفاده میکنیم میارزد؟
مشتریان ممکن است با این راحت باشند که برند ترجیحات محصول، سایز لباس یا خریدهای قبلیشان را به خاطر میسپارد؛ اما نگرانیهای سلامت، شرایط مالی، اطلاعات خانوادگی، موقعیت مکانیِ دقیق و رفتارهای استنتاجشده میتوانند حساستر باشند.
آن حساسیت را کنارِ ارزشی که میآفرینید ارزیابی کنید. این اطلاعات برای مشتری چقدر خصوصی حس میشود؟ استفاده از آن چقدر برای او ارزش میآفریند؟
هرچه حساسیت بیشتر شود، بررسی بیشتری را باید روی مورداستفاده (use case) اعمال کنید. در نظر بگیرید مشتری اطلاعات را چگونه ارائه کرده، آیا انتظار دارد بر این تجربه اثر بگذارد و آیا سیگنال حساسیتِ کمتری میتواند همان هدف را محقق کند.
داده استنتاجشده بهویژه شایسته توجه است؛ زیرا رفتار میتواند توضیحهای متعدد داشته باشد. کسی که درباره یک وضعیت پزشکی تحقیق میکند شاید به یکی از اعضای خانوادهاش کمک میکند. کسی که محصولات گران میبیند شاید در حال خرید هدیه است. کسی که محتوایی درباره دشواریهای مالی میخواند شاید پژوهش حرفهای میکند.
پیش از فعالسازیِ داده حساس یا استنتاجشده بپرسید و در پایان یک چکسنجش نهایی اضافه کنید: اگر برندی از این اطلاعات برای شخصیسازیِ تجربهای برای من استفاده کند، چه حسی پیدا میکنم؟ این پرسش، بازبینیهای حریم خصوصی، الزامات رضایت و حکمرانی داده شما را با ارزیابیِ خودِ تجربه تکمیل میکند.
حالا انتظار، ارتباط (relevance) و راحتی را در فرایند برنامهریزی کمپین خود بگنجانید. یک مدل نمرهدهی ساده کافی است: هر مورداستفاده شخصیسازی را در سه معیار، بالا/میانه/کم رتبهبندی کنید. ترکیب آنها به شما میگوید بعدی چه باید کرد. تاکتیکی که در هر سه نمره بالا بگیرد، پایهای محکم دارد.
این رتبهها را همراه با سیگنال، منبع داده، فایده موردنظر مشتری و معیاری که برای ارزیابی تجربه بهکار میبرید به بریف کمپین، درخواستهای شخصیسازی یا فرمهای ورودی مارتک اضافه کنید. مشخص کنید در هر رتبه چه اتفاقی میافتد: نمره بالا ممکن است به تست برود، نمره میانه ممکن است بازبینی بیشتری بخواهد و نمره انتظار/راحتیِ پایین باید مورداستفاده را به تیم برگرداند. این یک نقطه تصمیم عمدی میانِ داشتن داده مشتری و تصمیم به استفاده از آن ایجاد میکند.
بازاریابها زمان زیادی را صرف استنتاجِ خواسته مشتریان از داده رفتاری میکنند. به مشتریان فرصت دهید مستقیماً به شما بگویند. مراکز ترجیحات (preference centers) نقطه شروع خوبی است: بگذارید افراد موضوعات، محصولات یا دفعات ارتباط را انتخاب کنند، اجازه دهید پیشنهادهای نامرتبط را نادیده بگیرند، علاقههایشان را بهروز کنند و بفهمند چرا محتوای خاصی میبینند.
این انتخابها به تصحیحِ فرضهای نادرست هم کمک میکنند. کسی که یکبار روی مقالهای کلیک کرده شاید فقط پاسخی برای یک پرسش میخواسته؛ یک خریدِ هدیه شاید بیشتر از دریافتکننده درباره خریدار بگوید؛ یک خریدار B2B شاید محتوایی برای همکارش دانلود کند.
یک حلقه شخصیسازی بسازید که این امکانها را در نظر بگیرد: بپرس → بیاموز → شخصیسازی کن → مشاهده کن → تنظیم کن.
تجربههای فعلیتان را بازبینی کنید و جاهایی را بیابید که میتوانید یک استنتاج را با ترجیحِ صریح جایگزین یا تکمیل کنید. به مشتریان راهی بدهید تا آن ترجیحات را بهروز کنند و در هرجا عملی بود، انتخابهایشان را بین کانالها حمل کنید. ترجیحات صریح هم سیگنال رفتاری میدهند و هم زمینه مفید، و به شما کمک میکنند کنشِ گذرا را از علاقهِ واقعی تمایز دهید.
CDPها، حلِ هویت، تحلیل رفتاری و هوش مصنوعی میتوانند سیگنالهای مشتری بیشتری را به هم وصل کنند تا آنچه بازاریابها در عمل در هر تعامل بهکار میبرند. مسئولیت در تصمیم بر سر اینکه کدام سیگنالها به تجربه تعلق دارند، است.
پیش از فعال کردنِ مخاطبی، محرکِ رفتاری یا منبع دادهای تازه، به سه پرسش بازگردید و از پاسخها برای تصمیم درباره آنچه به مشتری میرسد استفاده کنید. فناوری بازاریابی همچنان اطلاعات بیشتر و راههای بیشتر برای عملِ بر آن به ما میدهد؛ شخصیسازیِ قوی به اعمالِ داوری بر این توانمندیها وابسته است.
همین یک پرسش را زنده نگه دارید: آیا دانستنِ این موضوع به ما کمک میکند تجربهای بسازیم که مشتری واقعاً میخواهد؟ از اطلاعاتی که پاسخ «بله» میگیرند استفاده کنید.