Personnalisation de vos services de site Web

Share

|

Pendant que le rapport change du navigateur occasionnel en perspective intéressée et puis en l'acheteur actif, votre emplacement de Web peut rassembler une foule entière de préférences, de plans, de penchants, et de peccadilloes personnels. Vous devez simplement demander. Couplant cette information avec des données en différé des aperçus et des bases de données commerciales, vous avez maintenant une chance de construire un portrait entièrement réalisé de chaque client. Juste comment équilibré est-il votre portrait ?

En fin de compte, vous devez décider quel granularity d'identification vous conviendra mieux. Est il assez pour savoir le suivant au sujet d'un certain type de visiteur ? :

• Intéressé dans le produit A

• Travaux dans l'industrie B

• À une compagnie qui est la taille C

• Se déplace par le processus de qualification à un taux de D

Ou, afin de vendre plus, plus rapide, à une marge plus élevée, il s'ajoute de manière significative au résultat inférieur si vous savez également le suivant au sujet d'elle ? :

• Un type E (explorateur aventureux) d'achats

• Passe en revue la section de F avec une estimation de fréquence de G

• Porte des chaussures de la taille H

Après tout, juste combien l'objet de valeur est-il lui que vous connaissez quels clients aiment les lunes vertes de guimauve en leur riz Chex ?

Tandis que la quantité fine d'éléments d'informations est le facteur le plus significatif dans votre profondeur personnelle de profil marquant, chaque élément doit être pesé selon sa valeur. Un numéro d'identification de client n'a aucun poids du tout parce qu'on est indistinguible du prochain. L'information habituelle rassemblée au sujet d'un client (nom, adresse, numéro de téléphone) est critique mais porte un bas poids parce qu'elle n'est pas exigible.

Types d'information de client

L'information exigible concerne les prédilections d'un client, achetant l'histoire, et les intérêts avoués. Soyez sûr que vous pesez correctement l'information implicite, explicite, et effective :

• Implicite : Il a regardé ces pages ainsi il doit être intéressé par ces articles.

• Explicite : Il a complété un aperçu et dit nous l'était intéressé par ces articles.

• Fait : Il a regardé ces pages et a acheté ces articles. Les visiteurs d'emplacement de Web vous disent que l'information explicite, et vous dérivent l'information implicite. Par exemple, un client peut dire qu'il aime des biographies de lecture et veut Amazon.com aux avis d'email au sujet des figures célèbres dans l'histoire européenne. Mais s'il achète des livres concernant des chiens, Amazone sait quoi mettre dessus sa recommandation énumèrent. L'observation quels clients réellement est indication bien que la lecture ce qu'ils disent. Et elle indique des manières qui ne se comprennent pas nécessairement.

Supposez que la base de données prouve que les visiteurs qui font des emplettes pour les rasoirs électriques achètent également les joueurs de CD personnels, ou que les visiteurs qui lisent les caractéristiques détaillées de l'extraction à ciel ouvert et du matériel de construction sont rarement intéressés par l'information de garantie prolongée. Est-ce que ce que les sortes de corrélations sont des mavens de vente vont proposer lors des réunions de séance de réflexion ? Non. Ils ne semblent aucun raisonnable, mais ils sont vrais. Tellement maintenant les mavens de vente ont un nouveau datapoint à travailler avec, et les systèmes dans les coulisses ont la capacité d'agir sur l'information en temps réel.

Sans compter que peser des éléments d'informations basés dessus s'ils sont déclarés ou dérivés, leur valeur doit tenir compte de la fraîcheur et des résultats. Savoir la corrélation entre les rasoirs électriques et les joueurs de CD personnels est la première étape, en utilisant que l'information est l'en second lieu, et la mesure des résultats de cette utilisation est la plus importante.

Nettoyage De Données

La vie jusqu'à la gestion de rapport de client signifie s'assurer que l'information employée par les réseaux de commercialisation et les représentants de service à la clientèle est fraîche, courante, et précise. Cela signifie réunir des données de beaucoup de systèmes et ce des moyens figurant hors de la façon obtenir à tous ces données pour regarder de même.

La normalisation de données s'est typiquement appliquée au format d'information qui est écrite dans un système. L'initiale moyenne porte-t-elle une période ? Le numéro de téléphone inclut-il des parenthèses ou des tirets ? Le code postal cinq est-il des chiffres ou neuf ? Y a-t-il un trait d'union au milieu ? Mais dedans de nos jours de CRM, le nettoyage de données disparaît lointain au delà de la ponctuation.

Assumons-vous ont un système de gestion de contact de ventes, un système de facturation, et une base de données de soin de client dans chacune de quatre divisions. Disons John que Smith vous envoie un email d'< JohnSmith@Yahoo.com >. Quel John Smith est ceci ?

Vous aurez besoin des points multiples de comparaison. Peut-être < JohnSmith@Yahoo.com > ont laissé la glissade qu'il avait des ennuis avec votre produit tandis qu'il était en Californie pour la première fois. Vous pouvez alors éliminer tout le John Smiths ce qui habitent en Californie. Probablement il a mentionné quel produit ou service à vous il employait. Peut-être il inclut son numéro de téléphone dans son dossier de signature d'email. Ce pourrait être l'indice que vous devez identifier ce John Smith de twentyseven d'autres dans votre base de données.

Foyers de nettoyage de données sur la vérification et la validation d'information. Si tout votre John Smiths sont composés les mêmes, vous n'êtes pas en ligne à un bon début. Si aucun de vos disques de John Smith n'a été vérifié pour assurer plus de 6 mois, leur valeur détériore. J'essaye de dépeindre clairement un ensemble de problèmes il n'est ni facile ni rapide résoudre que. S'il va coûter tellement et créer tant de douleur, comment abordez-vous mesurer la valeur de toutes ces possibilités ? La question est si le coût de rassembler et de traiter l'information vaut la peine la valeur que vous dérivez d'avoir l'information, moins la douleur vous causez vos clients dans sa collection.

Quotient De Personnalisation

Dr. Kamran Parsaye, président d'Intelligence Ware, d'Inc. et d'auteur des outils intelligents de base de données et des applications (John Wiley et Sons, 1993) a écrit un livre blanc appelé l'"PQ : Le quotient de personnalisation d'un site Web." Au moment où, le papier peut être trouvé en ligne (www.kellen.net/ect586/personalization_parsaye.pdf), quoique la compagnie Parsaye ait travaillé quand il a écrit à elle (NovuWeb) ne puisse pas.

Dans son papier, Parsaye faits une tentative vaillante de créer "un cadre et une théorie pour mesurer comment personnalisé un système est en termes de quotient de personnalisation (PQ) et pour illustrer comment la théorie peut être employée pour améliorer l'e-service." Le concept du quotient de personnalisation est alors employé pour mesurer comment personnalisé un système est vraiment.

En cet article, Dr. Parsaye différencie entre un système impersonnel, qui traite chacun la même manière, et un système entièrement personnalisé, qui ajuste son comportement sur les utilisateurs spécifiques. Un système impersonnel a un PQ de zéro, puisqu'il fournit la même réponse statique à tous les utilisateurs indépendamment de leurs caractéristiques.

La personnalisation survient comme réaction à l'information individuelle, et Dr. Parsaye divise la personnalisation en trois secteurs—de personnalisation, individualisation et groupcharacterization. La personnalisation est la plus vieille et parfois la plus facile pour adresser. Elle vous permet de placer les préférences spécifiques, par exemple, les stocks que vous voulez dépister, le type de nouvelles vous voulez voir, les couleurs vous voulez l'ensemble sur votre écran, etc... L'individualisation dépasse ceci arrangement fixé et emploie des modèles de votre propre comportement (et de aucun autre utilisateur) pour vous fournir le contenu spécifique . [ par exemple, ] si vous avez cliqué beaucoup sur les articles financer-connexes mais pas sur des sports, elle montrera vous des nouvelles plus financières plutôt qu'à des nouvelles de sports, sans votre demander elle. Dans la groupe-caractérisation vous recevez une recommandation basée sur les préférences des personnes "comme" vous, par exemple, des livres peuvent être recommandés à vous ont basé sur des livres commandés par des personnes avec les intérêts semblables. Approches basées sur le filtrage de collaboration, le raisonnement cas-basé, etc... foyer sur la mesure de groupe-caractérisation.

• PQ : Le quotient de personnalisation tient compte de chacun des trois de ces issues.

Il a trois éléments spécifiques, PQ1, PQ2 et PQ3, où :

PQ1 mesure la capacité du système d'adapter des articles aux besoins du client.

PQ2 mesure la capacité du système d'employer différentes préférences.

PQ3 mesure la capacité du système de traiter des préférences groupe-basées.

Nous mesurons alors PQ comme moyenne de ces deux éléments, c.-à-d. :

PQ = (PQ1 + PQ2 + PQ3)/3

Ici chaque PQ1, PQ2 et PQ3 seront un nombre entre 0 et 100. Un système avec un PQ de 100 est totalement personnalisé, alors qu'un système avec un PQ de zéro est totalement impersonnel.

Dr. Parsaye décrit alors créer un profil final de votre visiteur d'emplacement :

L'one-way à représenter et la similitude de mesure des utilisateurs et des clients est en termes de cordes d'ADN ou vecteurs d'attribut.

Une corde d'ADN pour un utilisateur de Web est une corde d'ensemble des nombres entiers entre 0 et 9, par exemple, la corde 1309735183291. Chaque nombre entier ici montre que la valeur relative d'un certain trait, par exemple, marquant des 8 ou des 9 sur l'indicateur de "sportspage" signifie que vous regardez beaucoup de pages sport-connexes, alors qu' un 0 signifie que vous ne voyez jamais de telles pages du tout. De même, d'autres nombres entiers sur la corde peuvent nous indiquer que vous visitez l'emplacement et que vous cliquez à travers sur la bannière annonçant—tous en termes relatifs. De même, nous pouvons définir une corde d'ADN pour une Page Web en considérant les composants qui la comportent. Par exemple, le nombre de bannières et le type de bannières.

Il conclut en suggérant "une direction intéressante pour des perfectionnements sera celui de mesurer le PQ comparatif de deux systèmes."

Il erre alors au loin à un monde telles qu'où seulement les mathématiciens osent marcher par le glissement dans certaines formules sérieuses : PQ3(U, P) = ä de 100/maximum(( U/ ä P), (ä P/ ä U)). Mais comment allons-nous facteur en douleur causée au visiteur d'emplacement qui est suivi autour de la page à la page d'un biscuit et environ demandé une opinion si la vie d'une femme est accomplie seulement si elle peut fournir une maison heureuse pour sa famille ? C'est où l'index de personnalisation entre.

Index De Personnalisation

L'univers des éléments de profil est pratiquement illimité, couvrant les articles familiers tels que le dernier nom et l'adresse commerciale, les concepts techniques tels que le IP address et le raccordement expédient, et des attributs domaine-spécifiques de taille de pore (pour des produits de beauté) au profil de risque de style de vie (pour l'assurance). En ajoutant l'information de profil par accroissement, les directeurs d'e-affaires peuvent déplacer des perspectives et des clients par les quatre étapes de l'arrangement d'e-client, transformant les utilisateurs anonymes de la catégorie 1 en individus distincts et réels de la catégorie 4.

Le rassemblement de l'information est une chose. L'employer dans une manière judicieuse est un autre. L'index de personnalisation (pi) vous distingue juste à quel point vous employez les données recueillent. L'index est une mesure de la façon dont efficacement des e-affaires accroissent ces données de client.

Si votre pi est en haut 0.75, alors vous tirez le meilleur de l'information que vous vous rassemblez. Cela signifie que vos efforts ne sont pas gaspillés, ni sont ceux de vos clients qui fournissent la matière première première.

Précéder suppose que vous employez un nombre significatif d'éléments pour faire une expérience personnalisée de Web. Si vous rassemblez seulement deux éléments et les employez tous les deux, vos points de pi peuvent être 1.00, mais ici il signifie que vous allez seulement autant que la segmentation des marchés plutôt que la personnalisation—vous groupent seulement vos perspectives et clients dans de larges catégories. Tandis qu'utiles, les larges catégories ne sont pas aussi puissantes que la personnalisation vraie basée sur des douzaines d'attributs.

Quand vous rassemblez de plus en plus éléments, vous pouvez classifier des utilisateurs dans de plus en plus faisceaux, et de larges mouvements de segmentation vers la personnalisation. C'est où vous commencez à stimuler un rapport de client et à le transformer en rapport de fidélité, de manière significative soulevant le coût pour votre client au commutateur à un autre fournisseur.

Si votre pi est moins de 0.30, alors vous rassemblez plus d'information que vous employez. Les bonnes nouvelles sont que vous avez un réservoir inexploité énorme des données exigibles au sujet de vos clients. Les mauvaises nouvelles sont que les données sont jachère menteuse et obtenir probablement rapide éventé. Vous devez commencer à employer les données que vous avez plus efficacement ou réduisez combien de données explicites vous essayez de rassembler. Très probablement, la réponse correcte est tous deux. Vous tournez vos roues rassemblant cette information, mais vous ne l'employez pas pour bénéficier vos clients, qui compromet l'expérience de vos clients.

C'est le plus grand du côté incliné à un bas quotient de personnalisation. Le tous ces temps et effort que vous forcez vos clients à investir en vous fournissant l'information est une perte. Il n'obtient rien hors de lui. Même lorsque le processus est simple, comme balayer une chaîne principale FOB au magasin d'épicerie, il ne reste aucune valeur réelle au client. Pourquoi embêtement ? Pourquoi sont-ils tracassés ? En ce moment, nous avons finalement attiré, avons dirigé, avons persuadé, et avons converti cette perspective inconnue en client connu. Pouvons-nous obliger ce client à revenir ?