根据 Evergage 去年对网络零售商进行的调查，超过一半的商店在网站中使用个性化功能，略少于三分之一的商店在移动网站版本中使用。大多数（72%）从事个性化电子邮件营销。
趋势向好——我们每年都能看到“晚期多数派”加入这一潮流。如今，这主要得益于个性化技术越来越以“服务”形式提供——零售商无需组建程序员团队即可开展复杂的集成工作。
以任意流行的电子邮件营销服务（如 GetResponse、Mailchimp）为例，查看其内部机制——邮件个性化、细分、A/B 测试等功能均开箱即用。您甚至可以使用可视化编辑器自行配置复杂的触发式自动化逻辑。
如果看得更广泛一些，提供个性化服务的通用平台也将其工具作为服务提供。商店无需“供养”自己的开发团队，只需接入此类平台并使用所有必要的工具即可。
毫无疑问，技术仍将在未来许多年保持主要趋势。原因很简单——这是所有人都追求的标准，它不会失去其相关性。个性化是现代社会的常态。你大概不太愿意使用搜索 Google 如果它像多年前那样，不再自动确定您的位置——以便个性化搜索结果。
过去一年技术事件频发（加密货币和区块链的兴起，以及关于 VR/AR 的大量讨论），但我们仅筛选出与个性化直接相关的技术趋势。那么，2018 年哪些趋势将占据主流？
微时刻营销
趋势背景：触达消费者方式的增多，广告的情境化。
微时刻是客户旅程中的短暂片段。例如，用户突然想在附近找个地方吃午饭——这就是一个微时刻。品牌在此时的任务就是出现在用户的视野中。这种类型的微时刻被称为“想去”（Want to Go），其良好示例是城市指南中针对用户所在小半径范围内的餐厅广告。
微时刻营销与情境和地理位置紧密相关，并要求极高的响应速度——因为微时刻的发生与消逝同样迅速。
我们在 iBeacon 技术流行时看到了这类应用的例子——该技术允许公司向附近经过的人的手机发送广告通知，例如“您距离 McDonald’s 仅 100 米，欢迎前来用餐”。
当时该技术的缺点在于需要满足一系列条件：最关键的是，用户必须开启蓝牙功能。
如今，这一趋势在在线领域经历了某种重生——这在很大程度上得益于推送通知服务的普及。即时送达用户浏览器或智能手机的消息，是传递情境化优惠以及告知快速促销活动的最佳渠道。
基于人工智能的深度个性化
趋势背景：人工智能技术的发展，以及对其应用场景的探索。
人工智能和机器学习是当今任何个性化平台的核心。这些技术不仅使我们能够更深入地利用受众数据，还能在几乎无需开发团队参与的情况下，持续优化推荐算法。
人工智能营销被称为当今的主要趋势之一，这是必然的规律。网络营销必须利用所有新技术，为企业创造竞争优势。
例如，个性化系统会研究每位买家的行为，随后为其量身定制并推荐一套独特的购物自动化方案。在 REES46 中，“持续购买”机制正是这样运作的。
- 首先，系统会监控每位客户的购买历史，并从中发现规律。例如，客户每月以固定数量购买特定商品：狗粮、卫生用品、办公用品等。
- 随后，系统会预测买家何时需要再次购买特定商品：既基于购买频率，也基于该商品的具体消费特征。
- 接下来，系统会构建“买家购物车”：在此过程中优化客户行为——例如，建议客户每月进行一次大额采购，而非分两次购买，从而避免额外支付配送费用。
- 随后，系统会通过电子邮件、推送通知或短信向访客发出提醒：“该补充库存了，我们已为您准备好购物车，请查看。如果一切无误，即可下单。”
这种电商水平更接近“服务”的概念，而非传统被动销售的角色。这将在未来多年成为一种趋势。
以用户画像为导向的营销
趋势的前提：营销从一开始就朝着以客户为中心和个性化的方向发展。如今，客户画像围绕其构建营销策略，而非相反。
消费者的人格及其个人特征是成功开展营销活动并在网站上实现有效个性化的关键。如今，仅仅拥有个性化工具已不足够——这些工具必须考虑个人的特征。显然，每个人的特征成千上万，从发色到度假目的地国家，无所不包。
并非所有数据都有价值。每家商店都专注于自己的细分市场——儿童用品、食品、化妆品、汽车配件等。因此，每个细分市场都有其关键特征集。互联网零售商应利用这些特征来构建有效的个性化模型。
在西方，Sephora’s Beauty 深耕行业个性化服务——他们保存顾客的肤质、肤色、发质及过敏倾向等数据，以便在推荐模块、邮件推送、特别优惠和促销活动中精准匹配最相关的商品。
快速分析来自所有渠道的数据
2017 年的研究向我们展示了以下情况：如果商店提供个性化体验，约 40% 的美国买家会进行更高金额的消费。根据同一项研究，大约一半的商店访客期望获得个性化体验，但实际只有五分之一的人真正获得了这种体验。
这是期望与现实之间的明显差距——零售商意识到必须以最高速度和最佳质量来填补这一空白。最新的分析显示，2018 年超过 70% 的零售商（指西方商店）将尝试为客户提供个性化体验。据 Forrester Research 分析师布兰登·维切尔称，这一指标“从未如此之高”。
但给予顾客个性化体验的愿望只是成功的一部分。我们都看到许多商店用另一种相似但技术含量较低的方式取代了个性化体验，即根据用户“定制”商店。例如，New Balance 在线商店允许访客定制鞋款：
类似的方法也应用于化妆品领域——当商店对访客进行问卷调查，了解其肤色或发质时。这些数据是正确的，它们在购买过程中起着决定性作用——我们称之为行业特性数据。但问题在于另一种情况：商店如何获取用于个性化客户体验的数据。这不应是“手动”收集数据——因为这里存在一个个性化悖论。可以这样表述：
“所有人都喜欢个性化体验。没有人喜欢分享自己的数据。”
因此，我们触及了电子商务中的一个重要趋势：自动化的数据采集方式将取代“手动”方式。与此同时，零售商需要为每位访客构建最精准的用户画像：不仅仅是平均客单价或每月订单数量。商店更关注与其行业相关的特定数据：例如，如果是服装店，则包括买家的尺码、性别、年龄、品牌偏好、款式偏好等。
如何以最快、最完整的方式获取所有这些数据？在线商店高质量数据来源之一是非线上渠道（适用于拥有实体门店的商家）。因此，访客的“虚拟档案”将由两个渠道构成：线上和线下，并纳入影响购买决策的行业特定数据。
结论
本还可以进一步讨论线下商店广告个性化的趋势——尽管这与我们主题无直接关联。“智能货架”和带有广告的“智能屏幕”在零售场所的应用早已在行业内被广泛讨论；如今，随着面部识别技术不断以惊人的速度进步，这一趋势有望实现进化。
总体而言，电子商务技术仍朝着个性化和自学习方向发展。