在讨论营销自动化与个性化时,通常指的是能够实现以下功能的系统:a) 根据客户在网站上的历史会话数据对现有客户进行细分;b) 配置客户互动流程;c) 依据预设算法,个性化展示特定页面、网站元素或通知。
这一切在5年前运作得还不错。营销人员交流经验,构思出越来越多的细分市场和越来越复杂的互动场景。他们构建了一些理论假设,例如:“如果一位女性长期每月稳定购买卫生用品,但突然停止购买,那她可能怀孕了,因此现在是向她提供孕妇用品折扣的好时机,随后再推广婴儿尿布……”
那第一批推荐模块呢?对 iPhone 感兴趣的用户也购买了 LG 品牌的吸尘器……还有根据客户性别定制主页的个性化潮流,当然。仿佛女性都像小女孩一样,清一色偏爱粉色和“雏菊”风格的设计。
如果这一切仅停留在实验阶段,那倒也情有可原。但至今仍有大量企业沿用传统的营销自动化系统。与此同时,过去两年间,多家国际公司已经开始研发并部署预测性营销系统。这类系统能够实时预测完全匿名客户的行为,并与其进行个性化的营销沟通。那么,什么是预测性营销?相较于常规个性化系统,它又具备哪些优势呢?
在经典场景中,要对客户进行细分,营销人员需要收集其访问历史。简而言之,需要该客户此前曾访问过您的网站并执行过某些目标行为。这样,就可以将其归入相应的买家群体,并启动预先设计好的个性化营销活动。
例如,如果知道客户已经购买过建筑材料,就可以有把握地推测他正在装修,并在后续访问时向他展示装饰材料,在购物车中推荐一些用于营造温馨氛围和装饰的小物件,下单后通过电子邮件发送一张家具购买折扣券。但如果该客户是首次访问且尚无购买历史,我们只能向他展示标准的网站页面,不进行任何个性化定制。
预测性技术的运作方式不同。它分析的并非单个客户的一次会话,而是网站上所有客户的全部会话。程序会识别用户在网站上的相似行为模式,并据此形成用户细分群体。无论我们是否已识别该用户,也无论他是首次访问还是已登录,亦或是以匿名模式浏览,都不影响我们对其实行细分,并基于其所属细分群体展示个性化推荐。从第一次访问开始即可实现。如果该客户是前例中的对象,我们还可以根据其当前会话中的行为判断其装修阶段,并立即应用向上销售策略。
在儿童零售领域,确实存在通过简单细分取得成功的案例:商店会根据孩子年龄(这些信息在用户注册阶段获取)提前发送带有商品推荐的触发式邮件。父母会收到适合孩子特定年龄段(如1个月、6个月、1岁等)的商品推荐。然而,这种例子也存在不足之处。首先,用户可能不愿提供孩子的出生日期,或填写错误的日期。其次,这种简化的细分方式未考虑父母的收入水平、是否关注促销活动或偏好特定品牌等因素。这些因素无疑会显著影响商品选择,进而影响商品推荐邮件的转化率。
除了某种人为性之外,手动细分始终只能产生有限(且相当有限)的细分数量,即使您的营销人员非常聪明且勤奋。借助预测技术的个性化营销,可以将细分细化到将每个用户单独划分为一个细分群体,并发送超个性化的1:1消息。
在预测性技术的情况下,细分的基础不再是人们熟悉的性别和年龄,而是用户在网站上的行为方式。此外,细分不仅限于单次会话的场景。预测模型会追踪用户一个月的所有行为模式,并识别出与网站交互的主要类型。凭借数千种已知的算法,程序能够在几秒钟内对新用户进行细分。根据用户浏览的页面及其停留时间,系统可以预测其购买路径,并对网站进行个性化调整,以使该路径尽可能短且高效。最先进的系统能够自主选择在特定情境下最有效的互动渠道,以便进行下一次接触。
一些平台更进一步,为每个细分群体计算未来7天内发生购买行为的概率(购买倾向——L2P)。随后,基于这些数据,选择L2P得分较高的访客细分群体,并将主要精力集中于此。该技术有助于降低营销成本,将注意力集中在高收益细分群体上,从而使转化率比行业平均水平提高数倍。
自动化营销系统的另一个问题被称为“上传即忘”。这种情况指的是,营销人员确定了最终的细分受众集合,筛选出与之互动的个性化算法,将这些漏斗流程导入自动化营销系统后,便不再干预现有的流程链,而是专注于开拓新的细分受众和新的算法。遗憾的是,这种做法完全未考虑到产品线的扩展(例如在电商平台中),也未考虑因季节性因素、汇率波动或其他经济或政治事件导致的消费者行为变化。此外,人们的行为模式会随时间改变,尽管其基本的细分依据(如性别、年龄、婚姻状况)保持不变。新一代预测技术能够解决这一问题。
总而言之,营销自动化并非魔法,也不存在一劳永逸的“神奇按钮”。尽管新一代技术日益完善,但仍有许多细节需要人工参与。然而,通过有效控制流程并合理利用大数据能力,可以显著改善财务成果。
瓦迪姆·马梅多夫,Insider Russia 商业总监 Insider Russia

