2019 là một năm để các khuyến nghị được cá nhân hóa thực hiện các bước cụ thể để chuyển đổi từ việc chuyển đổi và tìm thấy sự hấp dẫn của nó trong cùng một sự triển khai tiếp thị B2B và B2C. Ngay cả chính bạn, những độc giả thân yêu, sẽ vô tình trở thành một phần của thử nghiệm khuyến nghị mỗi khi bạn đăng nhập vào Netflix và thưởng thức phim truyền hình của nó. Vì vậy, làm thế nào để mô phỏng mô hình đề xuất cá nhân của họ trên quy mô lớn? Bài viết này sẽ cố gắng giải thích hai người khổng lồ internet lớn – Netflix và Amazon từ góc độ doanh thu.
Bí mật của trải nghiệm khách hàng được cá nhân hóa của Netflix
Mọi thứ mà Netflix thực hiện đều được điều khiển dữ liệu và được cung cấp bởi các thuật toán AI thông minh. Công ty đã động não và thử nghiệm các ý tưởng để đảm bảo rằng nội dung được công bố trên nền tảng của nó phù hợp với quá trình suy nghĩ chính xác của người dùng. Hơn nữa, những nỗ lực của họ là rõ ràng.
Hãy cho chúng tôi biết làm thế nào cơ chế được cá nhân hóa của nó có thể làm nên điều kỳ diệu cho Netflix và những gì chúng ta có thể học được từ những người khổng lồ phát trực tuyến video trực tuyến.
1. Sử dụng thử nghiệm A/B
Không ai biết công nghệ thử nghiệm A/B tốt hơn Netflix. Todd Yellin, phó chủ tịch của Netflix Products, cho biết công ty tiến hành khoảng 250 thử nghiệm A/B mỗi năm. Mỗi bài kiểm tra này cung cấp cho người dùng hai phiên bản khác nhau của trải nghiệm để xem cách người dùng phản ứng với các thay đổi được đề xuất. Netflix chọn khoảng 100.000 người dùng để kiểm tra các giả thuyết của họ, đây là một trong những lý do tại sao không có hai người dùng nào trên nền tảng Netflix có cùng trải nghiệm.
Theo cách tiếp cận thực nghiệm ở đây, Netflix đảm bảo rằng mọi nội dung (nội dung, hình ảnh và video) được hiển thị trên nền tảng được điều khiển bởi dữ liệu thực tế được thu thập từ các thử nghiệm A/B mà nó chạy, thay vì dựa trên quan điểm của một người.
Thẻ hạ cánh của Netfei là một ví dụ tốt được trích dẫn ở đây. Thẻ đăng nhập thường là hình ảnh hoặc đoạn giới thiệu video mà người dùng duyệt các danh mục được đề xuất Netflix có thể thấy. Làm thế nào những thẻ này có thể tạo ra sự khác biệt bây giờ? Khái niệm này rất đơn giản. Hình ảnh và video có tác động lớn hơn đến suy nghĩ của khách hàng so với nội dung xung quanh (nghĩa là, văn bản giải thích). Nếu mọi người nhìn thấy hình ảnh hoặc đoạn giới thiệu hấp dẫn và hấp dẫn, họ có nhiều khả năng xem video.
Kiểm tra các thẻ đăng nhập này bằng A/B, nền tảng có thể hiểu tâm lý của khách hàng và sử dụng thêm dữ liệu được thu thập để cá nhân hóa trải nghiệm của họ theo cách hiệu quả nhất.
2. Sử dụng aTôi giúp động cơ khuyến nghị
Tương tự như Amazon, Netflix có tiếng tăm cao về việc sử dụng trí tuệ nhân tạo và học máy để tăng cường công cụ khuyến nghị. Công ty sử dụng dữ liệu xem khách hàng, lịch sử tìm kiếm, dữ liệu xếp hạng, thời gian, ngày và thiết bị của người dùng để đoán nội dung cụ thể nào nên được khuyến nghị cho người dùng đó. Thống kê cho thấy vào năm 2014, Netflix đã sử dụng 76.897 “phong cách thay thế” hoặc các cách độc đáo khác để xác định phong cách của bộ phim. Dữ liệu cũng cho thấy rằng khi giới thiệu cho mỗi người dùng, họ không chỉ cá nhân hóa trải nghiệm của họ mà còn trở thành “người lặp lại”.
Ngoài ra, công ty sử dụng dữ liệu khách hàng để tạo trang chủ duy nhất cho mỗi người dùng. Netflix hiển thị nội dung mà họ tin rằng có thể đáp ứng tốt nhất lợi ích của người dùng trên trang chủ và cải thiện trải nghiệm chung của người dùng trên nền tảng.
Điểm đau – Một bit đề xuất mạnh mẽ được hỗ trợ bởi AI và học máy không chỉ cung cấp cho bạn trải nghiệm cá nhân hóa mà người dùng thích, mà còn giảm đáng kể việc khuấy động người dùng.
3. Sử dụng đúng nội dung vào đúng thời điểm
Đặt thuật toán sang một bên để đưa ra đề xuất, nội dung bit được đề xuất có thể được tạo và phá vỡ trải nghiệm và mối quan hệ tổng thể giữa người dùng và nền tảng. Ngoài ra, Netflix rất rõ ràng về điều này!
Người khổng lồ truyền phát video trực tuyến sử dụng nội dung để phản ánh sự thành công hoặc thất bại của nội dung được đề xuất của họ dựa trên cách người dùng thích hoặc không thích. Ví dụ: nếu người dùng dành nhiều thời gian để xem phim kinh dị, chẳng hạn như nghi lễ, bảo mẫu hoặc tông đồ, Netflix sẽ đề xuất những bộ phim tương tự để thu hút người dùng với nền tảng của mình. Nó hoàn toàn không thể giới thiệu phim hài, vì đây dường như là một gợi ý rất mơ hồ dựa trên dữ liệu duyệt qua quá khứ của người dùng.
Ngoài ra, Netflix cũng coi thời gian xem là một biến quan trọng trong việc giới thiệu các chương trình cho khách hàng. Điều này có nghĩa là khi người dùng đăng nhập vào đêm khuya, Netflix sẽ đề xuất các chương trình ngắn hơn hoặc hơn một nửa các chương trình mà người dùng đã xem, thay vì giới thiệu các chương trình dài hơn.
Những gì chúng tôi học được ở đây là việc trình bày đúng nội dung vào đúng thời điểm sẽ không chỉ giúp tăng sự tham gia của khách hàng trên nền tảng mà còn cải thiện đáng kể trải nghiệm người dùng.
Hệ thống khuyến nghị sản phẩm toàn diện của Amazon
Hành trình chuyển đổi của Amazon bắt đầu vào năm 2010, khi họ bắt đầu giới thiệu các mặt hàng cho khách hàng thông qua “khách hàng mua tiện ích X”. Vào thời điểm đó, điều này đã cho họ một bước nhảy vọt lớn, và đó vẫn là một phép lạ cho những người khổng lồ thương mại điện tử. Theo công ty, thậm chí ngày nay, gần 35% doanh số của nó đến từ các khuyến nghị được cá nhân hóa như vậy! Và gần 56% trong số họ có thể trở thành khách hàng lặp lại.
nỗ lực cá nhân hóa trải nghiệm mua sắm của khách hàng không dừng lại ở đó. Amazon đã đạt được tiến bộ đáng kể trong việc cá nhân hóa trong vài năm qua với sự giúp đỡ của trí tuệ nhân tạo, học máy và phân tích dự đoán.
Đây là những gì tôi học được từ các tác phẩm được cá nhân hóa của Amazon:
1. Sử dụng trí tuệ nhân tạo và công nghệ học tập sâu
Đăng nhập tài khoản Amazon của bạn và bạn sẽ thấy rằng nền tảng luôn có nội dung mới được đề xuất và tất cả chúng đều phù hợp với bạn một cách hoàn hảo.quan tâm. Làm thế nào điều này được thực hiện? Câu trả lời là học sâu!
Học sâu là một phần mở rộng của AI và học máy. Nó sử dụng các thuật toán để hiểu một cách tự nhiên hành vi của con người và cung cấp kết quả tương ứng. Tại Amazon, Deep Learning có thể giúp nền tảng phân tích những sản phẩm mà khách hàng có thể mua tiếp theo và tiếp tục giới thiệu sản phẩm cho họ vào lần tới khi họ vào trang web hoặc đăng nhập lại. Ở đây, công nghệ được đề xuất có tính đến các sản phẩm và trang sản phẩm mà khách hàng đã xem, mua, xếp hạng và xem xét.
2. Từ bỏ giải pháp một kích cỡ phù hợp với tất cả các vấn đề
Một trong những điều chúng tôi học được từ Amazon là nó có khả năng nhúng chúng tôi vào cấp độ cá nhân của mỗi khách hàng. Điều đó có nghĩa là bất cứ khi nào khách hàng đăng nhập vào trang web này, Amazon sẽ cho khách hàng thấy một trang chủ được thiết kế đặc biệt cho anh ta. Những thay đổi này không phải là sự kiện một lần, mà là các sự kiện hàng ngày xảy ra dựa trên hành vi thời gian thực của khách hàng trên nền tảng. Với tính năng này, Amazon tiếp tục cung cấp trải nghiệm được cá nhân hóa về các sản phẩm được đề xuất có liên quan cao, để người dùng có thể quay lại.
Amazon không chỉ thay đổi cách khách hàng mua sắm, mà còn “luộc” họ với trải nghiệm độc đáo và cá nhân hóa. Điều này thể hiện rõ từ thực tế là 57% khách hàng cho rằng Amazon cung cấp cho họ nhiều thông tin sản phẩm hơn, chẳng hạn như chức năng và chất lượng của sản phẩm, do đó cải thiện trải nghiệm mua sắm tổng thể của họ.
đói đang phát triển
Hơn một nghìn công ty cạnh tranh trên thị trường trực tuyến đã khiến Amazon và Netflix trở thành nguồn cảm hứng cho các công ty này tiếp tục tìm kiếm sự phát triển. Từ định hướng hành vi đến học tập sâu, từ cá nhân hóa nội dung đến tối ưu hóa tỷ lệ chuyển đổi, không có gì mà hai người khổng lồ internet này chưa khám phá và khai thác. Học kinh nghiệm của họ, và sự hiểu biết sâu sắc của họ về các khái niệm cá nhân hóa, có thể giúp công ty của bạn phát triển theo cấp số nhân và đạt được một vị trí trong thị trường định hướng khách hàng ngày nay.
Lưu ý: Chuỗi chia sẻ này được dịch từ cách cá nhân hóa hoạt động từ Amazon và Netflix? , Được dịch và biên soạn bởi dịch giả chiêng.
