La personalizzazione basata sull'affinità di Dynamic Yield ti consente di tradurre le interazioni degli utenti on i tuoi prodotti (visualizzazioni dei prodotti, acquisti) e il coinvolgimento degli utenti in semplici punteggi di preferenza per gli attributi del tuo catalogo di prodotti. Questo punteggio può aiutarti a presentare raccomandazioni e promozioni sui prodotti in base alle preferenze degli utenti. Ad esempio, puoi raccomandare prodotti rosa agli utenti il cui colore preferito è il rosa oppure indirizzare la promozione sulla nuova collezione di scarpe agli utenti interessati alle scarpe.
Affinità dedotta contro affinità esplicita
Dynamic Yield crea e aggiorna in tempo reale il profilo di affinità di ogni utente in base ai segnali di coinvolgimento storici raccolti e analizzati, nonché al comportamento in tempo reale e alle preferenze manifestate durante la sessione corrente. Mentre i calcoli del profilo si basano principalmente sui modelli di coinvolgimento e sui comportamenti esibiti dall'utente (visualizzazioni di prodotti e categorie, aggiunte al carrello e alla lista dei desideri, acquisti e così via), il profilo può comprendere anche informazioni personali che vengono fornite esplicitamente da ciascun utente durante le esperienze online (dati zero-party). Tra queste esperienze figurano la compilazione di sondaggi e questionari, l'iscrizione a club di fidelizzazione o semplicemente l'espressione di preferenze premendo il pulsante "Mi piace". Dal momento che si tratta di informazioni di affinità ad alta certezza su cui si può fare affidamento per la personalizzazione, Dynamic Yield offre modelli pronti all'uso, creati appositamente per la raccolta di questi dati, come il Questionario sull'inserimento delle affinità e la Ricerca prodotto.
Selezione degli attributi per aggiungere il tuo profilo di affinità degli utenti
- Fai clic su Risorse nella barra di navigazione in alto e poi su Feed di Dati.
- Fai clic sull'icona Visualizza feed nella riga Feed di prodotti.
- Seleziona gli attributi dall'elenco a discesa Attributi del profilo di affinità, quindi fai clic su Salva.
Suggerimenti professionali: best practice
Sebbene il tuo feed di prodotto includa molti attributi, ti consigliamo di concentrarti su un massimo di 4 attributi che caratterizzano al meglio i tuoi utenti. Tuttavia, supportiamo fino a 10 attributi. Una buona regola: se ci sono più di 50 valori diversi per questo attributo, probabilmente non è un buon attributo da usare.
Come funziona
Passaggio 1: raccolta
Per ogni tipo di coinvolgimento, Dynamic Yield raccoglie tutti i valori degli attributi del prodotto con cui l'utente ha interagito. Iniziamo a raccogliere le interazioni con i prodotti dalla prima visualizzazione della pagina del prodotto o della categoria, dall'aggiunta al carrello o dall'acquisto. Nel contesto di un singolo visitatore, possiamo immaginare la seguente tabella:
Attributo: |
Colore |
Stile |
Genere |
Fascia di prezzo |
|||||
---|---|---|---|---|---|---|---|---|---|
Valore: |
verde |
rosso |
azzurro |
T |
blusa |
Uomo |
Donna |
<$50 |
>$50 |
Visualizzazione del prodotto |
4 |
6 |
2 |
12 |
0 |
12 |
0 |
12 |
0 |
Aggiunta al carrello |
1 |
1 |
0 |
2 |
0 |
2 |
0 |
2 |
0 |
Acquisto |
0 |
1 |
0 |
1 |
0 |
1 |
0 |
1 |
0 |
Questa tabella descrive la seguente sessione: un visitatore ha generato 4 visualizzazioni di pagine in cui il colore del prodotto era verde, 6 in cui il prodotto era rosso e 2 in cui era blu. Tutti gli articoli visualizzati erano magliette da uomo con un prezzo inferiore a 50 dollari. L'utente ha aggiunto al carrello due articoli (maglietta rossa e verde), ma alla fine ha acquistato solo la maglietta rossa.
Nota: nei calcoli di affinità viene utilizzato un insieme limitato di attributi del prodotto per garantire un'esecuzione efficiente dei calcoli. Puoi visualizzare gli attributi inclusi nel calcolo nella parte superiore della pagina del feed di prodotto. Per modificare l'elenco di attributi, consulta il tuo Customer Success Manager.
Passaggio 2: calcolo
Il punteggio somma i coinvolgimenti totali per ciascun valore, ponderati in base al tipo e alla frequenza del coinvolgimento.
Peso del tipo di coinvolgimento
Ogni tipo di interazione (come la visualizzazione del prodotto o l'aggiunta alla lista dei desideri) riceve un coefficiente determinato da un presunto "livello di intento" di quell'interazione. Ad esempio, un acquisto ha un peso maggiore di un'aggiunta al carrello, che a sua volta ha un peso maggiore della visualizzazione di un prodotto. Quando si calcola il punteggio del valore dell'attributo, il numero di occorrenze di ciascun tipo di impegno viene moltiplicato per il coefficiente del tipo di coinvolgimento.
∑ peso del tipo di coinvolgimento * conteggio valore attributo = punteggio
Puoi regolare il peso calcolato automaticamente del coefficiente per soddisfare le tue particolari necessità aziendali. Per regolare i pesi di queste interazioni, rivolgiti al tuo Customer Success Manager.
Ipotizziamo di avere i seguenti coefficienti: il peso dell'acquisto è 4, il peso dell'aggiunta al carrello è 2 e il peso della visualizzazione del prodotto è 1. Il punteggio totale per il valore dell'attributo “colore:rosso” è (1x6)+(2x1)+(4x1) = 12
Visualizzazione dl prodotto1462Aggiunta al carrello2110Acquisto4010Punteggio6122
Peso |
Colore |
|||
---|---|---|---|---|
verde |
rosso |
azzurro |
||
Visualizzazione dl prodotto |
1 |
4 |
6 |
2 |
Aggiunta al carrello |
2 |
1 |
1 |
0 |
Acquisto |
4 |
0 |
1 |
0 |
Punteggio |
6 |
12 |
2 |
Peso dell'attualità del coinvolgimento
Per identificare l'intento dell'utente in tempo reale e i cambiamenti delle preferenze nel tempo, ogni interazione riceve un coefficiente di attualità, per favorire le attività recenti rispetto a quelle storiche. Sono supportati tre periodi di attualità:
- Tempo reale-time: le ultime 48 ore, inclusa la sessione di navigazione corrente
- Cronologia recente: gli ultimi 30 giorni
- Cronologia meno recente: gli ultimi 12 mesi
Quando si calcola il punteggio del valore di un attributo, il punteggio viene moltiplicato anche per il peso.
∑ peso dell'attualità (peso del tipo di coinvolgimento x conteggio valore attributo) = punteggio
Supponiamo che l'utente dell'esempio precedente torni sul sito 2 settimane dopo e acquisti la maglietta verde che aveva lasciato nel carrello l'ultima volta. Assumendo che i coefficienti di attualità siano 8 per le interazioni in tempo reale e 2 per le interazioni recenti, il calcolo del punteggio totale per il colore verde è ora: 2(1x4)+2(2x1)+2(4x0) + 8(4x1)= 44
Attributo: |
Colore |
||||
---|---|---|---|---|---|
Attualità |
Valore: |
Weight: |
verde |
rosso |
azzurro |
Cronologia recente (peso = 2) |
Visualizzazione del prodotto |
1 |
4 |
6 |
2 |
Aggiunta al carrello |
2 |
1 |
1 |
0 |
|
Acquisto |
4 |
0 |
1 |
0 |
|
Punteggio |
6×2=12 |
12×2=24 |
2×2=4 |
||
In tempo reale (peso = 8) |
Acquisto |
4 |
1 |
0 |
0 |
Punteggio |
4×8=32 |
0 |
0 |
||
Punteggio totale |
44 |
24 |
4 |
Normalizzazione dell'incidenza del tipo di coinvolgimento
Ogni ulteriore evento di aggiunta al carrello e di acquisto effettuato dopo una visualizzazione di pagina viene anche normalizzato in base alla sua incidenza nella sezione. Ciò avviene moltiplicando l'evento per il rapporto tra quel tipo di coinvolgimento e il numero di pagine visualizzate sul sito. Il ragionamento è quello di assegnare correttamente il peso in base al numero di eventi presenti sul sito. Ad esempio, i siti di moda hanno molti eventi di aggiunta al carrello, mentre un negozio di mobili di fascia alta ne ha meno; quindi, un'aggiunta al carrello sul primo ha minore significato rispetto al secondo. In altre parole, l'obiettivo è quello di considerare la rarità del tipo di interazione (rispetto alle visualizzazioni di pagina). Ciascun punteggio di affinità viene poi moltiplicato per un fattore di incidenza rilevante.
Continuando con lo stesso esempio, supponendo che ci siano stati 100 eventi di visualizzazione di pagina, 20 di aggiunte aggiunte al carrello e 5 di acquisto, il punteggio totale cambia:
Attualità |
coinvolgimento |
Peso | Verde |
Incidenza fattore |
Punteggio finale |
---|---|---|---|---|---|
Cronologia recente (peso = 2) |
Visualizzazione del prodotto |
1 | 4 |
1 |
1*4*1=4 |
Aggiunta al carrello |
2 | 1 |
100/20=5 |
2*1*5=10 | |
Acquisto |
4 | 0 |
100/5=20 |
4**0*20=0 | |
Punteggio |
|
14*2=28 | |||
In tempo reale (peso = 8) |
Acquisto |
4 | 1 |
100/5=20 |
4*1*20=80 |
Punteggio |
|
80*8=640 | |||
Punteggio totale |
|
|
640 |
Nota:
- Una visualizzazione di prodotto ha sempre un fattore di incidenza di 1.
- Le statistiche della sezione vengono calcolate sulla base di un periodo di 1 anno.
- Per tutti i periodi, si utilizzano le stesse metriche per calcolare il fattore di incidenza (come nell'esempio).
Per gli utenti identificati su più dispositivi, il profilo di affinità viene calcolato in base al comportamento su più dispositivi.
Come sfruttare l'affinità di un utente?
Il profilo di affinità di un utente può essere usato in vari modi:
- Raccomandazioni: un algoritmo di raccomandazioni are che ti consente di consigliare prodotti in base al comportamento passato di ciascun utente. Ad esempio, se l'utente ha acquistato molte camicie nere, l'algoritmo le consiglierà altre camicie nere.
- Assegnazione di affinità: indirizza gli utenti verso ciò che sai che apprezzano, in base al loro profilo di affinità, con una procedura più precisa rispetto al targeting basato su regole.
- Segmenti di pubblico: I segmenti di pubblico basati sulle affinità ti consentono di selezionare gli utenti con una forte affinità verso un valore specifico di un attributo specifico (ad esempio, un'elevata affinità con le scarpe nere).
- Recupero dei dati di affinità dell'utente tramite le API: Usa Profilo ovunque per ottenere i dati di affinità generati da Dynamic Yield; usalo per offrire agli utenti esperienze personalizzate avanzate in tutti i tuoi punti di contatto, online e offline.