Personnalisation à grande échelle: Quelle est la technologie de nouveau?

Zero

Vidéo: SAP, CRM nouvelle vise à le cloud de Salesforce

Je suis dans le milieu de deux billets de blog qui me prendre beaucoup plus longtemps que, comme toujours, je voulais prendre, et le lancement d’un grand site web, j’ai donc décidé de faire quelque chose que je n’ai jamais vraiment fait de vous Fournir un extrait de mon nouveau livre sur l’engagement des clients. Je ne suis pas la promotion du livre en soi — même si à un certain degré, c’est d’un ridicule déclaration à faire depuis que je suis clairement en vous indiquant qu’il est de mon livre à venir et qui est admissible à titre de promotion. Mais ce que je fais d’abord tenter de le faire, étant donné que vous êtes mon public, est de vous montrer quelque chose que j’ai pensé à: Un bref résumé sur la technologie nécessaire à la personnaliser à l’échelle. C’est une courte pièce, contrairement à mon habitude, et est uniquement destinée à toucher à la technologie pour la personnalisation. Mais sa valeur réside dans la simplification de certaines choses, et pas seulement de la technologie mais aussi, et j’espère que vous obtenez ce, la différence entre les données, les informations, les connaissances et la perspicacité. Aussi, quelque chose qui décrit l’utilisation de google analytics.

Lire aussi: Adobe: expérience de l’expérience (première partie) | Adobe: Dans les herbes, dans la zone (partie deux)

Certains de ménage, je pars le chapitre références dans l’extrait qu’ils sont dans le livre. C’est une réplique exacte. Il va donc y avoir, il manque des choses. Merci de ne pas ding-moi pour eux. La valeur ici est dans le haut niveau de faire le tri de ce que la technologie est nécessaire pour conduire les perspectives pour la personnalisation à grande échelle. Je ne suis pas y compris l’architecture des données, qui est dans le livre, trop. C’est trop profond.

Oh, oui, le livre est appelé La communauté d’Intérêt: l’Engagement Client, les Avantages pour l’Entreprise. C’est 330 pages d’un assez salée discussion dans mon habitude style inimitable sur la façon de construire un client sur l’engagement de l’entreprise à partir de ces cadres pour les activités de base, à la stratégie, aux programmes, à l’utilisation de la technologie, de la métrique, et à définir, en particulier, à la culture, qui, par le moyen diffère d’une culture axée sur les clients.

En tout cas, mesdames et messieurs, l’extrait. N’hésitez pas à commenter. Je leur souhaite la bienvenue.

Personnalisation à grande Échelle: La Technologie

À une époque où l’engagement est un élément clé de la stratégie et de l’endroit où les clients attendent de vous que vous de leur fournir ce dont ils ont besoin pour faire tout ce qu’ils font avec vous, de données et de la perspicacité de devenir incroyablement important pour fournir une expérience personnalisée. Mais plus que la simple identification des produits, des services, des outils et consommables expériences nécessaires pour le client de sculpter leur propre choix de l’engagement avec la société, les entreprises sont maintenant dans une position où ils doivent anticiper les comportements des clients et de développer optimisée des offres ou des programmes pour chacun de ces clients, en temps réel ou proche. Alors que les algorithmes ne déterminent jamais ces informations, les données, analysées et présentées dans le droit chemin, sont à la base de la compréhension. Comment ces connaissances ont-ils être utilisés?

Les difficultés inhérentes à l’identification d’une réflexion, sont augmentés par des grandeurs lors de deux autres facteurs entrent en jeu. L’échelle de la taille de votre base de clients et à la vitesse de l’attente que l’action proposée par la perspicacité seront prises en direct plutôt que plus tard, beaucoup plus souvent que pas ajouter de la complexité à une situation déjà complexe. Comme les clients sont sur leurs milliers et même des millions de voyages, comment pouvez-vous savoir ce qu’ils font, d’interpréter ce que vous savez au sujet de leurs activités, de décider comment vous allez y répondre, construire la réponse et de communiquer cette réponse – tous, tandis que les clients sont toujours sur leurs différents voyages. Tout aussi important, comment allez-vous le faire dans un sens de manière individuelle pour des milliers, peut-être même des millions de gens de cette façon?

C’est le dilemme de la personnalisation à grande échelle. Pourtant, parce que je sais que vous avez mémorisé chaque mot que vous avez lu jusqu’ici, vous n’avez pas à revenir au Chapitre 4 pour rappeler les avantages de cette. Peu importe, si, il est ce que vous avez à faire et de la technologie est là pour le faire. En souvenir.

À partir des Données de l’Information à la Connaissance de la Perspicacité

Les données sont inutiles. Non, je ne plaisante pas. Les données sont inutiles jusqu’à ce qu’il est utilisé dans le contexte. Pensez-y de cette façon. Combien de fois quelqu’un vous dit quelque chose et de votre réponse, si vous n’étiez pas d’être belle, est “et alors? Pourquoi vous me dites ça?” Celui qui vous a dit que, bien sûr, pensé qu’ils étaient à vous dire quelque chose d’importance. Mais vous n’avez aucune idée de pourquoi on vous dit que, droit? La personne qui vous l’a dit, la “chose” avait du contexte, ils avaient une raison de vous dire. Mais tu n’avais pas le contexte et n’a donc pas à comprendre comment (ou pourquoi) vous avez été dit.

Ce que vous avez reçu avec la “chose” était l’information sans contexte et donc pas de véritable mesures pourraient être prises, et il n’y a aucun moyen de vraiment comprendre ce qu’ils signifiaient. C’est des données. Il devient de l’information lorsque vous donner le contexte. Il devient de connaissances lorsque vous définissez ce que la valeur des informations est à vous et à son but. Il est aperçu lorsque vous comprendre comment l’utiliser efficacement.

Pensez-y de cette façon:

Données:

1. 17.5 onces de farine blanche, plus pour saupoudrer

2. 2 c. à thé de. sel

3. ¼ D’once rapidité de l’action de la levure

4. 3 c. à soupe. l’huile d’olive

5. De 10,5 onces de liquide de l’eau

Informations:

C’est une recette pour faire du pain

Connaissances:

Voici comment faire le pain

Aperçu:

À en juger par les commentaires sur ceux qui ont mangé le pain fait avec cette recette, c’est une bonne dégustation de pain qui peut l’être encore plus sain et le goût tout aussi bon avec de la farine de pain multigrain au lieu de la farine blanche, mais il aurait besoin de 1 c. à soupe. de plus l’huile d’olive.

Bien sûr, ce n’est pas facile est de comprendre comment prendre ce qui est des données et de la rendre utile connaissances et, finalement, gagner de données exploitables. Les technologies sont là pour analyser les données et ensuite exécuter les algorithmes de vous fournir ce dont vous avez besoin à voir à acquérir les connaissances, tant que vous n’êtes pas submergés par la quantité de données disponibles pour vous. L’échelle peut être effrayant. Mais l’approche pour le traitement des big data à venir chez vous à haute vitesse est simple d’en prendre le contrôle. Suivez ces étapes afin que vous pouvez gagner de la valeur à partir des données que vous avez:

Ne pas le traiter comme Big DataYou voulez quelque chose d’elle;de Décider de ce que c’est que vous cherchez à Développer une hypothèse;Décider quelles sont les informations spécifiques est nécessaire;en conséquence le Plan d’;Recueillir de l’information – ce qui signifie trouver les données, de les organiser et de construire les rapports que vous le fournir dans le formulaire dont vous avez besoin;Exécuter les analyses sur les données de l’analyse descriptive, prédictive, prescriptive (plus loin);Utiliser les connaissances que vous avez à produire les connaissances dont vous avez besoin;d’Appliquer ces idées (par exemple, optimisé pour offrir à un client en particulier).

Bonne Analyse Signifie Pas De La Thérapie

Avant de vraiment entrer dans google analytics, je vais arrêter ici et de prendre une grande respiration. Je dois me concentrer. Non, pas parce que je suis en train de le perdre, même si j’ai été accusé de cela plus d’une fois, mais parce que nous allons parler de l’engagement des clients liées analytics ici, pas de google analytics en général. Je suppose que vous avez une assez bonne idée de ce que google analytics. Si non, lisez l’excellent Thomas Davenport article “google Analytics 3.0” en décembre 2013, la question de la Harvard Business Review (32Thttps://hbr.org/2013/12/analytics-3032T). Il est utile de votre temps. Ensuite, lisez ce chapitre, même si c’est assez explicite.

Peut Algorithmes de Montrer Votre Amour…si c’est ce que vous pensez que c’est?

Étant donné le grand nombre de types de données et les sources et de la difficulté à assurer la clarté, comment utiliser google analytics pour trouver le meilleur client de l’engagement des actions que nous avons à prendre? Que sommes-nous analyser?

Si vous pensez à ce sujet, la science de l’engagement des clients est la tentative de systématiser la façon dont les humains interagissent, de créer une méthodologie à faire des efforts, des processus et des résultats reproductibles et réutilisables, de sorte qu’ils peuvent être appliqués à n’importe quelle taille de l’entreprise. En fin de compte être en mesure de faire que cela se produise, vous avez besoin de reconnaître sa plus grande limite, au mieux, l’effort peut reproduire le modèle de l’approximation de la façon dont les humains interagissent – et donc vous donner les bases pour avoir un aperçu sur la façon de prévoir le comportement de l’homme – soit enmasse ou à un niveau individuel. Mais qui prédit le comportement est également au mieux une hypothèse raisonnable, pas plus. Pourquoi, effectivement, une bonne estimation? D’abord parce que, dans la vraie vie, chaque être humain interagit avec d’autres êtres humains et des institutions dans une manière différente de celle de tous les autres humains. Cela signifie que par exemple, j’ai interagir avec vous, autrement que je interagir avec votre frère et il interagit avec moi autrement que ce que vous faites et vous interagissez avec lui, différemment de ce que vous interagissez avec moi etc. même si les interactions sont dans le même but. Quoi? Ouais, je sais que votre frère. Aller de l’avant. Pour ajouter de la nuance, en outre, bien qu’il existe un nombre infini d’interactions possibles, chaque humain a un ensemble de contraintes qui existent pour limiter la façon dont ils peuvent répondre. Ils sont contraints par leur bande passante, ce qui dans beaucoup de termes simples, signifie, pas un être humain peut répondre à tout le monde qu’ils ont la possibilité d’interagir avec dans un laps de temps donné. Ils ont donc décider qui ils vont interagir avec et, compte tenu de nombreux facteurs, le nombre infini de manières d’interagir avec quelqu’un ou quelque chose, la façon dont ils vont interagir. Cela signifie que, si l’interaction avec votre entreprise, le client a une raison pour laquelle ils ont choisi d’interagir avec votre entreprise et pas quelqu’un d’autre. Ils ont un contexte pour la façon dont ils ont choisi d’interagir avec vous. Donc une seule interaction en dehors du contexte de risque de se retrouver avec la mauvaise réponse de vous, parce que vous ne comprenez pas pourquoi ils ont interagi de cette façon.

Confus? Reprenons un exemple à partir de l’arrière dans le Chapitre 6 -, mais elles arrivent à les choses différemment.

Rappelez-vous l’exemple d’une tentative d’achat faite par vous sur Amazon dans un état d’esprit normal contraste avec celle faite dans un irrité état d’esprit en raison d’une bagarre avec un autre significatif? Si vous vous souvenez, l’article dans le panier a été temporairement abandonné dans le premier scénario et définitivement abandonnée dans la seconde. Mais dans la fenêtre de deux heures avant que vous avez terminé l’achat, sans le contexte, il n’y avait pas de différence dans l’action réelle prise de laisser l’article dans le panier – mais le contexte (pas irrité, et irritée) a déterminé le résultat final (qui est différente dans chaque cas, le client à cause de son comportement qui a été dicté par leur état émotionnel.

Maintenant, nous allons jeter un mouvement de torsion et les ajouter à l’analyse prédictive pour le mélange (avec écoute sociale). Amazon serait comme d’être en mesure d’anticiper le résultat de vos actions basées sur le passé, le comportement des gens comme vous, etc. Si les seules données qu’ils ont est de vos données transactionnelles, alors il n’y a pas beaucoup qu’ils peuvent vraiment comprendre parce que la propension à l’achat de ce livre est basé sur des choses comme des livres comme celui que vous avez acheté versus livres que vous avez examiné et abandonnés, etc. Mais cela ne peut pas rendre compte de votre mauvaise journée ou de votre état émotionnel. Donc, comme je l’ai dit, dans le chapitre 6, leur seul recours est de corriger le décalage puisqu’ils n’ont aucune idée de pourquoi vous avez été tellement bouleversé – et qu’ils devraient faire, même si ils l’ont fait savoir.

Mais imaginez si vous étiez “vocal” sur ce mauvais état d’esprit sur les médias sociaux ou encore plus spécifiquement tweeté “#Amazon temps de latence est me rend fou, et vous tous! #drivemecrazy #arrrggh” S’il y avait que les données et l’avait intégrée dans les données qu’ils ont en la regardant, on pourrait suggérer une raison que le panier était apparemment abandonné – et qui n’était pas seulement le temps de latence qu’il a causé. Il donne les données d’un certain potentiel contexte et ainsi, il pourrait vous donner une meilleure idée du comportement futur. Cependant, les décisions ne doivent être faits qu’il vaut la peine de trouver ou de juste corriger le décalage.

Comme nous l’avons établi dans le Chapitre 4, les êtres humains sont intéressées, afin qu’ils s’attendent à une réponse qui fait appel à eux en tant qu’individus, et non à un groupe. Ce qui signifie compréhension individuels et sectoriels de comportement. Même si le client exige une attention individuelle, vous avez encore à comprendre leurs comportements communs et leurs intérêts similaires (ils n’ont pas à être identiques), ce qui vous permet de créer des réponses que peut faire appel à un groupe plus large au niveau de l’individu.

L’analyse prédictive et La Meilleure Prochain Analytics: Prescriptive

L’application google analytics vous permet de vous faire la meilleure interprétation des données que vous avez. Si vous utilisez prédictive méthodologies et algorithmes, vous pouvez deviner – souvent avec raison – que de la façon dont certains clients se comportent dans une situation spécifique – par exemple, une campagne de marketing. Vous pouvez, à l’aide de prescriptive analytics décider quelle est votre prochaine action sera, par exemple, une opportunité de vente. L’utilisation de cette présentation ou de faire ce que l’offre ou de parler à cette personne de que le décideur. Des entreprises comme Treillis Moteurs que pour les ventes et le marketing, comme Thunderhead le faire pour la clientèle des voyages, comme Pegasystems aussi pour le marketing, les ventes et le service à la clientèle. Comme un exemple, les PROS, à Houston, au Texas, en fonction de la technologie de l’entreprise, d’optimiser la tarification à produire quoi que ce soit à partir d’un devis pour l’équipement industriel à la dynamique des prix pour les sièges d’avion. PROS utilise des algorithmes avancés qui fonctionnent en temps réel à regarder à la demande, de l’histoire, les conditions extérieures, l’industrie aérienne des comparaisons, de la météo et de toute une variété d’autres facteurs qui entrent dans le prix de votre siège d’avion.

Pour optimiser l’engagement, l’analyse des modèles à prendre en compte en plus de l’historique des transactions. Le modèle pour tenir compte de la connus des comportements des clients, les préférences et les goûts des clients. Les modèles ont à rendre compte de la situation démographique et géographique des différences qui se reflètent dans le comportement individuel.

Pour vous donner un peu plus de la technologique de l’image, je vais vous donner quelques exemples de types de modèles qui sont utilisés pour l’engagement de l’analyse.

Le modèle

Je ne suis pas une donnée scientifique. Je ne peux pas faire semblant d’entrer dans les mathématiques, qui va dans la construction de ces trois analytics modèles, mais je peux vous donner les types de modèles qui sont appropriés pour le développement de requêtes autour de l’engagement des clients. Regardons trois. Une remarque: ils sont souvent utilisés en tandem.

1. Analyse de la concentration – analyse de Cluster est un bien nommé modèle qui est conçu pour prendre les échantillons de l’enquête et de la surface de groupes organiquement ont les mêmes affinités. En principe, c’est un modèle très simple. De même répondu à des enquêtes conduisent à la création d’un groupe peuplé par ceux qui ont donné les réponses semblables. Mais en fait il faut beaucoup de travail pour construire le modèle, en particulier lorsque les questions de l’enquête sont centrées autour de l’attitude ou le comportement. Donc, il y a des critères établis pour ce que la “similarité” est. Les résultats ne sont pas la même que la segmentation. Ses pas la segmentation par âge, sexe, lieu de résidence, de travail ou de statut. Les résultats de clustering conduire à des groupes comme ceux mentionnés ci-dessous dans la Telenor étude de cas – des Choses sûres, Persuadables, les Causes Perdues, et Sleeping Dogs. Je vais vous laisse le soin de lire l’étude de cas pour savoir ce qu’ils signifient, mais ils sont regroupés par comportements probables.

2. Modèles de propension – C’est un modèle couramment utilisé. Vous avez probablement entendu le plus souvent comme “propension à acheter.” Dans l’ensemble, cela signifie que vous sont le développement de modèles pour identifier les clients qui sont susceptibles de le faire ou ne pas faire quelque chose. Il peut être probable que le taux de désabonnement, susceptibles de répondre à une offre particulière, susceptible de faire x si y,z, et ab sont présentés ou se produire. Généralement, il y a un score associé à la probabilité.

3. Le filtrage collaboratif – Le chemin que vous avez vu les résultats de filtrage collaboratif via les moteurs de recommandation. Le long de ces lignes, “parce que de vos dernières transactions, votre comportement sur le web, l’achat et la visualisation des comportements d’autres personnes qui ont les mêmes goûts et préférences pour vous, nous vous recommandons de cette première, cette seconde, et cette troisième place.” recommander cette Dans le les plus récents, sens étroit du terme, le filtrage collaboratif est une méthode pour faire des prédictions automatiques (filtrage) à propos de l’intérêt de l’utilisateur en collectant des préférences ou des informations goût de nombreux utilisateurs (collaborateur). L’hypothèse sous-jacente de filtrage collaboratif est le même que le concept de “personne comme moi.” Donner les mêmes goûts et les préférences de la personne A et une personne B, la probabilité de leur similitude sur d’autres choses, c’est plus qu’aléatoire d’une autre personne.

Je ne m’attarderai pas sur les modèles plus loin, mais ils sont utiles pour voir les constructions que lecteur de l’analytics.

Eh bien, c’est l’extrait. Pensées? Je voudrais faire quelques commentaires. C’est environ aussi technique que le livre obtient.

Te voir.

Précédente et de la couverture liée:

L’expérience client: les Leçons du monde réel

CX expert, Riche Toohey, un collaborateur régulier de cette colonne n’quelque chose d’important encore, en soulignant la valeur de la conception quand il s’agit de l’expérience client.

SAP pivots que le client se transforme en 2018

SAP a annoncé ce qui est sans doute l’initiative la plus importante en tant que société, depuis leur création initiale de l’ERP SAP R/2 retour à l’âge de pierre. Ils sont maintenant orientées client, expérience client, et sont rearchitecting leur offre autour de cette idée. Déplacer vers la droite? Un faux mouvement? Lire la suite et découvrez.

ServiceNow: Solide et incertain — une société en transition

ServiceNow est un fascinant de l’entreprise qui a été dramatique et très agréable succès depuis plus d’une décennie. C’en est à un point crucial de son histoire, et ses le genre de pivot qu’elle obtient de son optimale des objectifs ou qu’il ne cesse d’avancer. Peut ServiceNow le faire? Lire et découvrir.

Rubriques Connexes:

Industrie De Haute Technologie

Transformation Numérique

La robotique

L’Internet des objets

L’Innovation

Des Logiciels D’Entreprise

0