マーケターがルールベースと機械学習ベースの両方のパーソナライズを必要とする理由

消費者の期待と競争圧力の高まりは、マーケターに新しい現実を生み出しました。パーソナライズはもはや贅沢ではなく、今日のデジタル経済における基本的なサービス標準になっています。

関連するエクスペリエンスを提供するために、企業は通常、ルールベースのパーソナライズと呼ばれるアプローチを順守しています。このアプローチでは、if / thenロジックを利用して、手動でプログラムされた一連のターゲティングルールに従ってカスタマージャーニーを調整します。

しかし、パーソナライズの取り組みを拡大しようとしているブランドにとって、最適なエクスペリエンスを決定するために完全に手動のアプローチに依存することは、常に効率的または管理可能であるとは限りません。 そのため、多くのブランドが意思決定プロセスを支援するために機械学習アルゴリズムに注目しています。

どちらのアプローチにも明確な利点があります。そのため、組織は、一方を他方に投棄するのではなく、これらのソリューションを連携して使用する必要があります。

ルールベースのパーソナライズの美しさと限界

ルールベースのパーソナライズはどのように機能しますか？ 訪問者が初めてブランドのホームページにアクセスしたとします。 このような場合は、そのサイトはヒーローバナーの歓迎のメッセージを紹介します。 訪問者が新しく、アイルランドに位置している場合は、追加の聴衆条件に重ね、その後、ホームページヒーローバナーはアイルランド特有のコンテンツと歓迎のメッセージを備えています。

これらの条件は、単純なものから複雑なものまでさまざまですが、すべて機械ではなく人間によって設定されます。 これは、ルールベースのパーソナライズイニシアチブの成功の背後にある重要な要因です。マーケターは、AIが苦労する可能性のある深い業界およびブランドの知識を身に付けるためです。

このようなルールを考案するという任務は、ブランドが提供するセグメント化されコンテキスト化されたエクスペリエンスが、直感的な洞察と実際のエクスペリエンスに基づいていることを保証します。

ただし、これは、最適なプログラムによるターゲティングルールを決定するために、各オーディエンスセグメントに対してテストされたすべてのバリエーションを詳細に測定する多数のテスト展開を伴う、面倒でデータ量の多いタスクになる可能性があります。

最終的に、マーケティング担当者が数学的にどれほど傾いても、すべてが複雑になりすぎる前に管理できるセグメントの数には常に制限があります。

圧倒的な数の組み合わせと順列により、絶えず変化する顧客ベースに直面して勝利のバリエーションを選択することはほぼ不可能になります。 ここで、機械学習ベースのパーソナライズが役立ちます。

機械学習ベースのパーソナライズを組み込むタイミング

ブランドは、機械学習を通じて、パフォーマンスに基づいて顧客に提供するバリエーションを決定するアルゴリズムまたは意思決定エンジンを使用して、顧客インサイトの収集と解釈を自動化できます。 このアプローチは、従来のルールベースのパーソナライズよりも人的入力が少なくて済みますが、その意図は、マーケティング担当者を置き換えることではなく、増強することです。

「勝者はすべてのアプローチを取る」を忠実に展開する代わりに、統計的有意性に達したときに訪問者プール全体に単一の勝ちのバリエーションを実装する代わりに、機械学習を使用して、すべてのトラフィックセグメントにわたる各バリエーションのパフォーマンスをリアルタイムで分析してサービスを提供できます。オーディエンスグループを選択するための最も関連性の高いコンテンツ。

これにより、機械学習ベースのパーソナライズがより適切にパーソナライズされます。1つのバリエーションがすべての訪問者に適しているわけではないためです。この方法でエクスペリエンスを展開すると、一部の訪問者のエクスペリエンスが常に損なわれます。

重要なのは、機械学習による最適化により、A / Bテストの実行にかかる時間とリソースが大幅に節約され、生産性と収益に大きなメリットがもたらされることです。 休暇や新学期のプロモーションを受講してください。

A / Bテストを実行してその場で顧客体験を最適化しようとする代わりに、機械学習アルゴリズムにより、各個人の肯定的な結果を予測し、キャンペーン全体の期間にわたって収益を最大化することができます。

マーケターは、このような短期間の実験を実行し、最適化メカニズムをコントロールグループと比較して、結果を検証する必要があります。

両方の長所

そのすべての利点のために、アルゴリズムベースの意思決定は、ルールベースのターゲティングより本質的に優れているわけではありません。

マーケターは比類のない洞察と識別力をテーブルにもたらすことを忘れないでください。これは、これらのキャンペーンの戦略とロジックを設定するために常に必要です。 最良の結果を引き出すのは、ルールベースと機械学習ベースのパーソナライズを相互に実装することです。

今日のブランドは、初めての訪問者を顧客に変えること、解約した顧客を取り戻すこと、ブランドに高い生涯価値を提供する忠実な顧客を確保することなど、多くの緊急課題に直面しています。

彼らは、これらの顧客の好みや興味の避けられない変化を考慮しながら、これらの目標を達成しなければなりません。

マーケターとマーチャンダイザーは、ブランドのビジョン、アイデンティティ、製品の選択を決定する上で常に極めて重要ですが、使用するクリエイティブ、商品化される製品の順序、AIエンジンで駆動できる顧客に送信するメールなど、多くの戦術的な決定があります。機械の助けを借りずにそのような決定を下す人間よりもはるかに優れた結果をもたらします。

これらのシステムは、商取引の最も重要な側面である関連性を高めることにより、人間の能力を強化し、小売業者に新しい可能性を生み出します。 特定の個人にとって、オファーまたは一連の製品の関連性と魅力が高いほど、購入し、購入を楽しんで、ブランドとのエンゲージメントを高める可能性が高くなります。

ルールベースのパーソナライズは引き続き不可欠なツールとして機能し、マーケターに特定のエクスペリエンスを提供するオーディエンスを制御する機能を提供します。多くの場合、これはカスタマージャーニーの一部をコンテキスト化するための最も論理的なアプローチです。

しかし、ブランドがパーソナライズの拡大を目指すにつれて、機械学習が不可欠になります。 したがって、ブランドにとっての問題は、どの道を進むべきかではありません。 代わりに、それはなぜ両方ではないのですか？