Мнение автора может не совпадать с мнением редакции
Когда-то давно аналитика трафика была дорогим удовольствием. Только самые крупные компании могли себе это позволить. И даже когда такие инструменты, как Google Analytics сделали этот процесс более доступным, на рынке было достаточно мало людей, способных извлечь всю пользу из полученных данных.
Со временем софт для тестирования (сплит и многовариантного) и аналитические инструменты “демократизировались” и тем самым способствовали увеличению числа аналитиков, которые могут их правильно использовать. Поэтому сегодня для веб-сайтов совершенно невозможно не думать о качестве трафика — откуда он, куда и во что конвертируется.
Однако о демократизации (читай — популярности и простоты) касательно персонализации такого пока не скажешь. Да, у таких компаний, как Google и Amazon есть и инструменты и профессионалы, умеющие с ней работать, но есть ли они у сайта, который продает двери в Воронеже?
Ответ — да, есть, но этому магазину дверей, скорее всего, и не нужна “глубокая” персонализация, как у международного интернет-аукциона. Для того, чтобы определить уровень, который подходит большинству веб-сервисов в мире, мы попытаемся отделить факты от двух самых распространенных мифов.
Миф №1: Персонализация — это сложно
Не-а. Некоторые ее виды можно сделать очень просто, хотя многие компании этого боятся. Некоторые из самых сложных типов персонализации интегрируются с движком сайта (CMS), используют средства автоматизации маркетинга, CRM и предлагают различный контент в зависимости от поведения пользователя на основе его рейтинга (lead scoring — перспективность потенциального клиента в баллах). Это важный и нужный тип персонализации, но, безусловно, это далеко не единственная возможность сделать ваш сайт более “близким” пользователю.
Если у вас нет инструментов для работы с пользователями, то вы далеко вы не одиноки. Много компаний в мире вообще не занимаются оптимизацией данных и не имеют инструментов для работы с пользователями, но это не значит, что вы должны хоронить надежды на качественную персонализацию.
Как минимум, для начала вы можете изучить распределение трафика по географии и типам устройств, с которых к вам приходят пользователи (мобильники, планшеты, десктопы и ноутбуки) и настроить показ разных вариантов контента/товаров в зависимости от географии пришедшего пользователя. Отображение контента сайта на разных типах устройств тоже не требует сверх-усилий и знаний поведенческих моделей, однако может принести вам массу пользы. Это уже будет персонализация и вам не обязательно быть размером с Amazon, чтобы позволить себе это.
Миф №2: Не понятно, когда начинать
Тоже не верно. Если вы реально заинтересованы в оптимизации конверсии и плотно занимаетесь веб-аналитикой, то вы безусловно понимаете, что даже базовая персонализация работает и настроить ее несложно в любой момент. Но тут есть два нюанса:
вы должны уметь четко сегментировать трафик и пользоваться A\B- и многовариантными тестами.
в полной мере владеть CMS, CRM и другими механизмами вашего сервиса.
Если у вас все нормально с сегментацией, то вы сразу поймете, какие разделы сайта двигают ваш бизнес, какие имеют наиболее высокие показатели отказов, а какие самую низкую конверсию. Отсюда вы получите информацию, для какой аудитории необходима персонализация.
А если вы в полной мере пользуетесь инструментами, внедренными на вашем сервисе, то тогда опять-таки сами поймете, насколько глубокая персонализация вам нужна, какой контент надо персонализировать, достаточно ли у вас данных, чтобы внедрять персонализацию в процесс покупки, и готов ли ваш сайт технически для полноценной выдачи рекомендаций.
В общем, если не владеете Google Analytics или Optimizely.com, то тогда лучше подучиться (нанять специалистов) и заняться настройкой базовой аналитики и конверсией, т.е. вначале ввести персонализацию хотя бы на таком уровне. На самом деле почти все проекты могут извлечь выгоду по меньшей мере из локализации по географии (не только язык сайта, но и по доступности тех или иных товаров) и адаптации под разные типы устройств. Итого, если вы хотите заняться персонализацией шире, то вначале проведите ревизию имеющихся инструментов, персонала и займитесь конверсией и шлифовкой юзабилити.
#персонализация #ecommerce
Со временем софт для тестирования (сплит и многовариантного) и аналитические инструменты “демократизировались” и тем самым способствовали увеличению числа аналитиков, которые могут их правильно использовать. Поэтому сегодня для веб-сайтов совершенно невозможно не думать о качестве трафика — откуда он, куда и во что конвертируется.
Однако о демократизации (читай — популярности и простоты) касательно персонализации такого пока не скажешь. Да, у таких компаний, как Google и Amazon есть и инструменты и профессионалы, умеющие с ней работать, но есть ли они у сайта, который продает двери в Воронеже?
Ответ — да, есть, но этому магазину дверей, скорее всего, и не нужна “глубокая” персонализация, как у международного интернет-аукциона. Для того, чтобы определить уровень, который подходит большинству веб-сервисов в мире, мы попытаемся отделить факты от двух самых распространенных мифов.
Миф №1: Персонализация — это сложно
Не-а. Некоторые ее виды можно сделать очень просто, хотя многие компании этого боятся. Некоторые из самых сложных типов персонализации интегрируются с движком сайта (CMS), используют средства автоматизации маркетинга, CRM и предлагают различный контент в зависимости от поведения пользователя на основе его рейтинга (lead scoring — перспективность потенциального клиента в баллах). Это важный и нужный тип персонализации, но, безусловно, это далеко не единственная возможность сделать ваш сайт более “близким” пользователю.
Если у вас нет инструментов для работы с пользователями, то вы далеко вы не одиноки. Много компаний в мире вообще не занимаются оптимизацией данных и не имеют инструментов для работы с пользователями, но это не значит, что вы должны хоронить надежды на качественную персонализацию.
Как минимум, для начала вы можете изучить распределение трафика по географии и типам устройств, с которых к вам приходят пользователи (мобильники, планшеты, десктопы и ноутбуки) и настроить показ разных вариантов контента/товаров в зависимости от географии пришедшего пользователя. Отображение контента сайта на разных типах устройств тоже не требует сверх-усилий и знаний поведенческих моделей, однако может принести вам массу пользы. Это уже будет персонализация и вам не обязательно быть размером с Amazon, чтобы позволить себе это.
Миф №2: Не понятно, когда начинать
Тоже не верно. Если вы реально заинтересованы в оптимизации конверсии и плотно занимаетесь веб-аналитикой, то вы безусловно понимаете, что даже базовая персонализация работает и настроить ее несложно в любой момент. Но тут есть два нюанса:
вы должны уметь четко сегментировать трафик и пользоваться A\B- и многовариантными тестами.
в полной мере владеть CMS, CRM и другими механизмами вашего сервиса.
Если у вас все нормально с сегментацией, то вы сразу поймете, какие разделы сайта двигают ваш бизнес, какие имеют наиболее высокие показатели отказов, а какие самую низкую конверсию. Отсюда вы получите информацию, для какой аудитории необходима персонализация.
А если вы в полной мере пользуетесь инструментами, внедренными на вашем сервисе, то тогда опять-таки сами поймете, насколько глубокая персонализация вам нужна, какой контент надо персонализировать, достаточно ли у вас данных, чтобы внедрять персонализацию в процесс покупки, и готов ли ваш сайт технически для полноценной выдачи рекомендаций.
В общем, если не владеете Google Analytics или Optimizely.com, то тогда лучше подучиться (нанять специалистов) и заняться настройкой базовой аналитики и конверсией, т.е. вначале ввести персонализацию хотя бы на таком уровне. На самом деле почти все проекты могут извлечь выгоду по меньшей мере из локализации по географии (не только язык сайта, но и по доступности тех или иных товаров) и адаптации под разные типы устройств. Итого, если вы хотите заняться персонализацией шире, то вначале проведите ревизию имеющихся инструментов, персонала и займитесь конверсией и шлифовкой юзабилити.
#персонализация #ecommerce
0
