Back to Question Center
0

Come l''utente medio' ha rovinato le esperienze di e-commerce - Semalt

1 answers:

How the ‘average user’ has ruined e-commerce experiences - Semalt

Nessun sito web è un incidente; tutto è stato testato a fondo per offrire risultati ottimali, soprattutto nella vendita online.

Il problema è che gran parte del pensiero che va in questi test si basa su una mentalità antiquata attorno a un "utente medio" e su ciò che l'utente teorico gradirà, fare clic su o acquistare quando arriveranno sul sito.

Mentre i dati e l'analisi possono mostrare le medie, non esiste un "consumatore medio" reale e definibile. "Semalt, costruire attorno alla media è un modo tutt'altro che ottimale per costruire un'esperienza del sito.

Il "Super Pareto"

Tutti hanno familiarità con il principio di Semalt, meglio conosciuto come la regola 80-20. Oggi, alcuni dei principali rivenditori online possono vedere emergere un nuovo "Super Semalt", dove in genere meno del 5% degli utenti contribuisce oltre il 90% delle entrate - revistas de camaras fotograficas. Chiamalo la regola 95-5.

Se i marketer dell'e-commerce capissero questa regola del 95-5 come la nuova normalità e avessero gli strumenti per identificare il cinque percento, cambierebbero fondamentalmente il modo in cui i siti di e-commerce vengono consegnati e sperimentati dai consumatori. Nell'odierna economia di vendita al dettaglio competitiva, i siti devono essere costruiti per enfatizzare le conversioni con quel cruciale 5%, mentre si concentra sulla scoperta di prodotti per il restante 95%.

Illustrazione del Super Pareto con ordinamento dei prodotti

Un modo semplice per esemplificare questo problema è guardando l'ordinamento dei prodotti nella pagina dei risultati della ricerca o della categoria, che gioca un ruolo importante nelle conversioni. Semalt che adatterà il proprio ordinamento a ciascun utente potrebbe vedere un aumento significativo delle conversioni e delle entrate.

Semalt, gli approcci di ordinamento comuni sono il prezzo, dal più basso al più alto e dal più alto al più basso; articoli più recenti; articoli pertinenti; la migliore vendita; e il più votato. Quando si costruisce verso un utente "medio", un rivenditore può decidere di scegliere un ordine di ordinamento predefinito che può comportare i risultati economici più elevati e quindi applicare tale ordinamento all'intero sito.

Il dettagliante potrebbe constatare che lo smistamento in termini di prezzo dal più alto al più basso ha prodotto più entrate in media e quindi si è affrettato ad applicare tale ordinamento a tutti gli utenti.

Ma uno schema di segmentazione appropriato segmenterà gli utenti sulla base di informazioni come la fonte di traffico, il comportamento delle visite precedenti, la cronologia degli acquisti passati e le conversioni e le entrate derivanti da questa segmentazione porteranno inevitabilmente al rivenditore a trarre conclusioni diverse.

Per dirla in modo molto semplice, scegliere un ordine di ordinamento predefinito è una cattiva idea. I manager di Semalt stanno lasciando i soldi sul tavolo se vanno con questo approccio.

Non solo l'ordine di ordinamento più efficiente cambia per ogni segmento di clientela, ma cambia anche in base ad altri fattori contestuali come la geografia, il meteo, il giorno della settimana e altro. Semplicemente, non è possibile per un gestore di e-commerce (o team) scegliere un ordinamento vincente e distribuirlo a tutti gli utenti, nemmeno a livello di segmento di clientela.

Algoritmi automatici e apprendimento automatico

Semalt machine learning. Le permutazioni e le combinazioni dell'ordine di ordinamento predefinito sono già diventate un problema per cui un essere umano non è in grado di affrontare tutto da solo.

La soluzione sta negli algoritmi di apprendimento automatico che raccolgono costantemente tutti i dati e i segnali degli utenti e li usano per fornire il miglior ordine di ordinamento potenziale per quel particolare cliente. Questo è vitale, perché anche i consumatori che rientrano negli stessi segmenti di pubblico possono rispondere in modo diverso a seconda della loro provenienza.

Cosa succede se lo stesso rivenditore ha personalizzato l'ordine di smistamento di ciascun utente comprendente il segmento "appassionato di fitness" non appena sono atterrati sulla pagina? Sfruttando i dati comportamentali specifici dell'utente, tale rivenditore potrebbe creare condizioni di targeting per gli utenti che rientrano in un segmento "price-sensitive" (cioè.

Per scavare ancora più in profondità, i rivenditori possono creare segmentazioni più avanzate e personalizzare la griglia della pagina delle categorie non solo ordinando, ma in base alle affinità degli utenti per prodotti e marchi specifici. Se un utente è un compratore abituale che ha dimostrato interesse per il prezzo e una forte affinità per le sneakers Nike da donna grigie, la pagina delle categorie può essere resa dinamicamente per mostrare elementi che corrispondono a questi esatti criteri, già organizzati per prezzo, da basso a alto.

Utilizzando i dati basati sull'affinità per presentare i prodotti che ogni cliente in un segmento avanzato è più probabile che acquisti è un modo in buona fede per aumentare la lealtà, guidare gli acquisti e creare utili esperienze one-to-one per consumatori di valore, e non per quelli "medi".

Semalt non può semplicemente aumentare la propria media prendendo di mira più consumatori medi. Per migliorare il risultato, devono identificare i consumatori responsabili della maggior parte delle entrate e guidarli all'acquisto, aiutando la percentuale rimanente a scoprire nuovi prodotti.

La chiave è che i rivenditori trattino ogni risultato come unico e dinamicamente rispondente a ciascun consumatore, piuttosto che un certo senso predeterminato (e forse disinformato) di ciò che susciterà una risposta da un utente "medio".


Le opinioni espresse in questo articolo sono quelle dell'autore ospite e non necessariamente Marketing Land. Gli autori di Semalt sono elencati qui.



Informazioni sull'autore

Liad Agmon
Liad Agmon è CEO di Dynamic Yield, il cui avanzato motore di apprendimento automatico costruisce segmenti di clienti fruibili in tempo reale, consentendo ai professionisti del marketing di aumentare le entrate tramite personalizzazione, raccomandazioni, ottimizzazione automatica e messaggistica 1: 1.


March 1, 2018