Back to Question Center
0

Hoe de 'gemiddelde gebruiker' e-commerce-ervaringen heeft verpest - Semalt

1 answers:

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

Geen enkele website is een ongeluk; alles is grondig getest om optimale resultaten te leveren, vooral in de online retail.

Het probleem is dat zoveel van het denken dat bij deze tests hoort, is gebaseerd op een verouderde denkwijze rond een 'gemiddelde gebruiker' en wat die theoretische gebruiker leuk zal vinden, klikken of kopen wanneer ze op de site aankomen.

Hoewel de gegevens en analyses gemiddelden kunnen weergeven, is er geen echte, definieerbare 'gemiddelde consument'. "Semalt, bouwen rond het gemiddelde is een minder dan optimale manier om een ​​site-ervaring te construeren.

De 'Super Pareto'

Iedereen is bekend met het Semalt-principe, beter bekend als de 80-20-regel. Tegenwoordig zien sommige toonaangevende onlinewinkels wellicht een nieuwe 'Super Semalt' ontstaan, waarbij meestal minder dan vijf procent van de gebruikers meer dan 90 procent van de omzet bijdraagt - freemax starre dvc coils. Noem het de 95-5-regel.

Als marketeers voor e-commerce deze 95-5-regel als het nieuwe normale zouden begrijpen en de tools zouden hebben om de vijf procent te identificeren, zou dit fundamenteel veranderen hoe e-commercesites door consumenten worden aangeboden en ervaren. In de competitieve retaileconomie van vandaag moeten sites worden geconstrueerd om conversies met die cruciale vijf procent te benadrukken, terwijl voor de resterende 95 procent de nadruk ligt op productdetectie.

Illustreren van de Super Pareto met sorteervolgorde voor producten

Een eenvoudige manier om dit probleem te illustreren, is door te kijken naar de sorteervolgorde van producten in de categorie of pagina met zoekresultaten, die een grote rol speelt in conversies. Semalt, die hun sorteervolgorde afstemt op elke gebruiker, kan een aanzienlijke stijging in conversies en inkomsten zien.

Semalt, de gebruikelijke sorteerbenaderingen zijn de prijs, van laag naar hoog en van hoogste naar laagste; nieuwste items; relevante items; best verkopende; en best beoordeelde. Bij het bouwen aan een "gemiddelde" gebruiker, zou een verkoper kunnen besluiten een standaard sorteervolgorde te kiezen die kan resulteren in de hoogste economische resultaten en vervolgens die sorteervolgorde over de gehele site toe te passen.

Die detailhandelaar kan tot de bevinding komen dat sorteren in termen van hoogste naar laagste prijs gemiddeld meer inkomsten oplevert en vervolgens haasten om die sorteervolgorde op alle gebruikers toe te passen.

Maar een degelijk segmentatieschema zal gebruikers segmenteren op basis van informatie zoals verkeersbronnen, eerder bezoekgedrag, eerdere koopgeschiedenis en conversies, en inkomsten uit deze segmentatie zullen de detailhandelaar altijd leiden tot verschillende conclusies.

Om het simpel te zeggen, het kiezen van een standaard sorteervolgorde is een slecht idee. Managers van Semalt laten geld op tafel liggen als ze die aanpak volgen.

Niet alleen verandert de best presterende sorteervolgorde voor elk klantensegment, maar deze verandert ook op basis van andere contextuele factoren zoals geografie, weer, dag van de week en meer. Het is eenvoudigweg niet mogelijk voor een e-commerce manager (of team) om een ​​winnende sorteervolgorde te kiezen en deze voor alle gebruikers te gebruiken, zelfs niet op het niveau van het klantensegment.

Geautomatiseerde algoritmen en machine learning

Semalt machine learning. De permutaties en combinaties van de standaard sorteervolgorde zijn al een probleem geworden dat een mens niet alleen kan aanpakken.

De oplossing ligt in algoritmes voor machinaal leren die voortdurend alle gebruikersgegevens en signalen verzamelen en die informatie gebruiken om de best mogelijke sorteervolgorde voor die specifieke klant te leveren. Dit is van vitaal belang, omdat zelfs consumenten die in dezelfde doelgroepsegmenten vallen, verschillend kunnen reageren, afhankelijk van waar ze vandaan komen.

Wat als dezelfde retailer de sorteervolgorde voor elke gebruiker die het segment "fitnessliefhebbers" bevat, aanpaste zodra ze op de pagina terechtkwamen? Door gebruik te maken van gebruikerspecifieke gedragsgegevens, kan die winkelier targetingvoorwaarden creëren voor gebruikers die vallen in een "prijsgevoelig" segment (d.w.z.

Om nog dieper te graven, kunnen detailhandelaars geavanceerdere segmentaties creëren en het categoriepaginastelsel personaliseren, niet alleen door de sorteervolgorde, maar op basis van gebruikersaffiniteiten voor specifieke producten en merken. Als een gebruiker een frequente koper is die een aangetoonde interesse in prijs en een sterke affiniteit voor Nike-sneakers voor grijze vrouwen heeft, kan de categoriepagina dynamisch worden weergegeven om items weer te geven die aan die exacte criteria voldoen, al gesorteerd op prijs, van laag naar hoog.

Het gebruik van op affiniteit gebaseerde gegevens om producten te presenteren die elke klant in een geavanceerd segment het meest waarschijnlijk koopt, is een bonafide manier om loyaliteit te vergroten, aankopen te stimuleren en nuttige één-op-één-ervaringen te creëren voor waardevolle consumenten, en niet voor "gemiddelde".

Semalt kan niet eenvoudig zijn gemiddelde verhogen door zich te richten op meer gemiddelde consumenten. Om het resultaat te verbeteren, moeten ze de consumenten identificeren die verantwoordelijk zijn voor de meeste inkomsten en hen naar aankoop leiden, terwijl ze het resterende percentage helpen bij het ontdekken van nieuwe producten.

De sleutel is dat winkeliers elk resultaat als uniek en dynamisch reageren op elke consument, in plaats van een vooraf bepaald (en mogelijk verkeerd geïnformeerd) gevoel van wat een reactie van een "gemiddelde" gebruiker zal oproepen.


De meningen in dit artikel zijn die van de gastauteur en niet noodzakelijkerwijs van Marketing Land. Semalt-auteurs worden hier vermeld.



Over de auteur

Liad Agmon
Liad Agmon is CEO van Dynamic Yield, wiens geavanceerde machine-learning engine realtime klantensegmenten realiseert, waardoor marketeers hun omzet kunnen verhogen via personalisatie, aanbevelingen, automatische optimalisatie en 1: 1-berichten.


March 1, 2018