Персонализация веб-сайта услуги

В связи изменениями от случайных браузера заинтересованным перспективы, а затем активного покупателя, веб сайт может собрать целый комплекс личных предпочтений, планы, penchants и грешки. Вам нужно лишь спросить. Соединение этой информации с данными в автономном режиме от обследований и коммерческим базам данных, теперь у вас есть шанс построить полностью портрета каждому клиенту. Насколько сбалансированной ваш портрет?

В конце концов, вы должны решить, какие величины определение подходит вам лучше всего. Разве достаточно знать следующее по поводу определенного типа посетителей? :

• Заинтересованы в продукт А

• работ в промышленности B

• В компании, размер C

• Является перехода через процессе аттестации на уровень D

Или, чтобы продавать больше, быстрее, по более высокой прибыли, это значительно повысило на нижней строке, если вы также знать следующее о своем? :

• А магазины типа E (Отважный исследователь)

• Рецензии в разделе F с частотой рейтинг G

• H Веарс размер обуви

Ведь, насколько ценным является, что вы знаете, что покупателям нравится зеленый болот - просвирник спутников в их Райс Чекс?

Хотя большой объем данных элементов является наиболее важным фактором в вашем персональном профиле глубины рейтинга, каждый элемент должен быть взвешены в соответствии с ее стоимостью. Клиент идентификационный номер не вес вообще, поскольку один неотличим от следующей. Обычно собранная информация о клиента (имя, адрес, номер телефона) имеет решающее значение, но имеет малый вес, поскольку это не полезно.

Виды информации о клиентах

Осуществимое информация касается клиента predilections, покупка истории, и объявил интересов. Будьте уверены, что вы правильно взвешивать скрытые, внешние, и фактическая информация:

• Косвенные: Он рассчитывает на те страницы, тем он должен быть заинтересован в этих пунктов.

• Откровенное: Он заполнил обследования и сообщил нам, он был заинтересован в этих пунктов.

• Факт: Он рассчитывает на те страницы, и купил эти пункты. Веб-сайт посетителей вам прямо информации, и Вы косвенно извлечь информацию. Например, клиент может сказать, он любит чтение биографии и хочет Amazon.com по электронной почте уведомления о знаменитых деятелей в европейской истории. Но если он покупает книги о собак, Amazon знает, что бы его рекомендацию список. Смотрю то, что клиенты действительно намного больше, чем чтение того, что они говорят. И это свидетельствует в пути, что не обязательно иметь смысла.

Предположим, что база данных показывает, что посетители, магазины для электрических razors также личные покупки компакт-дисков, либо посетителей, прочитать подробные спецификации на поверхности горного и строительного оборудования редко заинтересованы в продление гарантии информацию. Разве это те корреляции маркетинга mavens собираемся выступить в дискуссий? Их количество не имеет никакого смысла, но они верно. Итак маркетинга mavens иметь новую datapoint работать с, а также систем за кулисами имеют способность действовать на информацию в реальном времени.

Помимо весом элементов данных, независимо от того, объявлены они или получены, их стоимость должна учитывать свежести и результаты. Зная соотношение между электрическим razors и личных компакт-дисков - это первый шаг, используя информацию, что является второй, и оценки результатов такого использования является наиболее важным.

Данные чистки

Жители до управление взаимоотношениями с клиентами означает обеспечение того, чтобы информацию, используемую в системах маркетинга и обслуживания клиентов представителей свежие, нынешнего, и точной. Это означает, что вместе чего данные из многих систем, и это означает, что узнать, как получить все, что данные смотреть так.

Данные нормализации, как правило, применяется в формате информации, которая вводится в систему. Ли среднего первоначального нести период? Ли номер телефона включают скобках или тире? Является ли индекс пять цифр или девять? Есть дефиса в середине? Но в эти дни CRM, чистка данных выходит далеко за знаки препинания.

Допустим, у вас есть контакт продаж системы управления, один счетов-фактур системы и базы данных обслуживания клиентов в каждом из четырех отделов. Скажем, Джон Смит отправляется сообщение с <JohnSmith@Yahoo.com>. Какие John Smith это?

Вам нужно несколько точек сравнения. Может <JohnSmith@Yahoo.com> упустили, что он возникли проблемы с вашим продуктом, когда он был в Калифорнии в первый раз. Вы сможете устранить все Джона Смитс, которые живут в Калифорнии. Возможно, он отметил, что продукт или услугу Вашей помощью он. Возможно, он включает его номер телефона в его электронный файл подписи. Это может подсказать вам нужно определить этот Джон Смит из twentyseven других в базе данных.

Данные чистки посвящен проверке и подтверждении достоверности информации. Если вся Джон Смитс отформатированные в том же, вы до хорошее начало. Если ни один из Ваших John Smith отчеты были проверены более 6 месяцев, стоимость их ухудшается. Я пытаюсь четко отображают ряд проблем, которые не легко и не быстро решить. Если она будет стоить столько и создать такую боль, как вы идете по поводу измерения стоимости всех этих возможностей? Вопрос о том, является ли стоимость сбора и обработки информации, стоит ценим Вас от получения информации, меньше боли причинить вам ваши клиенты в своей коллекции.

Персонализация Коэффициент

Д-р Камран Parsaye, президент разведки продовольственный, Inc и автор интеллектуальных баз данных и средства Applications (Джон Wiley и сыновья ", 1993) написал белой бумаге под названием" PQ: В Персонализация Коэффициент на сайт. " На данный момент документ можно найти в Интернете (www.kellen.net/ect586/personalization_parsaye.pdf), хотя компания Parsaye работал в, когда он писал его (NovuWeb) не может.

В своем документе Parsaye сделал героические попытки создать "основы теории мера, как персональная система с точки зрения Персонализация Коэффициент (PQ) и иллюстрации того, каким образом теория может быть использована для улучшения электронных услуг." Концепция персонализация видимости затем используется для оценки того, насколько персональной системы действительно.

В этом документе, д-р Parsaye различие между обезличенными систему, которая обрабатывает все одинаково, и полностью персонализированные системы, которая корректирует его поведение конкретных пользователей. В безличный система имеет PQ нулевой, поскольку он предоставляет те же статические ответ всем пользователям, независимо от их характеристик.

Персонализация проявляется, как реакция на индивидуальную информацию, и д-р Parsaye делит персонализации в трех областях - настройка, индивидуализации и groupcharacterization. Настройка старейших и временами просто адрес. Она позволяет устанавливать определенные настройки, например, запасы нужно отслеживать, тип новостей вы хотите видеть, цвета вы хотите установить на экране и т.д. Индивидуализация выходит за рамки этой фиксированной настройки и использования моделей вашего собственного поведения (а не любого другого пользователя) для оказания конкретного содержания для Вас. [Например], если вы выбрали много по финансовым вопросам пунктов, а не на спорт, она покажет вам больше финансовых новостей, а не спортивных новостей, без вашего просить за него. В групповой характеристике вы получите рекомендации на основе предпочтений людей, "как" вы, например, книги могут быть рекомендованы к Вам на основе книги распоряжению людей с похожими интересами. Подходы на основе совместной фильтрации случае основе аргументации и т.д. сосредоточиться на группы - характеристика измерения.

• PQ: В Персонализация Коэффициент принимает все три эти вопросы во внимание.

Она состоит из трех отдельных компонентов, PQ1, PQ2 и PQ3, где:

PQ1 меры способности системы настроить пунктов.

PQ2 меры способности системы использовать индивидуальные настройки.

PQ3 меры системы, способность работать с группой на основе предпочтений.

Тогда мера PQ как среднее из этих двух элементов, а именно:

PQ = (PQ1 + PQ2 + PQ3) / 3

Здесь каждый PQ1, PQ2 и PQ3 будет число между 0 и 100. Система с PQ из 100 полностью персонализированные, в то время как системы с нулевым PQ абсолютно обезличенными.

Д-р Parsaye затем описывается создание конечной профиль посетитель сайта:

Один из способов представлять и мера сходства пользователей и клиентов в плане ДНК строк или атрибут векторов.

А ДНК строка для Интернет пользователей - это набор строки чисел между 0 и 9, например, строка 1309735183291. Каждое целое здесь показывает относительную ценность некоторых признаков, например, скоринг одна 8 или 9 на "sportspage" индикатор означает, что вы мнение многих спортивных связанных страниц, а 0 означает, что вы никогда не появится таких страниц на всех . Кроме того, по другим целые строки могут рассказать нам о том, как посетить сайт и как Вы нажмете на счет баннерной рекламы - все в относительном выражении. Аналогичным образом, мы можем определить ДНК строка для веб-страниц с рассмотрения компонентов, которые составляют его. Например, количество баннеров и тип баннеров.

Он делает вывод, предложив "Интересное направление усовершенствования, которые будут измерять сравнительный PQ двух систем."

Затем он wanders покинуть в мире, где только математиков осмеливается протектора в скольжение на некоторые серьезные формул таких, как: PQ3 (U, P) = 100 / максимум ((ä U / ä P), (ä P / ä U)). Но как нам фактором, в результате боль на сайт посетитель, затем вокруг от страницы к странице в cookie и просил дать заключение о том жизни женщины выполняется только если она может стать счастливым домом для ее семьи? Вот где персонализация индекс заходит дюйма

Персонализация Индекс

Совокупность профиль элементы практически безграничной, охватывающей знакомые предметы, такие, как фамилия и адрес предприятия, технические понятия, такие, как адреса и скорости подключения, а домен - конкретные характеристики поровой от размера (для косметики) для жизни риска (страхования) . При добавлении дополнительных профильной информации, электронный бизнес менеджеры способны двигаться перспективы и клиентов через четыре этапа электронной клиента понимание, превращая категорию 1 анонимных пользователей в отличие, в реальном мире категории 4 человек.

Сбор информации - это одно. Использование ее в разумное время - это совсем другое. В персонализации индекс (PI) различие, насколько хорошо вы используете данные, которые вы сбора. Этот индекс является показателем того, насколько эффективно электронного бизнеса рычагов этого клиента данных.

Если ИП выше 0,75, то вы выполняете большинство информации вы сбора. Это означает, что ваши усилия не будут напрасными, ни тех клиентов, которые предоставляют сырье.

В предыдущих предполагает, что вы используете значительное количество элементов сделать персональную Web опыта. Если Вы только двух элементов сбора и использования их так, ваше ИП балл может быть 1,00, но здесь это означает, вы только собирается, поскольку сегментация рынка, а не персонализация - you're только группы ваших потенциальных клиентов и покупателей в широкие категории . Хотя полезным, широких категорий, не столь мощные, как верно персонализации на основе десятков атрибутов.

Когда вы собираете все больше и больше элементов, можно классифицировать пользователей все больше и больше кластеров, и широкой сегментации приблизилась к персонализации. Здесь можно начать с укрепления отношений с клиентами и превратить его в лояльности отношений, существенно увеличить издержки для клиента перейти к другому поставщику.

Если ИП меньше, чем 0,30, то Вы сбора дополнительной информации, чем вы используете. Хорошей новостью является то, что у вас имеется огромный неиспользованный резерв мер, данные о ваших клиентов. Плохие новости заключаются в том, что данные лежали под паром и, вероятно, получить быстро устарела. Вам нужно либо начать использовать данные, у Вас более эффективно или сократить, насколько четко данные, которые вы пытаетесь получить. Скорее всего, правильный ответ - оба. Вы крутиться колеса вашей сбора информации, но вы не используете это на благо клиентов, что отрицательно сказывается на ваших клиентов опыт.

Это наиболее спада к низкой видимости персонализации. Все, что время и усилия, которые Вы силу своих клиентов к инвестированию даю вам информацию - это отходы. Они получают ничего из нее. Даже когда этот процесс простым, как сканирование ключевым цепи фоб в продовольственном магазине, то еще никакой реальной ценности для клиента. Зачем утруждаться? Почему они делать, время? На данном этапе мы, наконец, привлекла, попадаете, убедили, и пересчитываются, что неизвестные перспективы в известных клиентов. Можем ли мы получить этого клиента вернуться?