Crea experiencias con las que es más probable que el usuario interactúe ahora y a medida que sus preferencias cambien con el tiempo usando audiencias basadas en la afinidad.
Publicado: 12 de septiembre de 2019 | Actualizado: 9 de julio de 2020
Cada interacción del usuario con un sitio o aplicación proporciona señales valiosas sobre sus preferencias e intención. Si un usuario agrega un artículo a su carrito, podemos suponer un interés en algunos o todos los atributos asociados con el producto en particular en cuestión. Y en combinación con el significado y la novedad de la interacción, puede permitir a las empresas crear experiencias con las que es más probable que el usuario interactúe y reconocer mejor los cambios en las preferencias del usuario a lo largo del tiempo.
Sin embargo, gran parte de los valiosos datos de navegación descritos anteriormente no se han utilizado en absoluto. Demasiado complejo para desenredar y actuar a medida que los visitantes Become expuestos a una gama más amplia de marcas, colores, estilos, precios y más, las correlaciones importantes entre el producto con el que un usuario está interactuando y sus muchos atributos terminan siendo omitidas.
Para solucionar esto, Dynamic Yield ahora recopila, analiza y calcula automáticamente estos datos para crear perfiles de afinidad únicos para cada individuo en tiempo real. A su vez, los especialistas en marketing pueden utilizar estos nuevos segmentos de usuarios sofisticados a través de la web, dispositivos móviles, aplicaciones y correo electrónico, así como en plataformas externas de terceros como DMP, herramientas de BI, DSP y más.
Hemos estado en el juego durante un tiempo, y nuestras capacidades de personalización basadas en afinidad están creciendo para admitir aplicaciones nuevas y emergentes a medida que evoluciona el proceso de modelado de afinidad.
Nuestro motor de recomendaciones aprovecha la interacción directa con los atributos del feed de productos, utilizando datos agregados a través de perfiles de afinidad enriquecidos para ofrecer las variaciones de experiencia y productos más adecuados a cada visitante. También proporcionamos múltiples métodos y algoritmos para impulsar la forma en que se personalizan estas recomendaciones, lo que permite a los equipos emplear aprendizaje profundo y redes neuronales, así como probar y optimizar continuamente una combinación de puntuaciones de afinidad y popularidad para satisfacer mejor sus necesidades.
Y las puntuaciones de afinidad que impulsan estas recomendaciones no se quedan ocultas tras muros de pago. Con nuestra API de perfil de cliente unificado, este historial de actividad en línea puede alimentarse a través de Dynamic Yield o en cualquier otro sistema, como un chatbot, un televisor inteligente, una aplicación de atención al cliente y más, para la creación de otras experiencias altamente personalizadas.
Por ejemplo, al utilizar nuestra herramienta Perfil de afinidad, un nuevo usuario que llega a un sitio por primera vez tendría un estado de afinidad vacío.
En el transcurso de la sesión, la puntuación de afinidad del usuario comenzaría a poblarse, con acciones y comportamientos importantes como visitar una página de producto o agregar un artículo al carrito contribuyendo al cálculo. Los valores principales se agrupan de acuerdo con las diversas señales de intención para una vista de alto nivel que muestra qué interacciones tienen el mayor significado.
Además, los especialistas en marketing pueden optar por profundizar en el perfil completo del usuario, analizando cada uno de los valores y atributos capturados para comprender mejor la naturaleza de las interacciones realizadas a lo largo del tiempo. Por ejemplo, cómo es la puntuación de una persona para productos de mujer frente a los del hogar.
Y dado que el perfil de afinidad está vinculado a un feed de productos, facilitamos la exploración del catálogo de una marca, ofreciendo sugerencias útiles para recomendaciones basadas en un algoritmo personalizado o un enfoque basado en la popularidad.
Hasta ahora, si un especialista en marketing quería dirigirse a una audiencia de personas con una gran afinidad, por ejemplo, hacia la categoría «running», tenía que definir arbitrariamente la composición de ese segmento a través de una serie de condiciones de segmentación. Basándose en las interacciones históricas, podrían ser visitantes que vieron 3 artículos o productos de running en la última semana y cuyo valor promedio de pedido (AOV) fue superior a $75.
Con las condiciones basadas en la afinidad, los visitantes con preferencias por marcas, colores, categorías y otros atributos específicos del catálogo de productos pueden segmentarse y orientarse automáticamente sin tener que crear la audiencia manualmente.
Algunos casos de uso de cómo los equipos aprovechan los perfiles de afinidad para la creación de experiencias altamente específicas incluyen:
Además, puede desglosar cualquier informe de campaña basado en segmentos de afinidad, y hacer que la solución Predictive Targeting de Dynamic Yield analice e identifique continuamente oportunidades para ofrecer el contenido más relevante para cada segmento de audiencia por afinidad.
La personalización basada en la afinidad abre un mundo completamente nuevo de posibilidades y les da a las marcas el poder de aprovechar lo que saben sobre sus clientes, algo que antes no podían hacer. Nos entusiasma lo que traerá el futuro y esperamos que sigas al tanto mientras ampliamos nuestra oferta en esta área.