Brug af primære målgrupper i praksis – en begynderguide

Tiden er inde til at samle alt det, du har lært af tidligere artikler i hubben, og føre dit primære målgruppe-baserede personaliseringsrammeværk ud i livet, så du regelmæssigt kan indsamle meningsfuld læring og bruge den til at forme dine indsatser på lang sigt.

Denne vejledning fungerer som en opsummering af de to kernetyper af målg룹baserede tester og skitserer derefter en trinvis proces for begyndere til at køre et par indledende personaliseringskampagner. Disse starter med A/B-testvarianter mod en kontrolgruppe for at se, hvilken der performer bedst for hver af dine primære målgrupper – fund, der fungerer som udgangspunkt for yderligere optimering af den digitale oplevelse for hvert segment.

Forståelse af dine primære målgrupper og opnåelse af værdifuld indsigt med henblik på vedvarende succes med personalisering kan opnås ved at køre to forskellige typer eksperimenter, som bør bruges i tandem for at opnå de bedste resultater.

Disse er:

Produktanbefalinger er en af de mest ligetil former for personalisering og en kampagnetype, der bør betragtes som et fast element på sitet, og de udnytter dataindsigt, realtidskontekst og samlede købstendenser til at præsentere skræddersyet indhold eller produkter.

En række globale, kontekstuelle og personlige produktanbefalingsstrategier kan bruges i hele tragten til at fremskynde en besøgs samlede tid til køb. F.eks. på forsiden for at fremskynde produktopdagelsen og forbedre nettets navigationsevne. Eller længere nede på produktoplysningssider (PDP'er) og i indkøbskurven for at hjælpe med mersalg og skabe konverteringer uden at brugerne behøver at forlade siden i øjeblikke med høj købshensigt (hvilket typisk er områder, der er ansvarlige for den største omsætning).

Alt fra de implementerede anbefalingsstrategier til widget'ens udseende og virkemåde (herunder eventuelle meddelelser) helt ned til websteds- eller sidelokationen bør ikke kun testes, men også optimeres regelmæssigt for at opnå de bedste resultater pr. primær målgruppe.

Et websted er fyldt med indholdselementer som billeder, brødtekst, opfordringer til handling (CTA'er), salgsfremmende moduler og mere, der typisk er statiske af natur, men klar til personalisering baseret på sammensætningen af en bestemt primær målgruppe.

Eksempler på indholdskampagner omfatter tilpasning af forsidens hovedbannere, personalisering af stedets navigation (på desktop og mobil), visning af tidsfølsomme kampagner, indarbejdning af beskeder om socialt bevis på produktsider eller andre steder og endda ændring af tekst på inaktive browserfaner.

Mulighederne er uendelige, hvad angår de forskellige webkomponenter, der er til rådighed til test. Ikke desto mindre bør teams altid have virkning, indsats og skala i baghovedet, når de prioriterer idéer.

Nedenfor er der en strømlinet proces, du kan følge, som vil hjælpe dig med at etablere dine primære målgrupper og bruge dem til at lancere og analysere dine første få personaliseringskampagner, én produkttest af anbefalinger og én indholdstest:

1. Opret et sæt primære målgrupper

2. Udfør en A/B-test med produktanbefalinger

3. Udfør en A/B-test af indhold

4. Analysér testresultaterne for hver af dine primære målgrupper

5. Lancér nye tests baseret på dine hypoteser

Lad os begynde.

Obligatorisk læsning: Valg af en række primære målgrupper.

Dine primære målgrupper er de fundamentale segmenter, der udgør grundlaget for din forankrede personaliseringsstrategi. De forenkler dit personaliseringsprogram uden at gå på kompromis med effektiviteten. Ved at indføre dem bør det blive nemmere at skalere dine indsatser.

Da de er tiltænkt at være stedsegrønne og varige segmenter, selv i takt med at din virksomhed udvikler sig, er det derfor af yderste vigtighed at være omhyggelig og tage sig den nødvendige tid til omhyggeligt at identificere disse kernegrupper.

Deres valg bør starte med at vælge en primær websteds-KPI, der skal optimeres mod baseret på jeres branche og forretningsbehov. Derefter skal I vurdere jeres dataindsigt for at afdække mønstre, der er knyttet til fuldførelsen af KPI-hændelsen, og bruge dem som et segmenteringsprincip til at opdele et sæt målgrupper i 2-4 forskellige grupper. Disse grupper skal dække 100 % af din webstedstrafik, og hver gruppe skal dække mindst 10 %. 

Målet med denne proces er at etablere en standardiseret universel linse til at undersøge din brugerbase og resultaterne af dine tests. Med en grundlæggende forståelse af din målgruppe kan du begynde at udnytte eksperimenter til at udvide din viden ved at anvende nyvunden indsigt på fremtidige tests, der indkredser din primære KPI for hver målgruppe, hvilket yderligere forbedrer kundeoplevelsen.

Obligatorisk læsning inden da: Kom i gang med test og personalisering af produktanbefalinger.

Før du lancerer dine første tests, skal du sørge for, at de opfylder disse fire betingelser. Her er tre tests, der gør det!

Et godt sted at blive fortrolig med at implementere og analysere en grundlæggende personaliseringstaktik er at tilføje en anbefalingswidget til dine PDP'er og teste to forskellige algoritmer op imod en kontrolgruppe for at sammenligne resultater.

Det er vigtigt at huske på, at en enkelt strategi ikke passer til alle besøgende, da nogle besøger dit websted direkte og browser flere gange om ugen, mens andre kan være førstegangsbesøgende, der er ankommet via en søgemaskineforespørgsel. En stærk produktanbefalingsmotor vurderer de tilgængelige dataindsigter for en specifik besøgende og implementerer den mest hensigtsmæssige strategi baseret på kontekstuelle indikationer (aktuel side, henvisende URL osv.), forbrugstendenser og meget mere for at drive handling. 

Videre til udførelsen af vores test, som omfatter:

1. Valg af to algoritmer til test mod hinanden (samt en kontrolgruppe)

2. Selvom vinderne kan variere meget afhængigt af brandet, brugerbasen og målgruppen, er "Lighed" ("Similarity") og "Set sammen" ("Viewed Together") nogle grundlæggende indledende algoritmer, man kan prøve på PDP'en

3. Lad kampagnen køre i mindst to uger for at nå statistisk signifikans, hvor der fordeles lige stor trafik til hver variation og kontrolgruppen, før der anvendes en tærskel på 80 % til måling af sandsynligheden for at være den bedste (P2BB) 

4. Analysering af resultaterne af A/B-test for hvert segment for at se, hvilken målgruppe der foretrækker hvilken algoritme til brug i fremtidige anbefalingstests

Når du udfører fremtidige anbefalingstests for hvert segment inden for dine primære målgrupper, skal du huske at tage sidetytypen og stadiet i kunderejsen i betragtning. Hvis dit segmenteringsprincip f.eks. er købshensigt (målt ved sidevisninger), giver det mening, at besøgende med færre dataindsigter (lav hensigt) modtager generiske rangeringsanbefalinger såsom "Mest populære". Hvorimod tilbagevendende brugere med flere dataindsigter fra sidevisninger bør præsenteres for kontekstuelt baserede produktanbefalinger.

Du kan få mere at vide om teknikker, strategier og bedste praksis i denne produktanbefalingsvejledning.

Social proof-budskaber kræver minimal indsats hvad angår implementering, men kan have en enorm indvirkning på KPI'erne, og derfor anbefaler vi det som den første indholdstest.

Selve konceptet "social proof" handler om gruppepres' indflydelse. F.eks. indgyder positive kundeanmeldelser og bedømmelser en følelse af tillid i købsbeslutningen. Fremhævelse af produktefterspørgsel bekræfter den besøgendes egen tankegang om også at købe det, og fremvisning af det resterende lager af et bestemt produkt kan skabe en fornemmelse af haste.

Videre til udførelsen af vores test, som omfatter:

1. Valg af en kvantitativ faktor til at udløse testen af indhold med social proof
   • Dette hjælper med at fortælle historien om et givet produkts opfattede værdi på et bestemt tidspunkt, såsom antallet af seneste køb, sidevisninger eller endda det resterende lager 
   • Antallet af sidevisninger eller køb for et givent produkt er let for besøgende på sitet at forstå og nemme at integrere, så lad os starte der     
2. Bestemmelse af en tærskel for din kvantitative faktor, der udløser kampagnen med social proof
   • Dette bør betyde noget for en forbruger, da en enkelt produktvisning eller et enkelt køb på en given dag sandsynligvis ikke vil efterlade et indtryk 
   • Grænsen bør kvalificere tilstrækkelige produkter og dataindsigter til at drage en konklusion – et enkelt produkt med 10.000 produktvisninger vil give ekstremt begrænsede resultater 
3. Valg af en tidsperiode for din tærskel
   • Hvad giver mest mening for din virksomhed, dine produkter og potentielle købere: en dag, en uge eller en måned? 
   • Vi anbefaler at starte med runde tal som 200 visninger på en dag eller 1.000 visninger på en uge 
4. Lad kampagnen køre i mindst to uger for at opnå statistisk signifikans efter de samme regler som testen af produktanbefalinger for at vurdere den bedste variation
5. Analysering af resultaterne for hvert segment for at bemærke indvirkningen af indholdet med social proof på konverteringer (vi bruger køb pr. bruger)

I likhed med kampagnen med produktanbefalinger bør dine fremtidige budskaber om social proof være rettet mod dine primære målgruppers motivationer og hensigter. Indholdstestens budskaber og de kvantitative oplysninger, du viser (f.eks. solgte produkter eller the viste sider), vil være forskellige for hver enkelt målgruppe. F.eks. bør nye brugere med ukendt hensigt se produktanmeldelser fra tilfredse kunder for at opbygge interesse, mens en tilbagevendende bruger med høj hensigt måske kun behøver et lille skub for at konvertere og bør se meddelelser om lavt lagerbeholdning, der skaber hastesag og købsadfærd.

Du vil gerne analysere resultaterne for alle dine primære målgrupper for at se, hvordan indholdet klarede sig for hvert enkelt segment. Dette vil gøre det lettere for dig at optimere hurtigt, når du har opdaget værdifuld dataindsigt.

Når du har lanceret dine første kampagner, skal du analysere resultaterne ud fra dine primære målgrupper for at fastslå den vindende variation for hvert segment.

Stil dig selv følgende spørgsmål:

• Hvilken variation klarede sig bedst baseret på den primære måling?

• Hvis resultatet var negativt eller medførte en tilbagegang, kan placeringen, indholdet, CTA'en / manglen på en CTA eller et hvilket som helst andet element have spillet en rolle? 

• Hvorfor kan en variation have genklang (eller ej) hos det primære publikum baseret på det, du allerede ved om dem?

• Hvilke budskaber vil mon resonere bedre hos de primære målgrupper?

• Hvad kan du teste næste gang for at få større klarhed om hver målgruppe?

Brug disse overvejelser til at fastfryse en målgruppeindsigt og underbygge den hypotese, der skal sættes på prøve i jeres næste eksperimenter. 

Når du har opnået indsigt fra de første kampagner for hvert målgruppesegment, har du et forhøjet udgangspunkt for at lancere fremtidige tests.

Lad os f.eks. sige, at du finder ud af, at brugere med lav intention (en af dine primære målgrupper) foretrak lignende produkter i PDP-anbefalingerne. Dette resultat kan føre til, at du tror, de er mere interesserede i at lære om en bestemt stil af produkter frem for det, der er blevet vist sammen med det. Et naturligt næste skridt ville være at finpudse din brug af lighedsalgoritmen for målgruppesegmentet med lav intention i widgetten til PDP-produktanbefalinger.

Og så begynder kampagneidéudviklingsprocessen forfra med ny indsigt anvendt som anden iteration af dine anbefalinger og indholdstests – denne gang for hver af dine primære målgrupper.

Der findes adskillige taktikker og strategier inden for begge kernetyper af målgruppe-baserede personaliseringstests, ud over PDP-anbefalinger og social proof. Når du kontakter en ny, skal du blot anvende den samme trinvis proces:

1. Vælg personaliseringskampagnen

2. Formuler en hypotese, der skal testes for hele dit publikum

3. Kør en A/B-test med en kontrolgruppe og to variationer

4. Lad testen køre i to uger (mindst) for at opnå statistisk signifikans, med ligelig trafikfordeling på hver variation og kontrolgruppen, før der anvendes en tærskel på 80 % til måling af sandsynligheden for at være den bedste (P2BB)

5. Analysér resultaterne ud fra hver af dine primære målgrupper

6. Institutionaliser og saml indsigterne fra hver enkelt test

Personalisering bliver aldrig helt færdig, da du altid er i stand til at lære mere om dit publikum. Implementering af ovenstående playbog giver dig mulighed for at begynde denne givende proces, så du ikke blot kan forbedre kundernes oplevelse, men også løbende kan optimere dine resultater.