Så omsätter du primära målgrupper i praktiken – en nybörjarguide

Det har blivit dags att sammanföra allt du har lärt dig från tidigare artiklar i navet och omsätta ditt primära målgruppsbaserade personaliseringsramverk i praktiken, vilket gör att du regelbundet kan samla in meningsfulla insikter och använda dem för att forma ditt arbete på lång sikt.

This guide will act as a recap of the two core types of audience-based tests and then outline a step-by-step process for beginners to run a few initial personalization campaigns. These start with‪f A/B testing ‪fvariations against a control to see which performs best for each of your primary audiences — the findings of which serve as a jumping-off point for further optimization of the digital experience for each segment.

Genom att köra två olika typer av experiment – som bör användas tillsammans för bästa resultat – kan du förstå dina primära målgrupper bättre och få värdefulla insikter för framgångsrik och fortlöpande personalisering.

De är:

Produktrekommendationer är en av de enklaste formerna av personalisering och en kampanjtyp som bör ses som ett stående inslag på webbplatsen. De utnyttjar datainsikter, kontext i realtid och aggregerade köptrender för att presentera skräddarsytt innehåll eller produkter.

Ett stort antal globala, kontextuella och personaliserade produktrekommendationsstrategier kan användas genom hela tratten för att förkorta en besökares totala tid fram till köp. Till exempel på startsidan för att påskynda produktupptäckten och förbättra webbplatsens navigerbarhet. Eller längre ned på produktsidorna (PDP:er) och i kundvagnen för att underlätta merförsäljning och öka konverteringen utan att användarna behöver lämna sidan i stunder med hög köpintention (som vanligtvis är områden som står för de största intäkterna).

Allt från implementerade rekommendationsstrategier till widgetens utseende och känsla (inklusive eventuella meddelanden) ända ner till webbplats- eller sidplacering bör inte bara testas utan regelbundet optimeras för bästa resultat per primär målgrupp.

En webbplats är full av innehållselement som bilder, text, uppmaningar (call-to-actions, CTA), kampanjmoduler och mycket annat som vanligtvis är statiska till sin natur men redo för personalisering baserat på sammansättningen av en viss primär målgrupp.

Exempel på innehållskampanjer omfattar att anpassa startsidans huvudflikar, personalisera webbplatsnavigeringen (på dator och mobil), lyfta fram tidsbegränsade kampanjer, integrera budskap om social bekräftelse på produktsidor eller på andra platser samt att göra textändringar på inaktiva webbläsarflikar.

Det är bara fantasin som sätter gränser när det gäller de olika webbkomponenter som finns tillgängliga för testning. Team bör dock alltid ha effekt, ansträngning och omfattning i åtanke när de prioriterar idéer.

Nedan följer en förenklad process att följa som hjälper dig att fastställa dina primära målgrupper och använda dem för att lansera och analysera dina första personaliseringskampanjer: ett test av produktrekommendationer och ett innehållstest.

1. Skapa en uppsättning primära målgrupper

2. Genomför ett A/B-test för produktrekommendationer

3. Utför ett A/B-test för innehåll

4. Analysera testresultaten för var och en av dina primära målgrupper

5. Lansera nya tester baserat på dina hypoteser

Nu börjar vi.

Förkunskapskrav: Välja en uppsättning primära målgrupper.

Dina primära målgrupper är de grundläggande segment som ligger till grund för din fast förankrade personaliseringsstrategi. De förenklar ditt personaliseringsprogram utan att göra avkall på dess effektivitet. Att använda dem bör göra det enklare att skala upp dina insatser.

Eftersom dessa segment är avsedda att vara bestående och långsiktiga, även när verksamheten utvecklas, är det avgörande att vara noggrann och ta sig tid att identifiera dessa kärngrupper omsorgsfullt.

Deras urval bör börja med att välja ett primärt KPI för webbplatsen att optimera för utifrån din bransch och dina affärsbehov. Utvärdera sedan dina datainsikter för att upptäcka mönster som är kopplade till den händelse som utgör KPI:et, och använd dem som en segmenteringsprincip för att dela upp en uppsättning målgrupper i 2–4 distinkta grupper. Dessa grupper bör omfatta 100 % av webbplatsens trafik, och var och en bör täcka minst 10 %. 

Målet med denna process är att upprätta ett standardiserat universalperspektiv för att granska din användarbas och resultaten av dina tester. Med en grundläggande förståelse för din målgrupp kan du börja utnyttja experiment för att utöka dina kunskaper och tillämpa nya insikter på framtida tester som fokuserar på ditt primära nyckeltal för varje målgrupp, vilket ytterligare förbättrar kundupplevelsen.

Förkunskapsläsning: Komma igång med testning och personalisering av produktrekommendationer.

Innan du lanserar dina första tester bör du se till att de uppfyller de här fyra kriterierna. Här är tre tester som gör det!

Ett utmärkt ställe att börja känna sig bekväm med att implementera och analysera en grundläggande personaliseringstaktik är att lägga till en rekommendationswidget på dina produktsidor (PDP) och testa två olika algoritmer mot en kontrollgrupp för att jämföra resultat.

Det är viktigt att ha i åtanke att ingen enskild strategi passar alla besökare, eftersom vissa kan besöka er webbplats direkt och surfa runt flera gånger i veckan, medan andra kan vara förstagångsbesökare som har hittat dit via en sökmotorsökning. En stark produktrekommendationsmotor utvärderar tillgängliga datainsikter för en specifik besökare och tillämpar den lämpligaste strategin baserat på kontextuella ledtrådar (aktuell sida, hänvisande webbadress osv.), utgiftstrender med mera för att uppmuntra till handling. 

Vidare till att köra vårt test, vilket omfattar:

1. Att välja ut två algoritmer som ska testas mot varandra (samt en kontrollgrupp)

2. Även om vinnare kan variera avsevärt beroende på varumärke, användarbas och målgrupp är ”Likhet” och ”Visades tillsammans” några grundläggande startalgoritmer att testa på produktsidan

3. Låta kampanjen pågå i minst två veckor för att uppnå statistisk signifikans, där lika mycket trafik fördelas på varje variant och kontrollgruppen innan ett tröskelvärde på 80 % används för att mäta sannolikheten för att vara bäst (Probability to Be Best – P2BB) 

4. Analysera resultaten av A/B-testet för varje segment för att se vilken målgrupp som föredrar vilken algoritm för användning i framtida rekommendationstester

När du kör framtida rekommendationstester för varje segment inom dina primära målgrupper ska du ha sidtypen och kundresans fas i åtanke. Om din segmenteringsprincip till exempel är köpintention (mätt i sidvisningar) är det rimligt att besökare med färre datainsikter (låg intention) får generella rankningsrekommendationer som ”Populärast”. Återkommande användare med fler data- och sidvisningsinsikter bör däremot få kontextdrivna produktrekommendationer.

Du kan läsa mer om tekniker, strategier och bästa praxis i denna guide för produktrekommendationer.

Social proof-meddelanden kräver liten ansträngning ur ett implementeringsperspektiv men kan få enorm effekt på nyckeltalen, vilket är varför vi rekommenderar det som ett första innehållstest.

Konceptet med socialt bevis i sig har att göra med inflytandet av grupptänkande. Till exempel skapar positiva kundrecensioner och betyg en känsla av förtroende vid köpbeslutet. Att lyfta fram produktefterfrågan bekräftar besökarens egen tanke på att också köpa den, och att visa upp det återstående lagret av en viss produkt kan skapa en känsla av brådska.

Vidare till att köra vårt test, vilket omfattar:

1. Välja en kvantitativ faktor för att trigga testet av social proof-innehåll
   • Detta bidrar till att illustrera en viss produkts upplevda värde vid en viss tidpunkt, till exempel antalet nyligen genomförda köp, sidvisningar eller till och med återstående lager. 
   • Antalet sidvisningar eller köp för en viss produkt är lätta för webbplatsbesökare att förstå och enkla att integrera, så låt oss börja där     
2. Fastställa en tröskel för din kvantitativa faktor som utlöser kampanjen med sociala bevis
   • Detta bör betyda något för en konsument, eftersom en enskild produktvisning eller ett köp under en given dag sannolikt inte kommer att lämna något intryck 
   • Tröskeln bör kvalificera tillräckligt många produkter och datainsikter för att man ska kunna dra en slutsats – en enda produkt med 10 000 produktvisningar ger extremt begränsade resultat 
3. Välja en tidsperiod för din tröskel
   • Vad är mest meningsfullt för din verksamhet, dina produkter och potentiella köpare: en dag, vecka eller månad? 
   • We recommend starting with round numbers like 200 views in a day or 1,000 views in a week 
4. Låt kampanjen pågå i minst två veckor för att nå statistisk signifikans, och följ samma regler som för testet av produktrekommendationer för att mäta den bästa varianten
5. Analysera resultaten för varje segment för att notera effekten av innehållet med sociala bevis på konverteringar (vi använder köp per användare)

I likhet med kampanjen med produktrekommendationer bör era framtida budskap om social bekräftelse inriktas på era primära målgruppers motivationer och avsikter. Innehållstestets budskap och den kvantitativa information som du visar (som sålda produkter eller visade sidor) kommer att skilja sig åt för varje målgrupp. Exempelvis bör nya användare med oklar avsikt få se produktrecensioner från nöjda kunder för att bygga upp ett intresse, medan en återkommande användare med stark avsikt kanske bara behöver en liten push för att konvertera och bör få se meddelanden om lågt lagersaldo som driver på brådskande känslor och köpbeslut.

Du vill analysera resultaten för alla dina primära målgrupper för att se hur innehållet presterade för varje segment. Detta gör det enklare för dig att optimera snabbt efter att du har upptäckt värdefulla datainsikter.

Efter att du har lanserat dina första kampanjer kan du analysera resultaten utifrån dina primära målgrupper för att fastställa den vinnande varianten för varje segment.

Ställ dig själv följande fråga:

• Vilken variant presterade bäst baserat på det primära mätvärdet?

• Om resultatet var negativt eller visade en nedgång, kan placeringen, innehållet, CTA-knappen (eller avsaknaden av en sådan) eller något annat element ha spelat in? 

• Varför kan en variant ha gått hem (eller inte) hos den primära målgruppen baserat på det du redan vet om dem?

• Vilka budskap kan få bättre resonans hos de primära målgrupperna?

• Vad kan du testa härnäst för att få en tydligare bild av varje målgrupp?

Använd dessa överväganden för att stärka en målgruppsinsikt och utforma den hypotes som du ska testa i dina nästa experiment. 

När du har fått insikter från de första kampanjerna för varje målgruppssegment har du en förhöjd baslinje för att lansera framtida tester.

Låt oss till exempel säga att du märker att användare med låg avsikt (en av dina primära målgrupper) föredrog liknande produkter i rekommendationerna på produktsidan. Det här resultatet kan leda till att du tror att de är mer intresserade av att lära sig om en viss typ av produkter framför vad som har visats tillsammans med dem. Ett naturligt nästa steg skulle vara att förfina er användning av likhetsalgoritmen för målgruppssegmentet med låg avsikt i widgeten för produktrekommendationer på produktsidan.

Och så börjar processen med kampanjidéer om igen, med nya insikter tillämpade som andra iterationer av dina rekommendationer och innehållstester – den här gången för var och en av dina primära målgrupper.

Det finns flera metoder och strategier inom båda huvudtyperna av målgruppsbaserade personaliseringstester utöver PDP-rekommendationer och social bekräftelse. När du tar dig an en ny kan du helt enkelt tillämpa samma process steg för steg:

1. Välj personaliseringskampanj

2. Formulera en hypotes att testa för hela din målgrupp

3. Kör ett A/B-test med en kontrollgrupp och två variationer

4. Låt testet köra i två veckor (minst) för att nå statistisk signifikans, med lika mycket trafik fördelad på varje variation och kontrollgruppen innan du använder en tröskel på 80 % för att mäta sannolikheten för att vara bäst (Probability to Be Best, P2BB).

5. Analysera resultaten utifrån var och en av dina primära målgrupper

6. Institutionalisera och sammanställ insikterna från varje test

Personalisering blir aldrig helt klar eftersom du alltid har möjlighet att lära dig mer om din målgrupp. Genom att implementera spelboken ovan kan du inleda denna givande process, vilket gör att du inte bara kan förbättra deras kundupplevelse utan också kontinuerligt optimera dina resultat.