通过推荐个性化客户体验

通过Rob猎隼，布莱恩史密斯，Bilaji拉曼，你们王，及其张而且特里唐

2020年12月18日在工程的博客

分享这篇文章

直接去看这篇文章中提到的推荐笔记本．

2020年，零售业在采用电子商务方面取得了巨大的飞跃，电子商务占零售总额的比例在一年内取得了多年的进步。与此同时，新冠肺炎、封锁和经济不确定性完全扰乱了我们吸引和留住客户的方式。公司需要重新考虑个性化，以便在这个快速变化的时期有效地竞争。

在2020年，我们看到了消费者行为的迅速转变，不仅仅是电子商务的采用。商店品牌的消费者认可度提高。大宗商品需求回升。消费者不仅重新考虑与特定产品的关系，也重新考虑与零售商的关系，将他们的支出分散到多个零售合作伙伴。bob体育外网下载店内展示、功能和促销的相关性受到了能够通过个性化推荐带来35%收入的领先零售商的挑战。

提供一种让顾客感到被理解的体验，有助于零售商从众多商家中脱颖而出，建立忠诚度。这在新冠疫情之前是正确的，但消费者偏好的变化使这对零售组织更加重要。研究表明，获得客户的成本是留住现有客户的五倍，想要在新常态下取得成功的组织必须继续与现有客户建立更深层次的联系，以保持坚实的消费者基础。对于如今的消费者来说，重新思考长期确立的消费模式并不缺乏选择和激励。

个性化是竞争的必要条件

面对压倒性的选择，消费者希望他们购买的品牌和他们购买的机构能够提供符合他们需求和偏好的体验。个性化，曾经呈现为异域风情愿景“可能”正日益成为消费者持续连接、短时间和寻求的基线期望价值通过一系列越来越复杂的考虑。

提供个性化体验的品牌可以与这些零售巨头竞争。在一个pre-COVID分析在消费者态度和消费模式方面，80%的受访者表示，他们更愿意与提供个性化体验的公司开展业务。研究发现，这些人每年与他们认为理解并回应他们个人需求和偏好的组织进行15次或更多购物的可能性要高出10倍。在一个独立调查在美国，50%的受访者表示，他们将购买的品牌视为自己的延伸，影响更深远、更持久客户忠诚度对于那些正确的选择．

由于新冠疫情迫使转变在消费者对价值、可用性、质量、安全和社区的关注中，品牌最能适应不断变化的需求和情绪开关从竞争对手．虽然一些部门获得了业务，许多部门失去了业务，但已经开始改善客户体验的组织看到了更好的结果，这与模式密切相关观察到的在2007-2008年的经济衰退中(图1)。

当我们展望什么将成为新常态时，很明显，客户体验的个性化仍将是许多B2C甚至是B2C的重点B2B组织．市场分析人士逐渐认识到，客户体验是一个重要因素破坏性的力量使新兴组织能够颠覆老牌企业。专注于通过产品、植入、定价和促销来竞争的组织将会这样做发现自己处于竞争对手的压力之下能够为消费者提供更多价值的每一美元。

关注客户旅程

个性化开始于对客户的旅程．这始于客户开始认识到一种需求，并开始确定一种产品来满足它。然后转向选择购买渠道，并以消费、处置和可能的重复购买结束。路径是多样的，而不是简单的线性，但在每个阶段，都有机会为客户创造价值。

的每个阶段的数字化在客户将如何参与的方面为客户提供灵活性，并为组织提供能力评估模型的健康状况．虽然数字化是在线和移动体验的重要组成部分，但在适当考虑透明度、隐私和为客户增值的情况下，数字化可以扩展到客户旅程的店内、运输中甚至家中阶段。

这些客户生成的数据以及第三方输入为组织提供了他们需要的信息，以完善他们对客户及其独特旅程的理解。现在可以更好地理解个人动机、目标和偏好，并为客户提供更个性化的体验。

对客户旅程的检查、数字化和对其产生的数据的分析被用来创建一个反馈循环，通过这个反馈循环，客户体验得到了改善。要让这个循环运转起来并持续一段时间，需要一个在客户体验方面有清晰的竞争视野必须表达。这一愿景必须围绕共同的目标将整个组织(而不仅仅是营销和it支持人员)聚集在一起。这些目标必须转化为鼓励跨部门合作和创新的激励机制。组织实现差异化客户体验的旅程从根本上来说就是成为学习型组织的旅程，这是一个将见解付诸行动，庆祝失败带来的教训，并迅速扩大其成功以推动客户价值的旅程。

利用客户偏好

个性化是多方面的，但在客户旅程的不同阶段，组织将有机会选择要呈现给客户的内容、产品和促销活动。在这些时刻，我们可以考虑过去客户的反馈，以选择正确的项目来呈现。客户的反馈并不总是以1到5星的评级或书面评论的形式出现。反馈可以通过交互、停留时间、产品搜索和购买事件来表达。仔细考虑客户如何与各种资产交互，以及如何将这些交互解释为偏好表达，可以解锁用于实现个性化的广泛数据。

有了反馈，我们现在考虑展示哪些项目。假设一个顾客在浏览各种推荐的产品，点击其中一个，寻找这个商品的替代品，把它放入购物车，然后探索经常与这个商品一起购买的商品。在这个非常狭窄的旅程的每个阶段，客户都是带着非常不同的目标与我们的内容进行交互。在整个过程中，客户的偏好是不变的，但他们的意图导致我们使用这些信息，就我们可能呈现的内容做出非常不同的选择。

要明白这既是科学也是艺术

我们用来根据客户偏好提供内容的引擎被称为推荐器。用科学和艺术来形容它们的建造是一种保守的说法。对于一些推荐人，我们主要关注相似客户的共同偏好，以扩大我们可能向客户公开的内容范围。对于其他人，我们关注内容本身的属性(例如，产品描述)，并利用特定于用户的与相关内容的交互来量化一件商品可能与客户产生共鸣的可能性。每一类推荐引擎都围绕着一个总体目标，但在每一类推荐引擎中，企业必须做出无数的决策，将其推荐导向特定的目标。

这些引擎的复杂性和我们为什么要建造它们的本质是这样的，任何对它们的假定准确性的预先评估都是可疑的。虽然已经提出了离线评估方法，并且应该采用离线评估方法来确保我们构建的推荐器不会脱轨，但现实情况是，我们只能通过在有限的试点中发布它们并评估客户反应来有效评估它们协助我们实现特定目标的能力。在这些评估中，重要的是要记住，没有完美的期望，只有对先前解决方案的增量改进。

考虑性能和完整性之间的权衡

在组装任何推荐器时，我们必须克服的主要挑战是可伸缩性。考虑一个利用用户相似性的推荐人。一个10万用户的小池需要对大约50亿用户对进行评估，每一次评估都可能涉及对我们可能推荐的每个产品的偏好进行比较。从纯技术的角度来看，执行这些数量的计算不是问题，但是在这些系统所受的时间限制内进行定期计算的成本使得暴力评估不成立。

正是由于这个原因，围绕推荐系统开发的技术文献非常强调近似相似技术。这些技术提供了快捷方式，使我们能够锁定那些最有可能与我们正在比较的对象相似的用户或项目。使用这些技术，可以在性能提高和推荐完整性之间进行权衡。因此，虽然这些技术都是面向技术的，但在解决方案架构师和业务涉众之间有一个重要的对话，就是关于这两个考虑因素之间的正确平衡。