多年來，個性化一直處于在線客戶體驗的前沿。為了保持競爭力，網站需要它來推動轉化并保持客戶忠誠度。這主要是通過使用數據提供個性化的產品推薦和量身定制的優惠來完成的。現在，我們看到個性化進一步發展，使用情境化來滿足客戶的最新需求。在這里，我們仔細研究基于上下文的超個性化。

傳統個性化的問題

傳統的個性化使用個人數據（例如性別和年齡）以及歷史數據（例如瀏覽和購買歷史）來為個人客戶提供定制的產品推薦。實現這一目標的是備受吹捧的產品推薦引擎。雖然這已被證明在業務成果方面非常成功，并且非常受客戶歡迎，但它也有局限性。它不考慮消費者訪問網站的最新上下文。

您可以在有多少網站展示產品時看到傳統個性化的局限性。如果您在冬季訪問時裝店并尋找夾克和外套，然后在夏季返回，即使您可能正在尋找 T 恤和短褲，推薦引擎仍會向您展示夾克和外套。這是因為它只使用歷史數據，不了解您新訪問的當前上下文。這種限制會浪費寶貴的屏幕空間，并會分散購物者的真實意圖，從而給購物者造成摩擦。因此，可能會失去銷售并影響忠誠度。

基于上下文的超個性化有何不同

基于上下文的超個性化提出了“訪問者現在在尋找什么？”這個問題。為了回答這個問題，算法需要考慮更多的數據并實時操作，以使內容的變化與購物者當前的意圖和需求保持一致。這可以通過多種方式實現。

時間和地點

了解時間和位置的算法可以提供更好的結果。與上面的示例一樣，知道季節的算法不太可能在夏季推薦冬裝。但是，即使是一周中的哪一天和一天中的某個時間訪問網站也可以幫助引擎推薦更合適的產品。因此，也可以在某人訪問時知道他們在哪里。例如，擁有不同物理位置的餐館和商店可以發送個性化優惠并顯示有關最近分店的在線信息。

了解個人品味

如果有人購買“朋克 T 恤”或“世紀中葉椅子”，傳統的推薦引擎往往會向他們展示更多的 T 恤和椅子。然而，這些購買也揭示了用戶的品味。他們喜歡朋克搖滾音樂和世紀中葉的設計。如果這些風格的服裝和家具包含在產品元數據中，算法可以使用它們來推薦其他符合個人品味的產品。

基于會話的個性化

當用戶訪問一個網站時，他們心中有一個意圖，而超個性化旨在了解該意圖。要做到這一點，站點需要了解它所擁有的最新信息的上下文——換句話說，當前會話中發生了什么。

如果您昨天訪問了一個網站，為您的家尋找廚具，然后今天訪問并為您的朋友購買生日禮物，那么算法需要對新的意圖做出實時反應。它必須分析當前的瀏覽模式，以了解這次訪問的目的與昨天完全不同，并提供相關的內容。

可以幫助做到這一點的一項技術是視覺 AI，因為它可以理解所搜索產品的視覺屬性，因此可以更好地識別客戶正在尋找的產品。它還可以幫助了解個別客戶的審美偏好。

社會背景

挖掘用戶的感受是超個性化的另一個重要部分。了解他們有同理心的事物不僅可以幫助他們提供更準確的產品，還可以提供更好的用戶體驗。它表明您的品牌了解他人的感受、價值觀和需求。例如，如果他們有購買環保、純素或公平貿易產品的歷史，那么了解這些屬性并采取行動與了解個人品味同樣重要，因為它們為客戶提供了情感上的滿足。

聯合數據

超個性化意味著為客戶提供跨所有接觸點的無縫個性化體驗，而不僅僅是您的網站。要做到這一點，您的業務、客戶服務、帳戶、實體店、網站、營銷等的每個領域都需要了解客戶的當前環境。這只能通過合并各個團隊持有的數據來實現。為此，需要拆除孤島，統一數據并集中存儲，以便業務的所有元素都在同一頁面上。

例如，想象一下，如果銀行客戶因財務困難而與客戶服務部進行討論，同時仍收到來自賬戶的威脅信并收到營銷部門的貸款提議，他們會有什么感受。連接數據使品牌能夠了解當前環境并在所有接觸點創建完整的響應。

結論

基于上下文的超個性化為客戶提供更好的體驗。它支持基于當前意圖的產品推薦，超越歷史瀏覽和購物數據；它了解用戶的品味、價值觀和感受，并確保業務的所有部分都以一致的聲音說話。如果您正在考慮使用產品推薦引擎和視覺 AI 等工具來提供超個性化的客戶體驗，您將需要適當的托管容量和性能。我們的建議是使用云托管解決方案。有關更多信息，請訪問我們的云托管或企業解決方案頁面。