Công ty Algolia đã tài trợ cho báo cáo Xu hướng tìm kiếm trang web thương mại điện tử năm 2023 do Coleman Parkes Research sản xuất và viết bài. Báo cáo, dựa trên một cuộc khảo sát với 900 người ra quyết định kinh doanh và CNTT, nói về cách các công ty có kế hoạch đầu tư vào các công nghệ liên quan đến tìm kiếm trong năm nay, bao gồm cả cá nhân hóa thương mại điện tử.
Những người được hỏi nhận ra tầm quan trọng của tìm kiếm để tạo doanh thu. Họ cũng xác định cách nó sẽ tác động đến cá nhân hóa trên nhiều kênh bao gồm liên lạc văn bản và email, thương mại xã hội và các chương trình giỏ hàng.
Cá nhân hóa là một thành phần quan trọng trong trải nghiệm của khách hàng nhưng có nhiều tính năng khác có thể được giới thiệu để tối đa hóa lợi nhuận tiềm năng. Ví dụ: gần ba phần tư (73%) cho biết họ đã triển khai tính năng ‘sản phẩm liên quan’ – đây là loại cá nhân hóa phổ biến nhất. Ngoài ra, chưa đến một nửa đã thực hiện bất kỳ loại cá nhân hóa nào khác.
Nhiều người được hỏi nói với nghiên cứu của Coleman Parkes rằng họ đã triển khai một số khả năng cá nhân hóa, như cung cấp cho khách hàng của họ một cách để thiết kế hồ sơ mua sắm được cá nhân hóa để bắt đầu nhận được các ưu đãi được cá nhân hóa và 43% cho biết họ có các đề xuất sản phẩm dựa trên các mặt hàng được tìm kiếm hoặc mua.
Nhiều người được hỏi cho biết họ vẫn chỉ mới bắt đầu. Ví dụ: 56% cho biết họ đang có kế hoạch triển khai chương trình ‘các mục đã lưu để sử dụng sau’ và 42% cho biết họ sẽ sớm cung cấp chương trình đăng ký văn bản.
Đây chỉ là phần nổi của tảng băng trôi để cung cấp trải nghiệm cá nhân hóa. Thách thức đối với hầu hết các công ty thương mại điện tử là tận dụng dữ liệu của bên thứ 1 mà họ đang ngồi để xây dựng các chương trình được cá nhân hóa.
Cá nhân hóa được hỗ trợ bởi dữ liệu
Đây không phải là một tiếng kêu chiến tranh hoàn toàn mới – Gartner đã xuất bản góc phần tư ma thuật cá nhân hóa đầu tiên vào năm 2018, Amazon đã xuất bản một bài báo năm 2003 về các đề xuất và Netflix đã thắp sáng ngọn lửa vào năm 2009 với tiền thưởng 1 triệu đô la để viết một thuật toán đề xuất được cá nhân hóa tốt hơn.
Cá nhân hóa cũng quan trọng đối với người tiêu dùng: 91% nói rằng họ “có nhiều khả năng mua sắm với các thương hiệu nhận ra, ghi nhớ và cung cấp cho họ các ưu đãi và đề xuất có liên quan”. Đối với người bán, cá nhân hóa có thể tăng doanh thu lên tới 25% – chưa kể đến lòng trung thành với khách hàng và thương hiệu cao hơn.
Công nghệ tìm kiếm có liên quan gì đến cá nhân hóa? Rất nhiều, thực sự.
- Kết quả tìm kiếm trên trang web có thể được cá nhân hóa
- Tương tự đối với các đề xuất, hiện có thể được cung cấp bởi nhà cung cấp công cụ tìm kiếm của bạn
- Dữ liệu liên quan đến tìm kiếm là nền tảng để cung cấp kết quả được cá nhân hóa
- Machine Learning để tìm kiếm trang web đang thúc đẩy nhiều đổi mới
- Dữ liệu tìm kiếm có thể cung cấp cho hồ sơ người dùng các tín hiệu ý định có liên quan cao
Cá nhân hóa theo hướng dữ liệu
Đối với bất kỳ doanh nghiệp nào có ý định đầu tư vào cá nhân hóa, nó bắt đầu với dữ liệu.
Bạn càng thu thập nhiều dữ liệu nhân khẩu học và tâm lý về khách hàng và khách truy cập của mình, cá nhân hóa của bạn càng tinh vi. Điều này bao gồm các dữ liệu như:
- Vị trí (địa lý)
- Tuổi
- Giống
- Lịch sử mua hàng trong quá khứ
- Lịch sử tìm kiếm trang web
- Các trang đã xem
- Lượt thích trên mạng xã hội
- Trạng thái thành viên (nếu bạn có tư cách thành viên hoặc chương trình phần thưởng)
Nó cũng có thể bao gồm dữ liệu theo ngữ cảnh như trình duyệt và tùy chọn xem, thông tin bên ngoài trang web như email được nhấp, tín dụng chương trình phần thưởng, quảng cáo được nhấp và hơn thế nữa.
Các công ty thương mại điện tử có quy mô từ trung bình đến lớn đã bắt đầu đầu tư vào việc xây dựng các hồ dữ liệu để lưu trữ, phân tích và tận dụng dữ liệu khách hàng trên các điểm tiếp xúc tiếp thị đa kênh để cá nhân hóa theo thời gian thực. Ngay cả khi bạn không đầu tư vào hồ dữ liệu, nhiều nền tảng thương mại điện tử tự lưu trữ đủ dữ liệu có thể được sử dụng để cá nhân hóa.
Và có những hệ thống khác đã có rất nhiều dữ liệu khách hàng – ví dụ như giải pháp tìm kiếm của bạn! Công cụ tìm kiếm của bạn đang tạo và lưu trữ hàng đống dữ liệu có giá trị có thể được sử dụng để cá nhân hóa và các chương trình khác. Nó bao gồm những thứ như danh mục và sản phẩm đã xem gần đây, tìm kiếm gần đây, mua hàng và hơn thế nữa.
Bạn có thể tận dụng dữ liệu của mình để triển khai cá nhân hóa theo nhiều cách để cá nhân hóa:
- Tìm kiếm
- Khuyến nghị
- Duyệt
- Sản phẩm liên quan
- Xếp hạng lại động
Các quy tắc cá nhân hóa tương tự mà bạn thiết lập cho tìm kiếm có thể được triển khai ở mọi nơi. Ví dụ: trong Algolia, bạn có thể sử dụng bảng điều khiển sản phẩm để chỉ định giá trị hoặc trọng lượng cho từng sự kiện hoặc thuộc tính, từ đó tăng kết quả được cá nhân hóa trong bảng xếp hạng tìm kiếm và trên danh mục động và trang danh sách sản phẩm (PLP).
Ví dụ: người mua sắm trên trang web của EyeBuyDirect tận hưởng trải nghiệm nhất quán, được cá nhân hóa.
Khi người dùng duyệt đến trang danh mục “kính của phụ nữ”, kết quả được tăng dựa trên sở thích riêng của mỗi người dùng, chẳng hạn như kiểu / hình dạng khung hoặc vật liệu. Tùy chọn có thể được xác định từ lịch sử mua hoặc duyệt web trong quá khứ. Nó có thể tối ưu hóa cho bất kỳ thuộc tính nào, điều này sẽ thay đổi tùy theo Case study . Kết quả được cá nhân hóa có thể được hiển thị khi khách hàng tìm kiếm, duyệt trang web hoặc xem danh mục. Đặt quy tắc một lần, triển khai chúng ở mọi nơi.
Bạn cũng có thể thêm tính năng cá nhân hóa vào các đề xuất. Các đề xuất có thể là một đến nhiều, một-một hoặc kết hợp cả hai. Ví dụ: nó có thể bao gồm “khách hàng đã mua x cũng đã mua y” hoặc “vì bạn đã mua x và y, chúng tôi nghĩ bạn cũng sẽ thích z.”
Trong trường hợp của EyeBuyDirect, kết quả ban đầu cho thấy:
- Tăng 4% doanh thu với tìm kiếm, tăng khả năng duyệt web và cá nhân hóa
- Cải thiện 1 – 1,5% tỷ lệ chuyển đổi với các đề xuất sản phẩm
Một ví dụ khác: Bằng cách sử dụng Recommend của Algolia, một công cụ đề xuất, khách hàng đã có thể thúc đẩy doanh thu tăng 1,2 triệu đô la.
Các thuật toán Machine Learning mới được tích hợp vào các giải pháp như Algolia cũng sẽ tự động xếp hạng lại kết quả truy vấn tìm kiếm và áp dụng các quy tắc cá nhân hóa. Điều này xảy ra trong mili giây một chữ số. Khi người dùng nhập truy vấn, công cụ tìm kiếm trước tiên sẽ tìm kiếm mức độ liên quan và sau đó nó sẽ áp dụng xếp hạng lại để đẩy kết quả tốt hơn lên đầu – nơi tốt hơn đề cập đến sự kết hợp của các quy tắc cá nhân hóa, bán hàng, quy tắc xếp hạng hoặc các yếu tố khác.
Kết thúc
Từ các đề xuất đến kết quả tìm kiếm được cá nhân hóa, có một cơ hội lớn để đổi mới trải nghiệm người dùng để thúc đẩy doanh thu và lòng trung thành của khách hàng. Những tiến bộ trong Machine Learning đã lấp đầy cánh buồm – các giải pháp cá nhân hóa đang tăng tốc và mạnh mẽ hơn bao giờ hết.
Đằng sau các thuật toán cá nhân hóa này là các kỹ thuật Machine Learning khác nhau có thể tận dụng dữ liệu cho các phiên truy cập nhiều lần hoặc thậm chí các phiên người dùng lần đầu tiên, xác định ý định dự đoán và cung cấp kết quả được cá nhân hóa có thể đo lường rõ ràng. Nếu bạn muốn tìm hiểu thêm, bạn có thể bắt đầu bằng cách tải xuống bản sao miễn phí của Xu hướng tìm kiếm thương mại điện tử năm 2023.
