Personalizzare l'esperienza del cliente con le raccomandazioni

Pubblicato: December 18, 2020

di Rob Saker, Bryan Smith, Bilaji Raman, Ye Wang, Yiyan ZhangeTerry Tang

Nel 2020 la vendita al dettaglio ha fatto un enorme passo avanti nell'adozione dell'e-commerce: in un solo anno, la percentuale di e-commerce sul totale delle vendite ha registrato una crescita pari a quella di più anni. Nel frattempo, il COVID, i lockdown e l'incertezza economica hanno completamente stravolto il modo in cui interagiamo con i clienti e li fidelizziamo. Le aziende devono ripensare la personalizzazione per competere efficacemente in questo periodo di rapido cambiamento.

Nel 2020 abbiamo assistito a un rapido cambiamento nel comportamento dei consumatori, non solo nell'adozione dell'e-commerce. I marchi del distributore hanno registrato una maggiore adozione da parte dei consumatori. I beni di prima necessità hanno registrato una ripresa della domanda. I clienti non solo hanno riconsiderato il loro rapporto con prodotti specifici, ma anche con i rivenditori, suddividendo la loro spesa tra più partner di vendita al dettaglio. La rilevanza di espositori, funzionalità e promozioni in negozio è stata messa in discussione dai principali rivenditori, in grado di generare il 35% dei loro ricavi attraverso raccomandazioni personalizzate.

Offrire un'esperienza che faccia sentire i clienti compresi aiuta i rivenditori a distinguersi dalla massa dei grandi distributori e a fidelizzare la clientela. Questo era vero prima del COVID, ma il cambiamento delle preferenze dei consumatori rende questo aspetto ancora più cruciale per le aziende del settore retail. Dal momento che le ricerche dimostrano che il costo di acquisizione dei clienti è fino a cinque volte superiore a quello del mantenimento dei clienti esistenti, le organizzazioni che desiderano avere successo nella nuova normalità devono continuare a creare legami più profondi con i clienti attuali al fine di mantenere una solida base di consumatori. Per i consumatori di oggi non mancano opzioni e incentivi per riconsiderare abitudini di spesa consolidate da tempo.

La personalizzazione è essenziale per competere

Di fronte a una scelta vastissima, i consumatori si aspettano che i marchi e le organizzazioni da cui acquistano offrano un'esperienza in linea con le loro esigenze e preferenze. La personalizzazione, un tempo presentata come una visione esotica di ciò che sarebbe potuto essere, sta diventando sempre più l'aspettativa di base per i consumatori costantemente connessi, con poco tempo a disposizione e alla ricerca di valore attraverso una serie di considerazioni sempre più complesse.

I brand che offrono esperienze personalizzate possono competere con questi giganti del retail. In un'analisi pre-COVID degli atteggiamenti e dei modelli di spesa dei consumatori, l'80% dei partecipanti ha indicato di essere più propenso a fare affari con un'azienda che offre esperienze personalizzate. È emerso che questi individui sono 10 volte più propensi a effettuare 15 o più acquisti all'anno presso le organizzazioni che, a loro parere, comprendono e rispondono alle loro esigenze e preferenze personali. In un sondaggio separato, il 50% dei partecipanti ha dichiarato di considerare i brand che acquista come un'estensione di sé stessi, favorendo una fidelizzazione del cliente più profonda e duratura per i brand che ci riescono.

Poiché il COVID ha imposto uno spostamento dell'attenzione dei consumatori verso valore, disponibilità, qualità, sicurezza e community, i brand più attenti alle mutevoli esigenze e sentimenti hanno visto i clienti abbandonare i loro rivali. Mentre alcuni segmenti di mercato hanno registrato una crescita e molti altri una perdita, le organizzazioni che avevano già intrapreso un percorso di miglioramento dell'esperienza del cliente hanno ottenuto risultati migliori, rispecchiando da vicino i modelli osservati durante la recessione del 2007-2008 (Figura 1).

Come i leader della CX superano i ritardatari, anche in un mercato in calo. — )

Guardando a quella che sarà la nuova normalità, è chiaro che la personalizzazione delle esperienze dei clienti rimarrà un punto focale per molte organizzazioni B2C e persino per le organizzazioni B2B. Sempre più spesso, gli analisti di mercato riconoscono la customer experience come una forza dirompente che consente alle organizzazioni emergenti di soppiantare gli operatori consolidati. Le organizzazioni che si concentrano sulla competizione basata esclusivamente su prodotto, distribuzione, prezzo e promozione si troveranno sotto pressione da parte dei concorrenti in grado di offrire più valore ai consumatori per ogni dollaro ricevuto.

Focalizzati sul percorso del cliente

La personalizzazione inizia con un'attenta esplorazione del customer journey. Tutto inizia quando i clienti si rendono conto di un'esigenza e cercano un prodotto per soddisfarla. Si sposta poi verso la selezione di un canale per l'acquisto e si conclude con il consumo, lo smaltimento e il possibile riacquisto. Il percorso è variegato e non semplicemente lineare, ma in ogni fase c'è l'opportunità di creare valore per il cliente.

La digitalizzazione di ogni fase offre al cliente flessibilità in termini di modalità di interazione e fornisce all'organizzazione la possibilità di valutare lo stato di salute del proprio modello. Pur essendo parte integrante dell'esperienza online e mobile, la digitalizzazione può essere estesa alle fasi in negozio, in transito e persino a domicilio del percorso del cliente, con le dovute considerazioni su trasparenza, privacy e valore aggiunto per il cliente.

L'introduzione dell'esperienza digitale in negozio può facilitare un coinvolgimento personalizzato. — Figura 2. Portare l'esperienza digitale nel punto vendita serve a facilitare un coinvolgimento personalizzato.

Questi dati generati dai clienti, così come gli input di terze parti, forniscono all'organizzazione le informazioni di cui ha bisogno per affinare la propria comprensione del cliente e dei suoi percorsi unici. Motivazioni, obiettivi e preferenze individuali possono ora essere compresi meglio ed è possibile offrire al cliente esperienze più personalizzate.

L'esame del percorso del cliente, la sua digitalizzazione e l'analisi dei dati generati vengono utilizzati per creare un ciclo di feedback attraverso il quale la customer experience migliora. Per avviare questo ciclo e sostenerlo nel tempo, deve essere espressa una visione chiara per competere sull'esperienza del cliente. Questa visione deve unire l'intera organizzazione, non solo il marketing e i suoi facilitatori IT, attorno a obiettivi condivisi. Questi obiettivi devono poi essere tradotti in strutture di incentivazione che incoraggino la collaborazione interdipartimentale e l'innovazione. Il percorso dell'organizzazione verso l'offerta di customer experience differenzianti è fondamentalmente un percorso per diventare un'organizzazione che apprende, una che mette in pratica le informazioni dettagliate, celebra gli insegnamenti che derivano dai fallimenti e scala rapidamente i suoi successi per generare valore per i clienti.

Sfrutta le preferenze dei clienti

La personalizzazione ha molteplici sfaccettature, ma in vari punti del customer journey le organizzazioni avranno l'opportunità di selezionare contenuti, prodotti e promozioni da presentare al cliente. In questi momenti, possiamo prendere in considerazione il feedback passato dei clienti per selezionare gli articoli giusti da presentare. Il feedback dei clienti non ci arriva sempre sotto forma di valutazioni da 1 a 5 stelle o di recensioni scritte. Il feedback può essere espresso attraverso interazioni, tempi di permanenza, ricerche di prodotti ed eventi di acquisto. Un'attenta analisi di come i clienti interagiscono con i vari asset e di come queste interazioni possano essere interpretate come espressioni di preferenza può sbloccare un'ampia gamma di dati con cui è possibile abilitare la personalizzazione.

Sulla base del feedback, ora valutiamo quali elementi presentare. Considera un cliente che sfoglia un assortimento di prodotti consigliati, fa clic su uno di essi, ne esplora le alternative, lo aggiunge al carrello e poi esplora gli articoli acquistati di frequente in abbinamento a esso. In ogni fase di questo segmento molto specifico della customer journey, il cliente interagisce con i nostri contenuti con obiettivi molto diversi. Le preferenze del cliente rimangono invariate durante questo percorso, ma il suo intento ci porta a utilizzare tali informazioni per fare scelte molto diverse in merito a cosa presentare.

Capire che è tanto un'arte quanto una scienza

I motori che utilizziamo per proporre contenuti in base alle preferenze dei clienti sono noti come recommender. Descrivere la loro costruzione come un'arte tanto quanto una scienza sarebbe riduttivo. Con alcuni recommender, ci concentriamo molto sulle preferenze condivise da clienti simili per ampliare la gamma di contenuti che potremmo proporre ai clienti. Con altri, ci concentriamo sulle proprietà del contenuto stesso (ad es. le descrizioni dei prodotti) e sfruttiamo le interazioni specifiche dell'utente con contenuti correlati per quantificare la probabilità che un articolo possa essere di gradimento per il cliente. Ogni classe di motore di raccomandazione si orienta verso un obiettivo generale, ma all'interno di ognuna ci sono innumerevoli decisioni che l'azienda deve prendere per orientare le sue raccomandazioni verso obiettivi specifici.

La complessità di questi motori e la natura stessa del motivo per cui li costruiamo sono tali da rendere discutibile qualsiasi valutazione preliminare della loro presunta accuratezza. Sebbene siano stati proposti e dovrebbero essere impiegati metodi di valutazione offline per garantire che i recommender che creiamo non vadano fuori controllo, la realtà è che possiamo valutare efficacemente la loro capacità di aiutarci a raggiungere un obiettivo specifico solo rilasciandoli in progetti pilota limitati e valutando la risposta dei clienti. E in queste valutazioni, è importante tenere presente che non ci si aspetta la perfezione, ma solo un miglioramento incrementale rispetto alla soluzione precedente.

Valuta i compromessi tra prestazioni e completezza

La sfida principale che dobbiamo superare nella creazione di qualsiasi sistema di raccomandazione è la scalabilità. Consideriamo un sistema di raccomandazione che sfrutta le somiglianze tra gli utenti. Un piccolo pool di 100.000 utenti richiede la valutazione di circa 5.000.000.000 di coppie di utenti e ognuna di queste valutazioni potrebbe comportare un confronto delle preferenze per ogni articolo che potremmo consigliare. Da un punto di vista puramente tecnico, eseguire questo numero di calcoli non è un problema, ma il costo per farlo regolarmente e entro i limiti di tempo imposti a questi sistemi rende insostenibile una valutazione a forza bruta.

È per questo motivo che la letteratura tecnica sullo sviluppo dei sistemi di raccomandazione pone una forte enfasi sulle tecniche di similarità approssimata. Queste tecniche offrono scorciatoie che ci consentono di individuare gli utenti o gli elementi con la maggiore probabilità di essere simili agli oggetti che stiamo confrontando. Con queste tecniche, esiste un compromesso tra l'aumento delle prestazioni e la completezza della raccomandazione. Quindi, sebbene queste tecniche siano di natura piuttosto tecnica, è importante che ci sia un dialogo tra i solution architect e gli stakeholder aziendali sul giusto equilibrio tra queste due considerazioni.

Accelera i tuoi progetti con gli acceleratori di soluzioni

Va da sé che un'attenta gestione delle risorse può contribuire notevolmente a contenere i costi di sviluppo, addestramento e deployment continui dei sistemi di raccomandazione. Databricks è appositamente progettato per lo sviluppo scalabile su infrastrutture cloud che consentono alle organizzazioni di eseguire rapidamente il provisioning e il deprovisioning delle risorse proprio per questo motivo.

Per aiutare i nostri clienti a capire come usare Databricks per sviluppare vari sistemi di raccomandazione, abbiamo reso disponibile una serie di notebook dettagliati nell'ambito del nostro programma Solution Accelerators. Ogni notebook utilizza un set di dati reali per mostrare come i dati grezzi possono essere trasformati in una o più soluzioni di raccomandazione.

L'obiettivo di questi notebook è la didattica. Nessuno dovrebbe considerare le tecniche qui illustrate come l'unico modo, e neppure quello preferenziale, per risolvere una specifica sfida di raccomandazione. Tuttavia, nell'affrontare i problemi sopra descritti, speriamo che alcune parti del codice presentato possano aiutare i nostri clienti a soddisfare le proprie esigenze relative ai sistemi di raccomandazione.

Recommender a filtro collaborativo

Motori di raccomandazione basati su contenuti

Puoi anche visualizzare il nostro webinar on-demand sulla personalizzazione e le raccomandazioni.

Cosa succederà adesso?

October 31, 2023/9 min de leitura

Anunciando as métricas de LLM-como-juiz do MLflow 2.8 e as Melhores Práticas para Avaliação de LLM de Aplicações RAG, Parte 2

Creating High Quality RAG Applications with Databricks

December 6, 2023/7 min de leitura