एक आधुनिक किंग आर्थर और उसके सभी शूरवीरों की तरह, डिजिटल मार्केटर्स हमेशा पवित्र गिरजाघर के लिए खोज के लिए होते हैं: वेबसाइट जो उपभोक्ता को स्वयं को निजीकृत करती है
यदि हम किसी व्यक्ति के डिजिटल अनुभव को अनुकूलित कर सकते हैं, तो सोच भी जाती है, हम अपनी खरीद को पूरा करने के लिए, सभी सही संकेतों और कार्रवाई करने के लिए कॉलों को प्रोत्साहित कर सकते हैं। रूपांतरण कप खत्म हो जाएगा
समस्या यह है कि एक पूरी तरह से अनुकूलित अनुभव पवित्र ग्रेल के रूप में ही मायावी है।
व्यवसायों के पास कई अलग-अलग प्रकार के उपयोगकर्ताओं को विभिन्न प्रकार के अनुभवों की आवश्यकता होती है, और "वैयक्तिकरण" – यह लाख डॉलर का विचार है कि हम ग्राहकों के व्यवहार को पहले से अनुमान लगा सकते हैं और फिर उन्हें एक अनुरूप ऑनलाइन अनुभव प्रदान कर सकते हैं – परम समाधान के रूप में माना जाता है उद्यम अपनी प्रतिस्पर्धा पर लाभ हासिल करने और अपने मुनाफे में वृद्धि करने के लिए संसाधनों में निजीकरण में डालने की कोशिश कर रहा है।
लेकिन यह बहुत समय और नकदी की बर्बादी है।
इस विचार से प्रलोभन करना आसान है कि अगर हम ग्राहकों के समूहों के बीच समान व्यवहार की पहचान कर सकते हैं तो यह हमें भविष्यवाणी करने की अनुमति देगा कि समान ग्राहक कैसे व्यवहार करेंगे। लेकिन बड़े आंकड़ों से त्वरित सुधारों और मुट्ठी भर संख्याओं की जांच करके, व्यवसाय वास्तव में एक जाल में पड़ते हैं।
आपको निजी प्राप्त करने की आवश्यकता है – लेकिन जिस तरह से आप सोच रहे हैं उसमें नहीं
व्यवसाय अपने उपभोक्ताओं के बारे में डेटा में तैर रहे हैं उपयोगकर्ता व्यवहार (क्लिक, पृष्ठ दृश्य), सामाजिक घटनाओं (पसंद, शेयर), आइटम विवरण (श्रेणी, मूल्य) और प्रासंगिक जानकारी (दिन, मौसम, उपकरण) और बहुत कुछ के साथ संबंधित डेटा है
लेकिन यह सारी जानकारी हमारे उंगलियों पर होने के बावजूद, हम वास्तव में नहीं जानते हैं कि आपका ग्राहक आपके उत्पाद क्यों खरीद रहे हैं (या नहीं) ऐसा इसलिए है क्योंकि यह अविश्वसनीय, समृद्ध डेटा हमें अपने ग्राहकों के बारे में बहुत कुछ बताता है, लेकिन इसके बारे में कुछ भी नहीं है कि वे 4 क्यों कर रहे हैं।
इस उदाहरण पर विचार करें: एक स्वास्थ्य खाद्य भंडार अपने उपभोक्ता व्यवहार के डेटा-आधारित विश्लेषण करता है, और यह निर्धारित करता है कि सर्दियों के मुकाबले गर्मियों के महीनों के दौरान औसत ग्राहक खर्च अधिक होता है। यहां पर डेटा आधारित निष्कर्ष यह होगा कि लोग गर्मियों में स्वास्थ्य खाद्य वस्तुओं पर पैसा खर्च करने के लिए अधिक तैयार हैं।
लेकिन ऐसे निष्कर्ष को आकर्षित करने में कई संभावित भ्रामक चर पर ध्यान नहीं दिया गया है। कई अन्य संभावित कारक खेल रहे हैं – गर्मियों में भी स्विमिंग सूट है, जिसका अर्थ है कि लोग गर्मियों में स्वस्थ गतिविधियों और जीवन शैली विकल्पों में संलग्न होते हैं, जिसके मामले में अधिक स्वास्थ्य खाद्य पदार्थों की खरीद तब एक माध्यमिक परिणाम है
ग्राहक व्यवहार को सही मायने में समझने के लिए, डेटा को ऐसे तरीके से संगठित किया जाना चाहिए जिससे लोगों को लगता है और व्यवहार की गहरी समझ होती है। यह कंबल निजीकरण के बारे में नहीं है यह एक मनोचिकित्सक की तरह सोच रहा है – या बेहतर अभी तक, एक मनोचिकित्सक को भर्ती करने के लिए आपको उन संख्याओं को कम करने में मदद करें
मानव जीवन की तरह, यह जटिल है
डेटा वैज्ञानिकों को हम "ब्लैक बॉक्स" धारणा कहते हैं में गिरने की संभावना है: यह सोचते हुए कि मानव व्यवहार को बाह्य डेटा देखकर बस समझा जा सकता है। मनुष्य मशीन नहीं हैं हम जटिल, बुद्धिमान और भावनात्मक चालित हैं, और जो कंपनियां अपने उपभोक्ताओं को समझने के लिए ठंडा संख्याओं पर बहुत अधिक निर्भर करती हैं, वे यह भूलकर खुद को धोखा दे रहे हैं।
मशीन सीखना नए और रोमांचक तरीके से ग्राहकों तक पहुंचने के लिए असीमित क्षमता प्रदान करता है। मशीन सीखने के तरीकों का उपयोग करके, हम उन नस्लों की पहचान करने के लिए ज़ूम इन कर सकते हैं जो नग्न मानवीय आंखों के लिए अदृश्य हैं। लेकिन एक चीज मशीन सीखने से हमें नहीं मिल सकता है, कम से कम अभी तक नहीं, आंतरिक मानव अनुभव में एक पोर्टल है।
इस लोकप्रिय सादृश्य पर विचार करें: मशीनों को इन दिनों बहुत अच्छा मौसम पूर्वानुमान बनाते हैं। वे भी एक तूफान के अंदर की भविष्यवाणी कर सकते हैं लेकिन कंप्यूटर के अंदर यह कभी भी गीली नहीं है
ऐसा क्यों होता है? यह महत्वपूर्ण है क्योंकि भले ही हम यह मानना चाहते हैं कि सभी मानवीय व्यवहार संख्याओं की एक पंक्ति के रूप में स्वच्छ और सुव्यवस्थित हैं, वास्तविकता यह है कि हमारे अधिकांश फैसले आंत भावनाओं और शिकारों से हैं। यदि हम इसे स्वीकार नहीं करते हैं, तो हम मानवीय व्यवहार को सही मायने में समझने के लिए कभी भी आगे नहीं बढ़ेंगे।
डेटा विश्लेषण को विशेषज्ञ ज्ञान और मनोवैज्ञानिक सिद्धांत 4 द्वारा संचालित किया जाना चाहिए- "आइए कोशिश करें और देखें" दृष्टिकोण को लागू करने के लिए। विपणक प्रभावी ढंग से डेटा का उपयोग करने के लिए, उन्हें ज़ूम आउट करना और याद रखना होगा कि डेटा पढ़ने के लिए एक-दिशा, एक-आकार-फिट-सभी दृष्टिकोण लगभग हमेशा स्वयं को लघु बेच देगा।
रूपांतरण एक प्रक्रिया है जिसमें कई स्टॉप और शुरू होते हैं। परंपरागत डेटा वैज्ञानिक ज्ञान ने एक एकल कार्रवाई या घटना के रूप में रूपांतरण को देखा है, समय पर अलग।
यह एक खूंखार लघु दृष्टि वाला दृष्टिकोण है
चेकआउट के प्रारंभिक ब्रांड एक्सपोजर का मार्ग लंबा है और आमतौर पर उपयोगकर्ता को कन्वर्ट करने के लिए कुछ टच पॉइंट्स लेते हैं। रूपांतरण दर के बारे में बात करना बंद करना और रूपांतरण चक्र के बारे में बात करना शुरू करना है।
एक "रूपांतरण चक्र" में कई साइट विज़िट, मोबाइल और डेस्कटॉप के बीच संक्रमण, और कंपनी के ऑनलाइन और ऑफलाइन स्टोर के बीच भी कई स्टॉप शामिल हो सकते हैं। यह कई अलग-अलग गड़बड़ी फैसले का नतीजा है, जो कई चिंताओं में फैक्टरिंग: लागत, शैली, व्यक्तिगत वित्त, भावनात्मक खींचता, परिवार के फैसले और अधिक
कंपनियों के लिए वास्तव में अपने ग्राहकों को ज़ूम इन करने और उन मूल्यवान अंतर्दृष्टि प्राप्त करने के लिए, जो अपने निचले रेखा को पैड कर सकते हैं, उन्हें याद रखना चाहिए कि जब कोई ग्राहक अपनी साइट का दौरा करता है, तो साइट विज़िट केवल उन कारकों की भूलभुलैया में एक छोटी सी डेटा बिंदु होती है जो आदर्श रूप से रूपांतरण के अंत में
लेकिन अगर कंपनी उस स्थान की पहचान कर सकती है जहां ग्राहक उस रूपांतरण प्रक्रिया में है जहां वह उस विशिष्ट डेटा बिंदु पर भूलभुलैया में है, तो उसके पास उसके व्यवहार को प्रभावी ढंग से प्रभावित करने के लिए एक बहुमूल्य उपकरण होगा।
अपने डेटा का उपयोग करने के लिए, खुदाई प्राप्त करें
यह एक एकल आयाम में मौजूद रूपांतरण और डेटा मॉडल के बारे में सोचने के लिए आकर्षक है। लेकिन अगर हम सोने की खान में टैप करना चाहते हैं जो कि मशीन सीखने से हमें पेश किया है, और हमारे ग्राहकों के लिए वास्तव में एक फर्क करने के लिए हमारी उंगलियों पर अनमोल डेटा का उपयोग करें, हमें फावल निकालना और इसके दूसरे, तीसरे और चौथे परतों ।
यहाँ एक उदाहरण है हमारे सबसे बड़े खुदरा ग्राहकों में से एक में एक डाटा वैज्ञानिक ने एक बार मुझसे कहा था कि वह अपने प्रबंधक से अपनी वेबसाइट से फिल्टर निकालने की कगार पर था। क्यूं कर? क्योंकि उन्होंने ग्राहकों पर एक विश्लेषण चलाया था, जिन्होंने रूपांतरण किया था और पाया कि जब आगंतुक साइट पर आने वाले आगंतुकों के बीच लोकप्रिय थे और फिर खरीदारी किए बिना छोड़ दिया गया था, जो आगंतुकों ने वास्तव में फिल्टर का उपयोग नहीं किया था
मैंने गहराई से जाने का फैसला किया। यह इस डेटा वैज्ञानिक के लिए लंबे समय तक नहीं ले गया और मुझे यह एहसास हो गया कि जो विज़िटर जो परिवर्तित कर रहे थे वे लौटने वाले विज़िटर लौट रहे थे, जो पहले से ही अपनी साइट से परिचित थे और अब उन्हें ढूंढने के लिए फ़िल्टर की ज़रूरत नहीं थी कि वे क्या चाहते थे। उन वही आगंतुकों, साइट पर अपनी पहली यात्रा पर, वे अब खरीदने के लिए लौट रहे थे बहुत उत्पाद खोज करने के लिए फिल्टर का इस्तेमाल किया था।
एक फावड़ा जैसे मनोवैज्ञानिक मॉडल के बारे में सोचें: डेटा के हर स्तर के नीचे भावनाओं, तर्कहीनता, संज्ञानात्मक पूर्वाग्रह और भावनात्मक संकेतों की मानवीय समस्याएं हैं।
इतने सारे कारक हमारे क्रय निर्णयों में शामिल होते हैं अगर उद्यम अपने ग्राहकों को रूपांतरण के लिए मार्गदर्शन में मदद करना चाहते हैं, तो उन्हें अपने डेटा पर परतों को छीलने से शुरू करना होगा और इन ग्राहकों को बहु-आयाम, जटिल लोगों के रूप में देखना चाहिए कि वे हैं।
ग्राहकों के व्यवहार के मनोवैज्ञानिक मॉडल ग्राहकों के आशय की पहचान करने के लिए आंकड़ों के साथ-साथ हाथ में काम कर सकते हैं और कंपनियों को यह समझने में मदद मिलती है कि विज़िटर प्रत्येक अद्वितीय साइट यात्रा के दौरान अपने रूपांतरण चक्र में क्यों हैं। एल्गोरिदम आगंतुक कार्यों, विशेषताओं और संदर्भों को एकीकृत कर सकता है जैसे इरादा निर्धारित करने के लिए पृष्ठ के प्रकार या वेबसाइट के प्रकार
यह इस तरह का निजीकरण है – ग्राहकों को लोगों के रूप में पहचानने और चार्ट पर आंकड़ों का न सिर्फ स्पॉट – यही असली पवित्र ग्रेल है जो भी कंपनी आगे बढ़ना चाहती है, आज के लिए इसका लक्ष्य होना चाहिए।
