Of the three imperatives for Os profissionais de marketing que desejam personalizar o engajamento Com os clientes (ativar a personalização just-in-time, construir relacionamentos digitais de longo prazo e criar fortes conexões emocionais), a personalização just-in-time pode ser a mais difícil de dominar em escala. Além do desafio, é o Covid-19, que obteve a vida cotidiana para quase todos. O contexto de algumas pessoas mudou muito, outras um pouco; Você não sabe mais o que funciona para quem. Os profissionais de marketing precisam de uma abordagem de próxima geração, que chamamos “Personalização de auto-aprendizagem.”
A média não é boa o suficiente
Antes do acerto pandemico, o marketing personalizado havia mudado de uma capacidade de nicho para uma abordagem convencional. A automação permite que as empresas desenvolvam muitas campanhas, fornecendo mensagens variadas a baixo custo. Mas determinar quem deve conseguir o que e quando deveriam obtê -lo é difícil na melhor das hipóteses. A abordagem de "clientes para campanhas" que muitas empresas usam (na qual os profissionais de marketing criam campanhas e os direcionam para uma lista de clientes gerados por modelos) tem suas deficiências. Por exemplo, algumas empresas executam campanhas que podem atingir muito mais clientes do que deveriam, porque os gerentes de produto, na busca de vendas extras, pressionam inevitavelmente os profissionais de marketing para ir mais adiante na lista de clientes do que as análises sugeridas.
Um problema ainda mais comum com essa abordagem é que os mesmos clientes geralmente aparecem no topo de todas as listas; portanto, as empresas devem desenvolver um sistema para lidar com as sobreposições ou correr o risco de inundá -las com mensagens. As empresas tendem a medir a eficácia geral da campanha, o que significa que estão sempre se esforçando para coisas que funcionam bem em média. Mas eles não conseguem identificar os bolsos da variedade entre seus clientes, e é aqui que o valor real da personalização pode ser realizado. O teste A/B revela o que funciona melhor em média, mas as empresas realmente precisam saber o que funciona melhor para cada indivíduo. Eles testam e não aprendem. Enquanto outros automatizaram o processo de teste A/B, BCG e Gamma, nosso grupo de dados e análises, usam inteligência artificial para ir significativamente mais longe. Nosso sistema funciona em um nível individual de cliente usando informações dos dados sobre as ações coletivas de outros clientes.
Perhaps worst of all, companies are failing to complete the most important step in any campaign—discovering what works—because the people who need to do the analysis are the same people who are executing the new campaigns, and there aren’t enough hours in the day to do both. They test and don’t learn.
What Self-Learning Personalization Does
BCG’s self-learning personalization approach, Galileo, overcomes these limitations. While others have automated the A/B testing process, BCG and GAMMA, our data and analytics group, use artificial intelligence to go significantly further. Our system works on an individual customer level using insights from data on the collective actions of other customers.
O sistema gama funciona constantemente avaliando e quantificando a eficácia de cada mensagem para cada cliente. Quando puder decidir o que funcionará melhor, o sistema implementa essa abordagem. Quando não é certo, testa mensagens e combinações de mensagens diferentes, aprendendo à medida que avança. Para uma nova mensagem, ele usa o que sabe sobre esse tipo de mensagem de experiência e experimentos anteriores para descobrir como essa mensagem difere do que já viu antes. Os profissionais de marketing podem alimentar novas mensagens o mais rápido possível. O sistema aprende o que funciona melhor: a melhor hora do dia, o melhor canal, o melhor conteúdo, o melhor incentivo (se houver). Também descobre - para cada cliente individual - quando ficar quieto.
Considere o seguinte. Trabalhamos recentemente com um varejista multi-vertical e comunicações de marketing gerenciadas (email e site) para um grupo selecionado de 5% de sua base de clientes usando a abordagem de auto-aprendizagem da Gamma. Comparamos as vendas resultantes desse grupo com as de um grupo de controle correspondente entre os 95% restantes dos clientes, que estavam sendo gerenciados por um cliente mais tradicional para a abordagem de campanhas. Depois de apenas alguns meses, o sistema de auto-aprendizado estava consistentemente superando os profissionais de marketing humanos: as vendas aumentaram em até 10%, dependendo da vertical. O sistema agora foi lançado a todos os clientes, e o varejista não precisa mais dedicar recursos para decidir quais clientes recebem qual mensagem, uma tarefa que ocupava dezenas de pessoas. Agora, esses funcionários gastam mais tempo entendendo o comportamento do cliente, criando conteúdo e desenvolvendo a marca. Além disso, enquanto costumava levar alguns meses para receber uma mensagem do conceito para a entrega, a organização agora coloca 25 novas mensagens de marketing na tremonha a cada semana, a maioria dos quais permanece disponível indefinidamente para uso futuro, pronto para ser entregue quando o contexto é certo. O sistema permite que novos tipos de ofertas sejam testados no momento em que se tornaram disponíveis sem interrupção, sem cálculos estatísticos e total confiança de que o custo da experimentação (como irritar clientes com ofertas irrelevantes) será minimizado. Coréia.
We also helped an airline build a system for remarketing abandoned flight searches, taking into account hundreds of signals to determine the best offer for each potential customer. The system allows new offer types to be tested the moment they became available with no disruption, no statistical calculations, and complete confidence that the cost of experimentation (such as irritating customers with irrelevant offers) will be minimized.
Our self-learning personalization approach is producing results for companies as diverse as a bank in India, a pharmacy chain in the US, a fast-fashion retailer in Europe, and a life insurance company in Korea.
Mais tempo para o valor
A capacidade de escalar a personalização é transformacional. A personalização de auto-aprendizagem não apenas aumenta os resultados, mas também libera as equipes de marketing e análise para se envolver em atividades de maior valor, como vimos em nosso trabalho com o varejista multi-vertical.
Self-learning personalization not only boosts results, it also frees the marketing and analytics teams to engage in higher-value activities.
Equipes de marketing podem se concentrar na produção de conteúdo atraente. Eles podem se concentrar na criação de mensagens que atraem fortemente algumas pessoas - mas não precisam descobrir quem são essas pessoas e não precisam encontrar grandes subgrupos para atrair. As equipes de análise podem procurar os sinais que melhorarão a segmentação (o sistema de IA os testará) e fornecerá feedback dos profissionais de marketing sobre as características dos clientes para quem não há mensagens relevantes até agora.
Fazendo a alteração
Some data science teams have managed to automate A/B testing in segmentation cells, but few if any outside of academia have taken it down to the individual customer level. One reason is that it’s not easy—and the technology isn’t the only challenge. There’s a lot of change management to be done, because Processos biônicos , que combinam capacidades humanas e da máquina, são muito diferentes da maneira como a maioria das empresas faz as coisas hoje. Esses processos exigem novas habilidades (técnicas e fundamentais) e diferentes tipos de equipes (ágil, multifuncional), e dependem do acesso democratizado a dados e de uma pilha de tecnologia moderna e modular. As métricas e KPIs tradicionais apropriados para abordagens baseadas em segmentação não se aplicam mais. Os riscos de ficar em pé também podem ser significativos. Aqueles que se apegam às formas antigas de “personalizar” podem em breve pagar um preço em termos de vendas perdidas e compartilhamento, à medida que mais e mais marcas líderes implantam personalização de auto-aprendizagem. Adam Whybrew
It all adds up to a significant undertaking, but many marketers are finding that the results make the effort more than worthwhile. The risks of standing pat can also be significant. Those that stick to the old ways of “personalizing” may soon find themselves paying a price in terms of lost sales and share as more and more leading brands deploy self-learning personalization.
