Web-Personalisierung für anonyme Besucher
In diesem Handbuch wird das Anwendungsfallmuster für die Web-Personalisierung anonymer Besucher beschrieben, bei dem Adobe Journey Optimizer (AJO), Adobe Real-Time Customer Data Platform (RT-CDP) und Adobe Experience Platform (AEP) verwendet werden, um anonymen (nicht identifizierten) Besuchern personalisierte Web-Inhalte auf der Grundlage von Verhaltenssignalen während der Sitzung bereitzustellen. Er wurde für Lösungsarchitekten, Marketing-Techniker und Implementierungstechniker entwickelt, die verstehen müssen, was dieses Muster bewirkt, welche Geschäftsziele es unterstützt, welche taktischen Anwendungsfälle es ermöglicht und welche Adobe-Anwendungen beteiligt sind.
Das Muster funktioniert mit begrenzten Daten - nur was in der aktuellen Sitzung beobachtet werden kann und alle anonymen Edge-Profile, die von vorherigen Besuchen mit demselben Gerät oder Cookie gesammelt wurden. Dadurch eignet er sich für die Top-of-funnel-Personalisierung, bei der der Besucher über kein Konto verfügt oder sich nicht authentifiziert hat.
Anwendungsfallmuster
Im Folgenden werden das Kernmuster und der Ausführungsplan für diesen Anwendungsfall beschrieben.
Web-Personalization für anonyme Besucher
Bereitstellen personalisierter Inhalte, die auf sitzungsinternen Verhaltenssignalen für nicht identifizierte Besuchende basieren, über den AJO-Webkanal.
Ausführungsplan: Konfiguration der Web-Oberfläche > Bewertung von Verhaltensregeln > Inhaltsbereitstellung > Impression-Tracking > Berichterstellung
Anwendungsfall - Übersicht
Die Web-Personalization für anonyme Besucher erfüllt die geschäftlichen Anforderungen, relevante, personalisierte Inhalte für Website-Besuchende bereitzustellen, die noch nicht identifiziert wurden - sie haben sich nicht angemeldet, haben keine bekannte Identität und können nicht in ein einheitliches Kundenprofil aufgelöst werden. Trotz dieser Einschränkung ist eine sinnvolle Personalisierung mithilfe von Verhaltenssignalen in der Sitzung erreichbar: angezeigte Seiten, Besuchszeit vor Ort, Bildlauftiefe, Verweisquelle, geografischer Standort, Gerätetyp und UTM-Kampagnenparameter.
Dieses Muster verwendet Web-Kanaloberflächen und Code-basierte Erlebnisse von AJO, um Seiteninhalte in Echtzeit zu ändern. Die Edge-Segmentierung ist die primäre Auswertungsmethode, da Entscheidungen mit einer Latenz von Untersekunden getroffen werden müssen, wenn der Besucher auf der Website navigiert. Der Web SDK erfasst Verhaltenssignale und sendet sie an den AEP Edge Network, wo die von Edge ausgewerteten Zielgruppenregeln bestimmen, welche Inhaltsvariante bereitgestellt werden soll.
Im Gegensatz zur Web-/App-Personalisierung für bekannte Besucher, die das vollständige einheitliche Profil und die Segmentzugehörigkeit nutzt, ist dieses Muster auf Daten beschränkt, die in der aktuellen Sitzung beobachtet werden können, sowie auf alle anonymen Edge-Profile, die mit der ECID des Besuchers verknüpft sind (Experience Cloud ID). Diese Unterscheidung ist für die Implementierungsplanung von entscheidender Bedeutung: Die für die Personalisierung verfügbaren Verhaltenssignale sind auf das beschränkt, was der Web SDK erfasst und was über die Cookie-basierte ECID sitzungsübergreifend im Edge-Profilspeicher beibehalten wird.
Wichtige Geschäftsziele
Die folgenden Geschäftsziele werden durch dieses Anwendungsfallmuster unterstützt.
Verbesserung der Besuchszeit auf der Site, der Seiten pro Sitzung und der Interaktion mit Web-Inhalten durch relevante Erlebnisse, die auf anonyme Besuchersignale zugeschnitten sind.
Bereitstellen personalisierter Kundenerlebnisse
Passen Sie Inhalte, Angebote und Nachrichten an individuelle Vorlieben, Verhaltensweisen und Lebenszyklusphasen an - auch für Besuchende, die sich noch nicht identifiziert haben.
Verbessern Sie den Prozentsatz der Besucher und potenziellen Kunden, die die gewünschten Aktionen wie Käufe, Anmeldungen oder Formularübermittlungen durchführen, indem Sie die relevantesten Inhalte basierend auf dem Verhaltenskontext präsentieren.
Beispiele für taktische Anwendungsfälle
Die folgenden Beispiele veranschaulichen spezifische Szenarien, in denen dieses Muster angewendet werden kann.
- Überschriften-A/B-Test der Landingpage basierend auf der Empfehlungsquelle - Testen Sie verschiedene Überschriften für Besucher, die aus Google, Social Media oder Direct Traffic kommen, um die Interaktion durch den Akquisekanal zu optimieren
- Empfehlungen zur Kategorieaffinität basierend auf dem Durchsuchungsverhalten — Anzeige von Produkt- oder Inhaltsempfehlungen basierend auf in der aktuellen Sitzung betrachteten Seiten, um die Erkennung und Konversion zu verbessern
- Exitintent-Angebot für Besucher, die gerade die Website verlassen — Präsentieren Sie ein Werbeangebot oder ein Lead-Erfassungsformular, wenn Verhaltenssignale darauf hindeuten, dass der Besucher die Website verlassen wird.
- Geozielgerichtetes Werbebanner - Zeigt standortspezifische Werbeaktionen, Store-Locator-Inhalte oder regionale Angebote basierend auf dem geografischen Standort des Besuchers an
- Gerätespezifische Inhaltslayoutoptimierung - Passen Sie das Inhaltslayout, die Bildgrößen und die CTA-Platzierung an, je nachdem, ob sich der Besucher auf dem Desktop, Tablet oder Mobilgerät befindet
- Willkommensnachrichten für neue und wiederkehrende Besucher — Differenzierung des Erlebnisses für Erst- und wiederkehrende anonyme Besucher mithilfe der ECID-Persistenz über Sitzungen hinweg
- Inhaltsempfehlungen basierend auf angezeigten Seiten in der aktuellen Sitzung - Dynamisches Aufdecken verwandter Artikel, Produkte oder Ressourcen basierend auf den Seiten, die der Besucher bereits angesehen hat
- Dynamisches Hero-Banner basierend auf UTM-Kampagnenparametern - Personalisieren Sie das Hero-Banner so, dass es der Botschaft oder dem Kreativen aus der verweisenden Kampagne entspricht.
Wichtige Performance-Indikatoren
Verwenden Sie die folgenden KPIs, um die Effektivität dieses Anwendungsfallmusters zu messen.
Programme
Die folgenden Anwendungen werden in diesem Anwendungsfallmuster verwendet.
- Adobe Journey Optimizer (AJO) - Konfiguration der Web-Kanaloberfläche, Inhaltserstellung (Web- und Code-basierte Erlebnisse), Kampagnenausführung, Inhaltsexperimente (A/B-Tests), Entscheidungsfindung (dynamische Inhaltsauswahl) und Reporting
- Adobe Real-Time Customer Data Platform (RT-CDP) - Edge-Segmentierung für die Echtzeit-Zielgruppenbewertung auf der Grundlage von Verhaltenssignalen in der Sitzung; Verwaltung anonymer Edge-Profile
- Adobe Experience Platform (AEP) - Web SDK für die Erfassung von Verhaltenssignalen, Edge Network für das Echtzeit-Datenrouting und die Bereitstellung von Personalisierung, Konfiguration des Datenstroms
Architektur
Die folgende Referenzarchitektur veranschaulicht, wie anonyme Besuchersignale am Edge gesammelt, anhand von Zielgruppenregeln bewertet und zur Bereitstellung personalisierter Inhalte verwendet werden.
Verwandte Dokumentation
Die folgenden Experience League-Ressourcen bieten zusätzliche Details zu den in diesem Anwendungsfallmuster verwendeten Funktionen.
Web-Kanal- und Code-basierte Erlebnisse
Zielgruppen und Segmentierung
Personalization und Inhalte
Inhaltsexperiment
Entscheidungs-Management
Kampagnen
Web SDKund Datenerfassung
Identität und Profil
Datenmodellierung
Reporting und Analysen
Data Governance und Datenschutz
Leitplanken