Personnalisation web des visiteurs anonymes
Ce guide décrit le modèle de cas d’utilisation de la personnalisation web pour les visiteurs anonymes, qui utilise Adobe Journey Optimizer (AJO), Adobe Real-Time Customer Data Platform (RT-CDP) et Adobe Experience Platform (AEP) pour fournir du contenu web personnalisé aux visiteurs anonymes (non identifiés) en fonction de signaux comportementaux au cours de la session. Il est conçu pour les architectes de solutions, les techniciens marketing et les ingénieurs d’implémentation qui ont besoin de comprendre le rôle de ce modèle, les objectifs commerciaux qu’il prend en charge, les cas d’utilisation tactiques qu’il permet et les applications Adobe impliquées.
Le modèle fonctionne avec des données limitées : uniquement ce qui peut être observé dans la session en cours et tout profil Edge anonyme accumulé à partir de visites précédentes avec le même appareil ou cookie. Cela le rend adapté à la personnalisation en haut de funnel lorsque le visiteur ne dispose d’aucun compte ou ne s’est pas authentifié.
Modèle de cas d’utilisation
La section suivante décrit le modèle de base et le plan d’exécution pour ce cas d’utilisation.
Personalization Web de visiteur anonyme
Diffusez du contenu personnalisé basé sur des signaux comportementaux en session pour les visiteurs et visiteuses non identifiés via le canal web AJO.
Plan d’exécution : Configuration de la surface web > Évaluation des règles comportementales > Diffusion de contenu > Tracking des impressions > Rapports
Présentation du cas d’utilisation
Le Personalization Web de visiteur anonyme répond au besoin de l’entreprise de fournir un contenu pertinent et personnalisé aux visiteurs et visiteuses du site Web qui n’ont pas encore été identifiés (c’est-à-dire qui ne se sont pas connectés, qui n’ont aucune identité connue et qui ne peuvent pas être résolus en un profil client unifié). Malgré ces limitations, une personnalisation significative est possible à l’aide de signaux comportementaux en session : pages vues, temps passé sur le site, profondeur de défilement, source de référence, emplacement géographique, type d’appareil et paramètres de campagne UTM.
Ce modèle utilise les surfaces de canal web d’AJO et les expériences basées sur du code pour modifier le contenu de la page en temps réel. La segmentation d’Edge est la méthode d’évaluation principale, car les décisions doivent être prises avec une latence inférieure à la seconde lorsque le visiteur navigue sur le site. Le Web SDK collecte des signaux comportementaux et les envoie au AEP Edge Network, où les règles d’audience évaluées par Edge déterminent la variante de contenu à diffuser.
Contrairement à la personnalisation web/de l’application d’un visiteur connu, qui utilise le profil unifié complet et l’appartenance à un segment, ce modèle est limité aux données observables dans la session en cours et à tout profil Edge anonyme associé à l’ECID du visiteur (Experience Cloud ID). Cette distinction est essentielle pour la planification de l’implémentation : les signaux comportementaux disponibles pour la personnalisation sont limités à ce que le Web SDK capture et à ce qui persiste dans le magasin de profils Edge entre les sessions via l’ECID basé sur les cookies.
Objectifs commerciaux clés
Les objectifs commerciaux suivants sont pris en charge par ce modèle de cas d’utilisation.
Augmenter l’engagement du site web
Améliorez le temps passé sur le site, les pages par session et l’interaction avec le contenu web par le biais d’expériences pertinentes adaptées aux signaux anonymes des visiteurs.
Offrir des expériences personnalisées aux clients
Adapter le contenu, les offres et les messages aux préférences, aux comportements et à l’étape du cycle de vie des individus, même pour les visiteurs qui ne se sont pas encore identifiés.
Augmentation des taux de conversion
Améliorez le pourcentage de visiteurs et de prospects qui effectuent les actions souhaitées telles que les achats, les inscriptions ou les envois de formulaire en présentant le contenu le plus pertinent en fonction du contexte comportemental.
Exemples de cas d’utilisation tactiques
Les exemples suivants illustrent des scénarios spécifiques où ce modèle peut être appliqué.
- Test A/B des titres des pages de destination basé sur la source de référence — Testez différents titres pour les visiteurs provenant de Google, des médias sociaux ou du trafic direct afin d’optimiser l’engagement par le canal d’acquisition
- Recommandations d’affinité catégorielle basées sur le comportement de navigation — Affichez les recommandations de produits ou de contenus basées sur les pages consultées au cours de la session en cours pour augmenter les taux de découverte et de conversion
- Offre de sortie-intention pour les visiteurs sur le point de partir — Présentez une offre promotionnelle ou un formulaire de capture de piste lorsque des signaux comportementaux indiquent que le visiteur est sur le point d’abandonner le site
- Bannière promotionnelle géo-ciblée — Affichez des promotions spécifiques à un emplacement, du contenu de localisateur de magasin ou des offres régionales en fonction de l’emplacement géographique du visiteur
- Optimisation de la disposition du contenu spécifique à l’appareil — Adaptez la disposition du contenu, la taille des images et l’emplacement du CTA selon que le visiteur se trouve sur un ordinateur, une tablette ou un appareil mobile
- Messages de bienvenue pour les nouveaux visiteurs et les visiteurs récurrents — Différenciez l’expérience des nouveaux visiteurs de celle des visiteurs anonymes récurrents à l’aide de la persistance ECID entre les sessions
- Recommandations de contenu basées sur les pages consultées de la session en cours — Faites apparaître de manière dynamique les articles, produits ou ressources associés en fonction des pages que le visiteur a déjà consultées
- Bannière principale dynamique basée sur les paramètres de campagne UTM — Personnalisez la bannière principale pour qu’elle corresponde au message ou à la contenu créatif de la campagne de référence
Indicateurs clés de performance
Utilisez les indicateurs de performance clés suivants pour mesurer l’efficacité de ce modèle de cas d’utilisation.
Applications
Les applications suivantes sont utilisées dans ce modèle de cas d’utilisation.
- Adobe Journey Optimizer (AJO) : configuration de la surface de canal web, création de contenu (expériences web et basées sur du code), exécution de campagnes, expérimentation de contenu (tests A/B), prise de décision (sélection de contenu dynamique) et création de rapports
- Adobe Real-Time Customer Data Platform (RT-CDP) : segmentation Edge pour l’évaluation d’audiences en temps réel en fonction de signaux comportementaux en session ; gestion anonyme des profils Edge
- Adobe Experience Platform (AEP) : Web SDK pour la collecte de signaux comportementaux, Edge Network pour le routage des données en temps réel et la diffusion de la personnalisation, configuration des trains de données
Architecture
L’architecture de référence suivante illustre la manière dont les signaux de visiteur anonyme sont collectés en périphérie, évalués par rapport aux règles d’audience et utilisés pour diffuser du contenu personnalisé.
Documentation connexe
Les ressources Experience League ci-après fournissent des détails supplémentaires sur les fonctionnalités utilisées dans ce modèle de cas d’utilisation.
Expériences de canal web et basées sur du code
Audiences et segmentation
Personalization et contenu
Expérimentation de contenu
Gestion des décisions
Campagnes
Web SDKet collecte de données
Identité et profil
modélisation des données
Rapports et analyses
Gouvernance et confidentialité des données
Mécanismes de sécurisation