Gedragsaanbeveling
In deze handleiding wordt het gebruikspatroon voor gedragsaanbevelingen beschreven. Hierbij worden Adobe Journey Optimizer (AJO) Decisioning, Real-Time Customer Data Platform (RT-CDP) en Adobe Experience Platform (AEP) gebruikt om gepersonaliseerde aanbevelingen te doen via internet, mobiele apps en e-mailkanalen. Het wordt ontworpen voor oplossingsarchitecten, marketing technologen, en implementatietechnici die moeten begrijpen wat dit patroon doet, de bedrijfsdoelstellingen het steunt, de tactische gebruiksgevallen het toelaat, en de betrokken toepassingen van Adobe.
De aanbeveling van het gedrag produceert punt-niveau of inhoud-vlakke aanbevelingen gebruikend gedragssignalen — productmeningen, aankopen, inhoudinteractie, onderzoeksvragen — gecombineerd met AJO beslissende selectiestrategieën en rangschikkingsmodellen. In tegenstelling tot de beslissing over aanbiedingen — die een begrensde reeks aanbiedingen, promoties of prikkels regelt aan de hand van toelatingsregels en zakelijke beperkingen — werkt dit patroon op grote, voortdurend veranderende itemcatalogi (producten, artikelen, video’s) waar de selectie eerder door gedragsaffiniteitssignalen dan door gerealiseerde geschiktheid wordt bepaald.
Hoofdletterpatroon gebruiken
Aanbeveling van het Gedrag
Genereer aanbevelingen op itemniveau of inhoudsniveau op basis van gedragssignalen, met gebruik van AJO-selectiestrategieën en rangordemodellen voor het weergeven van contextafhankelijke inhoud.
Plan van de Uitvoering: De Ingestie van het Gedrag van het Signaal > de Evaluatie van de Strategie van de Beslissing > de Levering van de Aanbeveling > het Melden
Hoofdlettergebruik
Organisaties met productcatalogi, inhoudsbibliotheken of mediabibliotheken moeten de meest relevante items aan elke bezoeker laten zien op basis van hun gedragsgeschiedenis en activiteiten tijdens de sessie. Of het nu gaat om een carrousel “aanbevolen voor u” op een homepage, een widget voor kruisverkoop op een pagina met productdetails of productaanbevelingen die in een e-mailcampagne zijn ingesloten, de onderliggende uitdaging is hetzelfde: past het gedragsprofiel van elke bezoeker aan de meest relevante punten van een catalogus aan, dan levert die aanbevelingen in het juiste kanaal op het juiste moment.
Dit patroon verhelpt die uitdaging door gedragssignalen in real time via Web SDK of Mobile SDK in te voeren, ze te verwerken via AJO Decisioning-selectiestrategieën die itemkenmerken combineren met gedragscontext, en de aanbevolen items te leveren via internet, in-app of e-mailkanalen. Rangschikkingsmodellen kunnen op formule-gebaseerd zijn (bijvoorbeeld, soort door de score van de categorieaffiniteit) of op AI-niveau gerangschikt (bijvoorbeeld, gepersonaliseerd aanbevelingsmodel). Het patroon behandelt ook koudstartscenario’s voor nieuwe bezoekers zonder gedragsgeschiedenis door terugvalaanbevelingen te vormen.
Het doelpubliek voor dit patroon omvat teams voor de handel in elektronische handel, teams voor de verpersoonlijking van inhoud, en teams voor digitale ervaring die de betrokkenheid, conversie en gemiddelde orderwaarde willen verbeteren door gepersonaliseerde aanbevelingen die door echt gebruikersgedrag worden gedreven.
Belangrijkste bedrijfsdoelstellingen
De volgende bedrijfsdoelstellingen worden gesteund door dit gebruiks gevalpatroon.
de dwars-verkoop van de aandrijving en upsell opbrengst
Aanvullende en hoogwaardige producten of services aan bestaande klanten promoten op basis van gedrag en aankoopgeschiedenis.
KPIs: Upsell/Cross-Sell %, Incrementele Inkomsten, de Waarde van het Leven van de Klant
de omzettingspercentages van de Verhoging
Verbeter het percentage bezoekers en de vooruitzichten die de gewenste acties zoals aankopen, inschrijven, of vormverzendingen voltooien.
KPIs: de Tarieven van de Omzetting, Loodomzetting, Kosten per lood
lever gepersonaliseerde klantenervaringen
Inhoud, aanbiedingen en berichten voor individuele voorkeuren, gedrag en levenscyclusfase aanpassen.
KPIs: Betrokkenheid, de Tarieven van de Omzetting, Tevredenheid van de Klant (CSAT)
Voorbeelden van tactische gebruiksgevallen
Hieronder vindt u algemene tactische implementaties van dit patroon:
- Widget voor cross-sell van producten op de pagina met productdetails (klanten hebben ook gekocht)
- Carrousel “Aanbevolen voor u” op homepage op basis van browsergeschiedenis
- Aanbevelingen voor inhoud op mediasite op basis van leesgedrag
- ‘Recent bekeken’ in combinatie met vergelijkbare objecten-widget
- Aanbevelingen voor aanvullende producten na aankoop
- Aanbevelingen voor e-mailproducten op basis van gedragsaffiniteit
- Categoriespecifieke aanbevelingen op basis van browsergedrag tijdens sessie
- Herwaardering van zoekresultaten op basis van gedragssignalen
Kernprestatie-indicatoren
De volgende KPIs helpen de doeltreffendheid van gedrags adviserende implementaties meten.
Applicaties
In dit gebruikspatroon worden de volgende toepassingen gebruikt.
- Adobe Journey Optimizer (AJO) Beslissing — De strategieën van de selectie, rangschikkende modellen, puntcatalogi, en besluitvormingsbeleid die gedragssignalen evalueren en de meest relevante punten voor elke bezoeker terugkeren
- Adobe Real-Time Customer Data Platform (rt-CDP) — De accumulatie van de profielgegevens van het Gedrag, publieksevaluatie voor aanbeveling het scoping, en gegevens verwerkte attributen voor het gedrag affiniteitscoring
- Adobe Experience Platform (AEP) — Gedragingen van gebeurtenissen via Web SDK en Mobile SDK , Edge Network verwerking, XDM-schemabeheer voor gebeurtenis- en catalogusgegevens
Gerelateerde documentatie
De volgende bronnen bieden aanvullende informatie over de technologieën en mogelijkheden die in dit patroon worden gebruikt.
Beslissingsbeheer
- Overzicht van Beslissingsbeheer
- Plaatsingen maken
- Beslissingsregels maken
- Gepersonaliseerde aanbiedingen maken
- Alternatieve aanbiedingen maken
- Verzamelingen maken
- Verzamelingsaanduidingen maken
- Beslissingen maken
- Rangorde van strategieën
- Aanbiedingen in berichten leveren
- Aanbiedingen leveren met de Edge-API voor besluitvorming