Personalização da Web/aplicativo de visitante conhecido

Este guia descreve o padrão de caso de uso de personalização de aplicativo/Web de visitante conhecido, que usa o Adobe Journey Optimizer (AJO) e o Adobe Real-Time Customer Data Platform (RT-CDP) para fornecer conteúdo personalizado a visitantes identificados em superfícies digitais. Ele foi projetado para arquitetos de soluções, tecnólogos de marketing e engenheiros de implementação que precisam entender o que esse padrão faz, os objetivos de negócios que ele aceita, os casos de uso táticos que ele permite e os aplicativos Adobe envolvidos.

A personalização da Web/aplicativo de visitante conhecido é o principal padrão de personalização para experiências digitais autenticadas. Diferentemente da personalização de visitante anônimo, que depende exclusivamente de sinais comportamentais na sessão, esse padrão aproveita o perfil unificado completo: dados comportamentais históricos, associação de segmento, nível de fidelidade, histórico de compras, estágio de ciclo de vida, atributos computados e pontuações de propensão. Ele oferece suporte à personalização em páginas da Web (por meio do canal da Web AJO), mensagens móveis no aplicativo e cartões de conteúdo.

Padrão do caso de uso

Esta seção descreve o padrão principal e seu plano de execução.

Personalização de aplicativo/Web de visitante conhecido

Forneça conteúdo, ofertas ou promoções personalizadas a um visitante identificado com base em perfil em tempo real e associação de segmento em superfícies da Web, dispositivos móveis no aplicativo e cartões de conteúdo.

Plano de execução: Avaliação de público-alvo > Personalization Decisioning > Configuração de superfície/canal > Entrega de conteúdo > Rastreamento de impressão > Relatórios

Visão geral do caso de uso

Organizações com propriedades digitais autenticadas — sites de comércio eletrônico, portais bancários, serviços de assinatura, programas de fidelidade, aplicativos móveis — precisam fornecer experiências personalizadas que reflitam o relacionamento de cada cliente com a marca. Quando um visitante faz logon ou é reconhecido por meio da resolução de identidade, a plataforma pode acessar seu perfil totalmente unificado e fornecer conteúdo adaptado a seus atributos, comportamentos e preferências específicos.

Esse padrão aborda o cenário em que um visitante identificado chega em uma propriedade da Web ou abre um aplicativo móvel, e o sistema deve determinar o conteúdo, a oferta ou a promoção ideais para exibição com base nos dados do perfil em tempo real e na associação do público-alvo. A decisão de personalização ocorre na borda em milissegundos, permitindo a entrega de conteúdo em subsegundos sem latência perceptível.

O padrão é compatível com a personalização determinística (em que o conteúdo específico mapeia para segmentos específicos de público-alvo) e com a decisão dinâmica (em que o AJO Decisioning avalia as regras de elegibilidade e as estratégias de classificação para selecionar o conteúdo ideal por perfil). Ele abrange várias superfícies digitais — páginas da Web, mensagens móveis no aplicativo e cartões de conteúdo — permitindo uma personalização consistente na jornada digital do cliente.

Principais objetivos de negócios

Os seguintes objetivos de negócios são compatíveis com esse padrão de caso de uso.

Fornecer experiências personalizadas ao cliente

Personalize conteúdo, ofertas e mensagens para preferências individuais, comportamentos e estágios do ciclo de vida. Para obter mais informações, consulte Fornecer experiências personalizadas ao cliente.

KPIs: Compromisso, Taxas de Conversão, Satisfação do Cliente (CSAT)

Aumentar o engajamento do site

Melhore o tempo no site, as páginas por sessão e a interação com o conteúdo da Web por meio de experiências relevantes. Para obter mais informações, consulte Aumentar o engajamento no site.

KPIs: Tempo na Página (Web), Envolvimento, Taxas de Conversão

Aumentar o engajamento do aplicativo móvel

Impulsione o uso ativo diário, a adoção de recursos e as conversões no aplicativo por meio de experiências personalizadas no aplicativo.

KPIs: Envolvimento, Retenção, Taxas de Conversão

Exemplo de casos de uso tático

A seguir estão implementações táticas comuns desse padrão:

  • Personalização principal da página inicial por nível de fidelidade ou estágio do ciclo de vida — exiba banners principais diferentes com base no fato de o cliente ser novo, ativo, em risco ou VIP
  • Carrossel de recomendações de produtos com base no histórico de compras — forneça sugestões de produtos relevantes usando dados de compras anteriores e pontuações de afinidade de produtos
  • Banner promocional personalizado por segmento do cliente — mostre diferentes promoções para segmentos de alto valor, em risco e novos clientes
  • Mensagem no aplicativo para usuários móveis com base na adoção de recursos — orienta os usuários para recursos subutilizados com base em seus padrões de uso
  • Cartão de conteúdo com oferta personalizada no painel de contas — ofertas persistentes e rejeitadas personalizadas de acordo com o perfil do cliente
  • Exibição personalizada de preços ou descontos com base na camada do cliente — mostrar preços específicos da camada ou descontos exclusivos para membros do programa de fidelidade
  • Widget de recomendação de venda cruzada com base em produtos próprios — sugira produtos ou serviços complementares com base no portfólio atual
  • Navegação personalizada ou ordenação de conteúdo com base em interesses — reordene módulos de conteúdo ou elementos de navegação com base em preferências demonstradas

Indicadores-chave de desempenho

Os KPIs a seguir ajudam a medir a eficácia desse padrão de caso de uso.

KPI
Abordagem de medição
Orientação de referencial
Taxa de participação da Personalization
Cliques e interações com elementos de conteúdo personalizados divididos por impressões
O conteúdo personalizado deve superar o desempenho padrão em 20% a 50%
Aumento do índice de conversão
Taxa de conversão para experiências personalizadas versus experiências de controle/padrão
Meta de aumento de 10 a 30% em relação a experiências não personalizadas
Índice de click-through (CTR)
Cliques em CTAs, ofertas e recomendações personalizadas divididos por impressões
Monitor por superfície (Web, no aplicativo, cartão de conteúdo) e por segmento
Receita por visita
Receita atribuída a sessões com experiências personalizadas
Comparar coortes de visitantes personalizadas com não personalizadas
Taxa de interação do cartão de conteúdo
Cliques e dispensas no cartão de conteúdo relacionados a impressões
Rastrear por tipo de cartão e segmento de público
Engajamento na mensagem no aplicativo
Interações de mensagem no aplicativo (cliques no CTA, rejeições) relativas a impressões
Comparar segmentos de público-alvo e tipos de mensagem
Tempo na página
Tempo médio gasto em páginas com conteúdo personalizado em relação ao padrão
As páginas personalizadas devem mostrar maior tempo de permanência
Taxa de aceitação da oferta
Porcentagem de ofertas selecionadas pela decisão que resultam em um evento de conversão
Rastrear por oferta, por posicionamento e por estratégia de classificação

Aplicativos

Os aplicativos a seguir são usados neste padrão de caso de uso.

  • Adobe Journey Optimizer (AJO) — Configuração de canal da Web, configuração de canal no aplicativo, configuração de canal de cartão de conteúdo, decisão (seleção e classificação de ofertas), criação de mensagens (criação de conteúdo personalizado), execução de campanha, experimentação de conteúdo e relatórios
  • Adobe Real-Time Customer Data Platform (RT-CDP) — Avaliação de público (borda, streaming e lote), pesquisa de perfil em tempo real via Edge Network, enriquecimento de perfil com atributos computados e pontuações de propensão
  • Adobe Experience Platform (AEP) — Armazenamento de perfil, serviço de identidade, SDK da Web, SDK Móvel, configuração de sequência de dados, entrega de rede de borda

Documentação relacionada

Os recursos a seguir fornecem detalhes adicionais sobre as tecnologias e configurações mencionadas neste guia.

Personalização do canal da Web

Canais no aplicativo e de cartão de conteúdo

Gerenciamento de decisão

Personalization e conteúdo

Públicos-alvo e segmentação

Identidade e perfil

Coleta de dados e SDK

Campanhas e experimentação

Atributos computados e enriquecimento

Relatórios e análises

Governança e privacidade

Medidas de proteção

recommendation-more-help
blueprints-learn-help-blueprints