Jak długo trwa zbudowanie i uruchomienie warstwy personalizacji?
Skoncentrowana pierwsza faza, obejmująca rekomendacje produktów, podstawową segmentację i integrację z istniejącymi źródłami danych, zazwyczaj trwa od ośmiu do dwunastu tygodni od kick-offu do uruchomienia produkcyjnego. Ten harmonogram zakłada, że Twój potok danych behawioralnych jest już w przyzwoitym stanie. Jeśli zbieranie danych wymaga najpierw pracy, dodaj dwa do czterech tygodni na ten fundament. Priorytetyzujemy uruchomienie działającej warstwy rekomendacyjnej jak najwcześniej, żebyś mógł mierzyć wzrost konwersji, gdy reszta budowy trwa.
Czy to działa z Shopify Plus, Salesforce Commerce Cloud lub w architekturze headless?
Tak, we wszystkich trzech przypadkach. Budowaliśmy integracje personalizacyjne na Shopify Plus korzystając z jego Storefront API, na Salesforce Commerce Cloud przez Open Commerce API oraz na w pełni headless i composable stosach opartych na Next.js lub podobnych frontendach. Sama warstwa personalizacji jest niezależna od platformy, siedzi między Twoimi źródłami danych a frontendem, więc platforma commerce poniżej w dużej mierze nie ma znaczenia dla głównej logiki. Kluczowe jest, żeby zdarzenia behawioralne były czysto zbierane, to audytujemy podczas scopingu.
Czym jest problem zimnego startu i jak sobie z nim radzisz dla nowych odwiedzających lub nowych produktów?
Problem zimnego startu (cold-start) opisuje sytuację, gdy model rekomendacyjny nie ma wcześniejszych danych o danym użytkowniku lub produkcie i nie może zaproponować niczego zindywidualizowanego. Dla nowych odwiedzających używamy sygnałów kontekstowych, źródła wejścia, typu urządzenia, lokalizacji, strony docelowej, by przypisać ich do behawioralnie podobnego segmentu i serwować odpowiednie rekomendacje. Dla nowych produktów bez historii zakupów lub wyświetleń korzystamy z sygnałów opartych na treści: kategorii, atrybutach, przedziale cenowym i powiązaniach katalogowych. W miarę jak użytkownik lub produkt gromadzi dane behawioralne, model automatycznie przechodzi od sygnałów kontekstowych do indywidualnych.
Jak szybko możemy spodziewać się mierzalnego wzrostu konwersji lub AOV?
Z naszego doświadczenia wynika, że pierwsze statystycznie istotne sygnały pojawiają się w ciągu czterech do sześciu tygodni od uruchomienia, pod warunkiem, że masz wystarczający ruch, by osiągnąć istotność w testach A/B. Dokładny czas zależy od miesięcznego wolumenu sesji i tego, jak wąsko definiujesz segmenty testowe. Infrastrukturę eksperymentacyjną uruchamiamy od pierwszego dnia, żeby każda zmiana rekomendacji była mierzona względem grupy kontrolnej, nie czekasz na kwartalny przegląd, żeby wiedzieć, czy coś działa.
Czy musimy mieć CDP, zanim zaczniemy?
Nie, ale posiadanie go przyspiesza prace. Jeśli już korzystasz z CDP, Segment, mParticle, Rudderstack, łączymy warstwę personalizacji bezpośrednio z Twoimi istniejącymi ujednoliconymi profilami. Jeśli nie masz jeszcze CDP, możemy zbudować lekki potok danych behawioralnych obsługujący najpierw use case'y personalizacji, a następnie rozwinąć go w pełniejszą architekturę CDP w drugiej fazie. Nie powiemy Ci, żebyś wstrzymał prace nad personalizacją, dopóki CDP nie będzie gotowy, scopujemy to, co jest osiągalne przy Twojej obecnej infrastrukturze danych, i równolegle budujemy w stronę pełniejszego obrazu.
Jakie techniki AI i uczenia maszynowego napędzają rekomendacje?
Podstawową techniką dla powracających odwiedzających z wystarczającą historią jest filtrowanie kolaboratywne, identyfikowanie kupujących o podobnych wzorcach behawioralnych i używanie ich zbiorowych działań do przewidywania, czym dana osoba zainteresuje się następnie. Dodatkowo stosujemy predykcyjne scorowanie afinitetowe, by rankować produkty według prawdopodobieństwa zakupu przez konkretnego użytkownika, a nie tylko wyświetlenia. Dla segmentów, gdzie danych indywidualnych jest mało, dokładamy filtrowanie oparte na treści z wykorzystaniem atrybutów produktów. Konkretna kombinacja, którą rekomendujemy, zależy od rozmiaru katalogu, wolumenu sesji i use case'ów, które chcesz priorytetyzować w pierwszej kolejności.