Skip to content

Kahdeksan tapaa personoida verkkopalvelua

Personoinnista puhutaan paljon, ja se on yksi digitalisaation ihanista termeistä, joilla voidaan tarkoittaa montaa erilaista asiaa.

Se, mitä kukin sillä tarkoittaa, riippuu puhujan osaamisesta, taustasta ja joskus myös siitä, mitä hän sinulle yrittää myydä.

Listasin tähän blogikirjoitukseen kaikki mahdolliset asiat, joita olen kuullut kanssaihmisten kuvailevan personoinniksi. Avaan personoinnin eri tyyppejä, miten erityyppisen personoinnin tuloksia mitataan ja mitä minkäkin tyyppiseen personointiin tarvitset.

Personointi on sitä, että…

1. Sähköpostisuora tervehtii sinua nimellä

Joo, onhan tämäkin tavallaan personointia. Joitakin vastaanottajia tämä varmaan ärsyttää, mutta sitten osaa taas ei. Oma mielipiteeni on, että jos teet sähköpostisuoraa ja olet huomannut nimellä puhuttelun toimivaksi, niin kaikin mokomin puhuttele asiakastasi.

Mittari: Tämän tyyppisellä personoinnilla halutaan vaikuttaa asiakassuhteen ylläpitämiseen.

Tunnistettu käyttäjä kyllä/ei: Kyllä, perustuu asiakasrekisteriin, jossa on vähintään nimi ja sähköpostiosoite.

Mitä tarvitset: Asiakasrekisterin, jossa on oma kenttä etunimelle sekä sähköpostiosoitteelle, sekä palvelun, jonka avulla voit lähettää sähköpostisuoria ja joka osaa napata asiakasrekisteristä etunimen tervehdyksen yhteyteen.

2. Sähköpostisuoran tilauslomakkeella kysytään tietoa sinun kiinnostuksesi kohteista

Tämäntyyppisessä personoinnissa koostat käyttäjän valintojen perusteella kohderyhmiä (segmenttejä). Huono puoli tässä on se, ettei malli oikein skaalaudu eikä päivity käyttäjän kiinnostuksen kohteiden muuttuessa. Skaalautuvuudella tarkoitan sitä, että esimerkiksi viidestä vaihtoehdosta tulee yhdistettynä monta erilaista kombinaatiota, joihin on liian isotöistä tehdä käsin räätälöityjä uutiskirjeitä.

Mittari: Asiakassuhteen ylläpito ja/tai konversion parantaminen.

Tunnistettu käyttäjä kyllä/ei: Kyllä, perustuu asiakasrekisteriin, johon on tallennettu kiinnostuksenkohteita.

Mitä tarvitset: Sisältöä ja jatkuvaa sisällöntuotantoa aiheista, jotka vastaavat tilauslomakkeen kiinnostuksen kohteita. Sisältö voi toki olla myös ihan vain tarjouksia, ei mitään sen monimutkaisempaa. Mikäli koostat uutiskirjeen käsin, riittää ihan perustason palvelu uutiskirjeiden lähettämiseen. Mutta jos mallisi on monimutkaisempi, vaatii uutiskirjeiden koostaminen automatiikkaa ja myös sisältösi luokittelun metadatalla.

3. Käyttäjä asetetaan verkkokäyttäytymisen perusteella tiettyyn segmenttiin

Verkkosivun tarjooman voi personoida kohderyhmittäin myös teknologialla, joka asettaa käyttäjän tiettyyn segmenttiin verkkokäyttäytymisen perusteella. Tämä on hyvä personoinnin perustaso, mutta vaatii toki sen, että käyttäjä viihtyy sivustolla enemmän kuin yhden sisällön verran.

Segmenttiin asettaminen on aina paras arvaus ja segmentit ovat etukäteen mietitty. Toisin sanoen verkkokauppias miettii segmenttinsä tarjoomansa mukaan eli personoinnin taustalla voi olla vaikka segmentti niistä, joita kiinnostaa puutarhan hoito, ja sitten taas niistä, joita kiinnostavat työkoneet.

Segmenttiin kuuluminen vaikuttaa esimerkiksi sitten siihen, mitä tuotteita käyttäjälle verkkokaupassa näytetään nostoissa ja bannereissa.

Tämäntyyppistä segmentointia on helpompi ylläpitää kuin kohdassa kaksi mainittua segmentointia. Tässä mallissa käyttäjän segmentti voi vaihtua samalla, kun hänen verkkokäyttäytymisensä muuttuu.

Mittari: Konversio ja/tai sitoutuminen

Tunnistettu käyttäjä kyllä/ei: Ei (välttämättä). Perustuu käyttäytymiseen.

Mitä tarvitset: Tarjoomasi tai asiakastutkimuksen perusteella määritellyt segmentit. Säännöt, joiden perusteella käyttäjä tiputetaan osaksi tiettyä segmenttiä. Teknologiaa, joka mahdollistaa em. säännösten tekemisen. Segmenttejä vastaavaa metadataa, jolla voit luokitella sisältösi tai tuotteesi sekä käyttöliittymään logiikkaa, joka personoi tietyt sisältö/tuotepaikat segmentin mukaisesti. Jos palvelusi on sisältöpalvelu, tarvitset ideaalisti sisältöä, jossa on erillisiä syvyystasoja, eli saat käyttäjän kiinnostumaan ensimmäisestä tasosta ja kenties klikkaamaan seuraavaan sisältöön, joka syventää käyttäjän ymmärrystä aiheesta.

4. Markkinoinnin automaation ohjaama hoitomalli, joka perustuu sinun dataasi

Mikäli data tässä tapauksessa perustuu asiakassuhteeseen, tämä on hieno esimerkki personoinnista. Esimerkiksi jos olet maksanut asuntolainan ja pankkisi lähestyy sinua ehdotuksella rahastosijoittamisesta. Tällainen personointi toimii siis hyvin ympäristöissä, joissa asiakasdatasta on johdettavissa luontevia upsell- ja cross-sell-tarjoomia.

Mittari: Personoinnilla pyritään kehittämään asiakassuhdetta ja kasvattamaan asiakkaan liiketoiminnallista arvoa tarjoamalla datan perusteella asiakkaan elämäntilanteeseen soveltuvia tuotteita tai palveluja.

Tunnistettu käyttäjä kyllä/ei: Kyllä, perustuu asiakkuudesta kertyneeseen dataan.

Mitä tarvitset: Asiakkuudesta kertynyttä dataa, tarjoomaasi liittyvää analyysia siitä, minkä tyyppinen upsell-/cross-sell-tarjooma toimii. Business casea varten laskelmia siitä, minkä arvoinen menetetty asiakas on ja miten paljon uuden asiakkaan hankkiminen maksaa. Lisäksi tarvitset osaamista rakentaa hoitomalleja ensin konseptuaalisella tasolla ja sen jälkeen markkinoinnin automaation järjestelmän, johon hoitomallit implementoidaan. Sisältöstrategian avulla ohjaat sisällöntuotantoa tukemaan myös tätä asiakkuuden ylläpidon/kehittämisen vaihetta.

5. Verkkokauppa suosittelee sinulle: “Muutkin ostivat näitä tuotteita”

Isoissa verkkokaupoissa tämä suositus pohjautuu ostokäyttäytymiseen, joka on ankkuroitu tuotteeseen. Suurista joukoista haetaan samankaltaisuuksia ja suositukset päätellään sen perusteella.

Mittari: Tämän tyyppisen personoinnin onnistumista mitataan yleensä konversion parantamisella tai vaikkapa ostoskorin arvon kasvulla.

Tunnistettu käyttäjä kyllä/ei: Ei (välttämättä). Perustuu käyttäytymiseen sekä suositeltavaan objektiin liittyvään dataan.

Mitä tarvitset: Asiakaspolun, joka on selkeästi mitattavissa (transaktionaalinen) ja jonka kohteena on jokin objekti (tuote, sisältö), jota voi suositella, sekä kriittisen massan käyttäjiä. Vielä paremmin tämä toimii, mikäli objektiin on liitetty sitä kuvailevaa metadataa. Silloin suosittelun voi rakentaa myös puhtaasti objektiin liittyvän datan avulla. Tämä voi olla tarpeen, mikäli verkkopalveluun ei ole luontevaa suunnitella kovin transaktionaalisia polkuja tai sivustolle saavutaan yleensä Googlen kautta ja NBO (next best offer) eli varsinaisen haetun sisällön jälkeinen suositus halutaan optimoida heti eikä vasta, kun käyttäjä on tehnyt verkkopalvelussa jotain, mikä linkittäisi hänet johonkin tietyllä tavalla käyttäytyvien klusteriin.

7. Verkkosivun tarjooma personoidaan sinulle ikään kuin lennosta

Tämä on hiukan sukua ylläolevalle, mutta pidän tämän erillisenä, koska usein tämän tyyppinen personointi luvataan hoitaa teknologian ja tekoälyn avulla.

Mikäli kyseessä on sisällön personointi, tekoälyllä viitataan usein NLP (Natural Language Prosessing) -tekniikkaan, joka osaa tulkita tekstistä sen, mistä sisältö kertoo, ja sen perusteella personoi sisältöä käyttäytymisen perusteella. Sisällöltä ei vaadita kuvailevaa metadataa, vaan teknologia osaa itse tunnistaa olennaisimmat aiheet. Erityisesti suomenkielisen sisällön suhteen tämäntyyppisten ratkaisujen kanssa kannattaa olla hiukan varuillaan. Tunnistetut aiheet voivat jäädä liian ylätasolle ollakseen hyödyllisiä tai sisältösuositus voi olla jotain noloa tai sopimatonta.

Mittari: Sitoutuminen eli sivustolla pidempään viihtyminen ja enemmän sivulatauksia per kävijä. Esimerkiksi jos verkkopalvelun ansaintamalli on display-mainokset ja tällä tavalla saadaan sisältöjen yhteyteen saadaan toteutettua jatkosisältöjen suosittelu, voi ratkaisu auttaa nostamaan sivulatausten määrä/käynti. Mikäli aiheiden tunnistus on laadukasta, voi tämä auttaa myös konversion parantamiseen.

Tunnistettu käyttäjä kyllä/ei: Ei (välttämättä). Perustuu käyttäytymiseen ja sisällöstä tunnistettuun kontekstiin.

Mitä tarvitset: Paljon sisältöä (mielellään englanniksi...), jonka aihepiirit ovat tarpeeksi yleisiä ja ne esiintyvät teksteissä järjestelmällisesti, jotta tekoäly oikeasti osaa tunnistaa aiheet hyödyllisellä tasolla. Teknologiaa joka tavalla tai toiselle tunkataan kiinni verkkopalveluusi.

7. Verkkopalvelun (tai sähköpostisuoran) käyttämiä suostuttelukeinoja muokataan sinua puhuttelevaksi

Luin jokunen vuosi sitten kirjan (ja kirjoitin siitä blogitekstin), jossa neuvottiin soveltamaan verkkopalveluissa kivijalkakaupoissa iät ja ajat käytettyjä myyntimenetelmiä. Esimerkki suostuttelutekniikoista on esimerkiksi auktoriteettiin vetoaminen ("Tekniikan Maailman testivoittajat”) tai sosiaalinen todiste (“Suosituin tuotteemme”). Kirjan kirjoittaja oli myös tutkinut aihetta ja todennut, että ihmiset ovat melko uskollisia tietyntyyppiselle suostuttelulle, ja että oikeanlainen suostuttelu paransi konversiota.

Mittari: Konversio ja/tai sitoutuminen.

Tunnistettu käyttäjä kyllä/ei: Ei (välttämättä). Perustuu käyttäytymiseen.

Mitä tarvitset: Palvelumuotoilija-copy-työparin, joka suunnittelee ja toteuttaa verkkopalvelustasi suostuttelevan. Periaatteessa tätä lähestymistapaa voi toteuttaa A/B -testauksen avulla tai teknologialla, joka perustuu “yksikätiseen rosvoon” eli algoritmiin, joka oppii jatkuvasti käyttäjistä ja tarjoaa parhaiten toimivaan suostuttelutekniikkaan perustuvaa copytekstiä.

Yhteenveto: jos se olisi helppoa, kaikki olisi jo tehnyt sen

Yleisesti ottaen hyvä personointi vaatii näitä kaikkia:

  • Näkemystä. Mitä personoidaan? Miksi ja miten tuloksia mitataan? Onko personointiin investointi oikeasti perusteltavissa?
  • Kahdenlaista dataa eli sitä, jolla on kuvailtu sitä objektia, jota personoidaan (sisältö, tuote) sekä dataa, jonka perusteella voidaan päätellä asioita käyttäjistä
  • Palvelumuotoilua: Missä kohdassa käyttäjän polkua tarjoomaa kannattaa personoida? Personoidaanko kaikki sivulla/näkymässä näkyvät elementit vai osa niistä? Miten personoitu tarjooma tarjoillaan käyttäjälle?
  • Jatkuvaa testaamista esimerkiksi siitä, kummasta lähestymistavasta käyttäjät pitävät. Sitä, että heille personoitu sisältö tarjoillaan nimenomaan personoidusti (“Juuri sinulle valitsimme…”) – tai hiukan hienotunteisemmin ja ilman tätä alleviivausta. Puhuttelulla on merkitystä.
  • Teknologiaa, joka voi olla personointiin erikoistunut järjestelmä tai datatieteilijän kehittämää koodia. Teknologia yksin ei ratkaise personoinnin haastetta.