Premium
Vedi cosa è incluso in Target Premium.

Introduzione alla funzione Consigli

Il testo di questo articolo proviene dal webinar introduttivo alla funzione Consigli, a cui puoi accedere qui sotto.

Il webinar Introduzione alla funzione Consigli include una descrizione approfondita di come sfruttare il valore di Adobe Target Recommendations. Scopri in che modo questa attività Target visualizza automaticamente prodotti o contenuti che potrebbero interessare ai clienti ottimizzando i suggerimenti in tempo reale basati sulle visite precedenti. Inoltre, immergiti nell’interfaccia utente Target per una panoramica dettagliata su come creare un’attività Recommendations.

Introduzione

Ormai siamo tutti abituati ai vari tipi di consigli che vediamo nel settore retail. Sempre più spesso, i clienti si aspettano di ricevere questi consigli e li utilizzano come punto di partenza per scoprire altre possibilità. Se pensi al tuo comportamento di shopping, concorderai che in effetti funzionano. Ci è capitato praticamente a tutti di acquistare un prodotto che ci era stato consigliato da qualche parte, in un negozio fisico o una proprietà digitale.

L’illustrazione seguente mostra alcuni articoli consigliati: accessori acquistati spesso insieme a un telefono nuovo, come stazione di ricarica, custodie e cuffie.

Prodotti consigliati, in base agli accessori che altri utenti hanno acquistato insieme a un telefono nuovo.

Ma non ci soffermiamo spesso a pensare in che modo le aziende di digital-first contribuiscono ad alzare le aspettative dei clienti. Il modo in cui usiamo contenuti e media è sempre più spesso guidato da suggerimenti e consigli personalizzati. Pensa alla prima cosa che vedi quando apri Netflix, Spotify o YouTube. L’esperienza dei clienti inizia sempre con una serie di articoli consigliati. In un mondo in cui sono disponibili più alternative che mai, è fondamentale poter identificare i contenuti più rilevanti per il cliente al momento dell’interazione.

Consigli proposti da brand digitali

Gli addetti al marketing utilizzano Adobe Target per promuovere esperienze personalizzate per un’ampia gamma di settori, tipi di clienti e canali.

Adobe Target è in grado di fornire contenuti personalizzati ovunque.

Illustrazione che mostra come Target distribuisce i consigli in vari luoghi

Questi sono solo alcuni esempi di come i nostri clienti usano Target per distribuire consigli personalizzati.

Come si possono proporre consigli efficaci?

Illustrazione che mostra i tre elementi che contribuiscono a creare consigli efficaci

Per essere efficaci, i consigli devono essere pertinenti e personalizzati. Per garantire rilevanza e personalizzazione servono tre ingredienti:

  • Controlli per gli addetti al marketing che consentano di ottimizzare la pertinenza degli articoli consigliati. In qualità di addetto al marketing, conosci bene il contesto e sai quali attributi dei prodotti o contenuti devono essere considerati da un modello per la generazione di consigli. Se gestisci un sito di video, sai che gli utenti potrebbero essere interessati a vedere film dello stesso regista, ma probabilmente non è interessato a vedere film prodotti dallo stesso studio. Target ti offre i controlli necessari per ottimizzare gli algoritmi con la tua specifica conoscenza del dominio.
  • Modelli sofisticati con cui ottenere informazioni importanti dai milioni di articoli presenti nel catalogo ed eventi di interazione. Target ha sofisticate funzionalità di apprendimento automatico che attingono a dieci anni di esperienza, e gestisce miliardi di consigli all’anno.
  • Contesto dell’utente per assicurare che i consigli siano puntuali e rilevanti per i singoli utenti. Non vorrai consigliare il video appena guardato o la maglietta appena aggiunta al carrello. Il profilo utente avanzato di Target può essere utilizzato nei consigli per garantire la personalizzazione.

Implementare le attività Consigli di Target

Inizia con una strategia.

Illustrazione che mostra la strategia per i consigli

  • Quali articoli vuoi consigliare? Innanzitutto, pensa a quali articoli vorresti consigliare ai tuoi utenti. Potrebbe trattarsi di prodotti, video o contenuti.
  • Dove vuoi mostrare i consigli? Quindi, pensa a dove dovranno essere visibili i consigli. In linea generale, su quali canali (web, dispositivi mobili, negozio, chiosco e così via). In quali aree del percorso del cliente verranno inseriti i consigli? Su quali pagine del sito?
  • Come determinare se i consigli sono efficaci? Supponiamo di avere un’esperienza senza consigli e una con, oppure due tipi diversi di consigli. Come puoi determinare quale esperienza si è rivelata migliore per i clienti? Alcune metriche potrebbero essere più difficili di altre da misurare. Ad esempio, spesso è difficile risalire all’impatto dei consigli sul valore del ciclo di vita del cliente. Quindi è più facile ottenere una metrica meno astratta e più concreta, ad esempio ricavo per visita, valore medio dell’ordine o numero di clic. In alcuni casi, potresti essere interessato a ridurre una specifica metrica, ad esempio il numero di chiamate di assistenza.

Una volta definita la strategia, sei pronto per implementare Target Recommendations.

L’implementazione della funzione di generazione dei consigli comporta tre passaggi generali:

Illustrazione dei passaggi necessari per implementare i consigli

  1. Insegnare a Target come trattare contesto e prodotti.
  2. Acquisire il comportamento degli utenti.
  3. Inserire i consigli nel contesto giusto.

Insegna a Target in cosa consistono contesto e prodotti

Quando inizi con Recommendations, devi trasmettere informazioni su ogni elemento che vorrai poter consigliare. Target offre diverse opzioni di integrazione per creare il catalogo.

Illustrazione che mostra come insegnare a Target in cosa consistono contesto e prodotti

Il metodo più semplice e più frequentemente utilizzato consiste nell’inviare un file CSV su base giornaliera o settimanale dal sistema di gestione delle informazioni sui prodotti o dal sistema di gestione dei contenuti. Ma puoi anche trasmetterle sul livello dei dati dalla pagina stessa, utilizzando la libreria JavaScript di Adobe Target; oppure direttamente dal sistema di origine mediante le nostre API; o ancora puoi utilizzare la nostra integrazione Adobe Analytics, se trasmetti già i dati del catalogo a Analytics.

A volte può essere utile utilizzare insieme più opzioni: ad esempio puoi trasmettere la maggior parte dei dati giornalieri tramite un file CSV, e gli aggiornamenti di inventario a cadenza più frequente tramite un’API.

In genere il reparto IT sarà coinvolto nell’impostazione di questo passaggio.

A prescindere dal metodo scelto, è necessario includere metadati su ogni elemento in tre categorie:

Illustrazione che mostra le informazioni sui metadati per il catalogo

  • Dati da presentare all’utente che riceve il consiglio. Ad esempio, il nome del film e un URL per l’immagine in miniatura.
  • Dati utili per applicare controlli di marketing e merchandising. Ad esempio, la classificazione del film, se vuoi evitare di consigliare i film vietati ai minori di 18 anni.
  • Dati utili per determinare la similarità tra diversi elementi. Ad esempio, il genere o gli attori del film.

Acquisire il comportamento degli utenti

Successivamente, devi aggiungere dei tag o sfruttare l’implementazione esistente di Analytics per tenere traccia degli eventi di conversione (come visualizzazioni e acquisti) da utilizzare per li algoritmi di Target.

Illustrazione che mostra come acquisire il comportamento degli utenti

È necessario assicurarsi che Target sia a conoscenza degli articoli che gli utenti visualizzano e acquistano. Se l’acquisto non è pertinente al tuo contesto, potrebbe essere utile tenere traccia di un altro tipo di evento di conversione, ad esempio il download di un PDF, il completamento di un sondaggio, l’abbonamento a una newsletter, la visione di un video e così via.

Se utilizzi già Target per eseguire attività Test A/B sul tuo sito, potresti aver già completato questo passaggio. Oppure, se utilizzi già Adobe Analytics per generare rapporti sulle visite al sito e sul comportamento di conversione, puoi usare Analytics come origine dei dati comportamentali. In caso contrario, sarà più semplice impostare questo passaggio utilizzando un gestore di tag, come Adobe Experience Platform. È anche possibile inviare interazioni offline o in-app a Target tramite API in tempo reale.

Inserire i consigli nel contesto giusto

Se trasmetti informazioni sull’utente e il contesto al punto dell’interazione, Target sarà in grado di restituire consigli pertinenti e personalizzati.

Illustrazione che mostra come ottenere consigli nel contesto giusto

Oltre al comportamento dell’utente sotto forma di dati aggregati, è necessario trasmettere a Target il contesto specifico in cui vengono visualizzati i consigli. Questo include informazioni sulla pagina e sul profilo utente. Target utilizza queste informazioni per generare consigli personalizzati. Ad esempio, in un sito web per la vendita al dettaglio, è importante sapere quale prodotto e categoria di prodotti sta attualmente visualizzando il visitatore. Vorrai conoscere anche informazioni sull’utente (marchio preferito, categoria di prodotti preferita, livello fedeltà e così via). Tutte queste consentono a Target di filtrare gli articoli e migliorare la personalizzazione dei consigli.

Creare la prima attività Consigli

Cos’è un’attività di Recommendations?

Illustrazione che mostra le parti che compongono una buona attività di Consigli

Un’attività di Recommendations è composta dai seguenti elementi:

  • Pubblico: chi potrà vedere i consigli?
  • Criteri: quali articoli dovranno essere consigliati?
  • Progettazione: come verranno presentati gli articoli consigliati?

Illustrazione che mostra gli elementi che compongono un’attività di Consigli: pubblico, criteri e progettazioni

Con Target sono già inclusi 14 tipi di pubblico, 42 criteri e 10 modelli di progettazione. Puoi personalizzare ciascuno di questi elementi o aggiungerne altri. Abbiamo avuto precedenti webinar sulla creazione di tipi di pubblico in Target. Questa sezione tratta come definire i criteri, i quali a loro volta definiscono quali articoli verranno consigliati.

Target utilizza il concetto di scheda dei criteri. Una scheda di criteri è come una ricetta per la personalizzazione.

Illustrazione della scheda Criteri

Per ottenere i risultati di personalizzazione desiderati, è importante scegliere o creare i criteri giusti. Un criterio è simile a un funnel, o imbuto, che consente di passare dall’intero catalogo al set di consigli finale.

Illustrazione di un funnel

Le sezioni seguenti descrivono le varie parti di questo funnel e come funzionano in Target:

Filtri statici (raccolte ed esclusioni)

I filtri statici sono regole generiche applicabili agli attributi del catalogo, che non saranno soggette a frequenti modifiche.

Illustrazione di raccolte ed esclusioni

Ad esempio, in un contesto di contenuti, potresti voler includere nei consigli tutti i film eccetto quelli vietati ai minori di 18 anni. In un contesto retail in cui gestisci più marchi, potresti voler consigliare solo i prodotti disponibili per una specifica area geografica. Potresti anche voler escludere i prodotti di un’etichetta locale privata.

Questi sono tutti attributi del catalogo applicabili in ambito generale che possono essere usati in più consigli e che non sono soggetti a modifiche frequenti.

Algoritmo (chiave e logica per la generazione dei consigli)

La fase successiva consiste nel scegliere una chiave e una logica per la generazione dei consigli. In pratica, devi decidere su che base verranno proposti i consigli.

Illustrazione dell’algoritmo

Per prima cosa devi scegliere la chiave per i consigli. La chiave indica cosa vuoi consultare per scegliere un consiglio, su cosa si basa il consiglio.

Il consiglio potrebbe dipendere da:

  • L’articolo attualmente visualizzato dal visitatore
  • La categoria attualmente visualizzata dal visitatore
  • L’ultimo articolo acquistato o aggiunto al carrello
  • Un attributo personalizzato relativo a un visitatore o a un articolo

In base a queste chiavi, scegli quindi la logica per la generazione del consiglio:

  • Articoli con attributi simili
  • Articoli più visualizzati in una particolare categoria
  • Chi ha comprato questo articolo ha acquistato anche questi
  • Attributo personalizzato

Con Target viene fornito anche un portfolio di algoritmi.

Illustrazione del portfolio di algoritmi

  • Gli algoritmi basati sulla popolarità includono Più visualizzato e Più venduti.
  • Gli algoritmi basati sul contenuto includono Somiglianza del contenuto.
  • Gli algoritmi con filtro collaborativo basato sugli articoli includono Visualizzato/Visualizzato, Visualizzato/Acquistato ed Acquistato/Acquistato. Tieni presente che “Acquistato” può essere una qualsiasi conversione.
  • Gli algoritmi personalizzati includono Visualizzato di recente, Affinità sito e filtro collaborativo ottimizzato per il profilo.
  • Gli algoritmi propri consentono di utilizzare propri algoritmi personalizzati.

Regole di business online

L’ultimo passaggio consiste nell’applicare le regole di business online. In questa fase abiliti gli algoritmi con conoscenza del dominio e del contesto corrente in base all’interazione del visitatore sulla tua proprietà digitale.

Illustrazione delle regole di business online

Ad esempio, nel contesto dei contenuti, puoi escludere i film che il visitatore ha già guardato, consigliare altri film dello stesso regista o promuovere altri film dello stesso genere. In un contesto retail, puoi escludere ad esempio i prodotti che non sono a magazzino, mostrare solo quelli con prezzo compreso tra 5 e 500 euro, o promuovere quelli di uno stesso marchio.

Demo

Una volta completate le attività illustrate qui sopra nel funnel per la generazione dei consigli, si passa alla fase di creazione finale. Per una dimostrazione all’interno di Target, guarda la demo a partire dal minuto 21:00 nel webinar sulle nozioni di base di Adobe Target, dal collegamento che segue.

Webinar sulle nozioni di base di Adobe Target: introduzione alla funzione Consigli intro-to-recs

Introduzione alla funzione Consigli

recommendation-more-help
3d9ad939-5908-4b30-aac1-a4ad253cd654