Протягом багатьох років персоналізація залишалася більше мрією, ніж реальністю. Компанії обіцяли досвід, адаптований під потреби клієнтів, але пропозиції та рекомендації часто не відповідали очікуванням, навіть незважаючи на можливість відслідковувати, які сайти відвідують споживачі.
Однак з появою генеративного штучного інтелекту (ШІ) персоналізація може стати реальною.
“Персоналізація давно є цифровою обіцянкою, яка не змогла повністю реалізуватися,” зазначила Джанае Дуан, викладачка в Браунівському університеті та наукова співробітниця MIT CISR. “Нам десятиліттями говорили, що наші кліки відкриють доступ до персоналізованого досвіду, але якщо ви колись дивувалися дивним рекомендаціям від Netflix, ви знаєте, що ми ще не досягли цієї мети.”
Ситуація може змінитися. За словами Дуан, сучасні системи штучного інтелекту переходять від сегментації на основі правил до навчання в режимі реального часу та контекстного усвідомлення.
“Сучасні системи не просто відстежують, що ми робимо; вони також роблять висновки про те, як ми почуваємось,” сказала Дуан. “Вони можуть змінювати тон під час розмови, переписувати контент на ходу та еволюціонувати відповідно до наших потреб.” Але вона також визнала, що у систем ШІ є обмеження. “Справжня персоналізація є рухомою ціллю, оскільки людські бажання є змінними, контекстуальними та часто суперечливими.”
Попередні зусилля також були неуспішними, оскільки вони більше спиралися на сегментацію, а не на реальне розуміння цільової аудиторії.
“Більшість так званої ‘персоналізації’ за останні два десятиліття є не більше ніж категоризацією,” зазначив Пуніт Мехта, генеральний директор компанії Netomi. “Показуйте наукову фантастику шанувальникам наукової фантастики. Пропонуйте знижку 10% частим покупцям. Це не персоналізація. Це відповідність шаблонам.” Він зазначив, що те, що змінюється зараз, – це можливість додати “справжній людський елемент” до цифрових взаємодій, включаючи емоційний інтелект і пам’ять про попередні обміни.
За даними звіту PYMNTS Intelligence, 83% споживачів готові до персоналізованих пропозицій, але тільки 44% вважають їх “дуже актуальними” для своїх потреб, а 17% сказали, що ці пропозиції є “абсолютно нерелевантними.” Крім того, персоналізація пропозицій може бути більш переконливим інструментом продажу, ніж розмір знижки. “Справжня цінність персоналізації пропозиції для споживача полягає в тому, якою мірою продавець адаптує її до уподобань споживача, а не в тому, якою є знижка,” наголошується у звіті.
Тим часом опитування SAS показало, що лише 19% маркетологів, які щодня використовують генеративний ШІ, здійснюють таргетування аудиторій. Це “не оптимально”, оскільки 92% з тих, хто використовує генЕРативний ШІ для персоналізації, повідомляють про вищий ROI.
Головною проблемою є брак усвідомлення того, на що здатний генеруючий ШІ на рівні керівників. Інший звіт від Data Axle вказав на додаткові бар’єри, такі як організаційні ізоляції, старі системи і складність регулювання, що заважають справжній персоналізації. При цьому 91% маркетологів вважає, що об’єднання особистих і професійних даних споживача призведе до кращого таргетування аудиторій.
Перехід від даних до дій є складним
Джекі Уокер, провідний експерт з розробки стратегії роздрібної торгівлі в Північній Америці компанії Publicis Sapient, зазначила, що персоналізація не виправдала сподівань з кількох причин.
“Частина проблеми пов’язана з якістю даних, що має бізнес про своїх клієнтів, і наскільки ці дані можуть бути використані, інша частина стосується виходу: що доцільні зміни можуть бути внесені у взаємодії бізнесу з його клієнтами на широкому спектрі контактних точок,” сказала Уокер. “Складність, що виникає в обох цих сферах, призвела до того, що персоналізацію почали визначати просто як кращу сегментацію. … Однак клієнти інтелектуальніші за це.”
Наприклад, якщо відвідувач ресторану завжди замовляє бургер без огірків, а ресторан пропонує новий сендвіч у південному стилі з додатковими огірками, це не відповідає потребам споживача. Для бізнесу розуміння цих даних для тисяч клієнтів є складним завданням: їм потрібно з’єднати дані та, можливо, зробити висновки про деякі атрибути клієнта, а потім зрозуміти, як скористатися цими даними для створення пропозицій.
“ШІ справді має можливість вирішити обидві сторони (споживача і бізнесу) проблеми,” сказала Уокер. “З ШІ агрегація та інтерпретація даних стають значно доступнішими. Ви можете враховувати більше сценаріїв, ніж раніше.”
Проте Лей Ґао, технічний директор компанії SleekFlow, вважає, що, хоча ШІ досяг прогресу у справжній персоналізації, “все ще існує розрив між обіцянкою і реалізацією.”
Це пов’язано з тим, що штучний інтелект є настільки ж ефективним, як і дані, які він обробляє. Проблема полягає в тому, що більшість бізнесів все ще зберігають свої дані в ізоляції або не мають інфраструктури, щоб забезпечити доступність своїх даних про клієнтів у реальному часі.
“Без поєднаних, якісних потоків даних рекомендації ШІ завжди будуть недостатніми,” зазначив Ґао.
По-друге, справжня персоналізація не лише в тому, що клієнт любить чи не любить. Контекст також має велике значення. “У контексті розмовної комерції, наприклад, рекомендація продукту буде залежати не лише від історії покупок клієнта, але також від його позиції у процесі покупки в даний момент,” сказав Ґао.
Дані також повинні бути максимально актуальними для досягнення найкращих результатів.
“Персоналізація є лише такою ж ефективною, як і дані, що її підтримують,” зазначив Дін де ла Пенья, віце-президент компанії Resonate. “Якщо вона працює зі застарілою чи неповною інформацією, отримані інсайти можуть бути недостовірними.” Для персоналізації, на його думку, брендам потрібно мати доступ до сигналів у реальному часі, які відображають не лише минулу поведінку, а й актуальний контекст — особливо в нестабільні часи, коли споживчі настрої стрімко змінюються.
Наприклад, якщо роздрібний продавець базуватиме цьогорічні маркетингові кампанії на торішніх витратах на повернення до школи, він ризикує не вгадати тенденції, зазначив де ла Пенья. Пріоритети споживачів можуть швидко змінюватися залежно від таких чинників, як інфляція, модні тенденції та зміни культурних установок.
Проте не всі зусилля з персоналізації зазнали провалу. Деякі, навпаки, досягли значного успіху.
“Це двобічна історія,” зазначив Сіамак Фрейдууннеджад, співзасновник Sprites-AI. “З одного боку, ШІ вже досяг значного прогресу в персоналізації контенту для аудиторій. Один з найбільш яскравих прикладів — TikTok або Instagram. Системи рекомендацій на цих платформах кураторують візуальний контент, який, здається, розуміє тебе. Саме через це їх так легко використовувати.”
Проте, “алгоритми Spotify для Discover Weekly можуть бути або надзвичайно релевантними, або жахливо віддаленими від реальності,” додав Фрейдууннеджад. “Ці алгоритми дуже адаптивні та точні і зазвичай дають правильні результати. Вам не потрібно шукати те, що вам подобається; це вже є у вашій стрічці. І в цьому полягає і краса, і прокляття.”
Тож, чи зможе генеративний ШІ виправити ситуацію з персоналізацією? “Хоча ми й справді стали ближчими до цієї мети, ‘справжня персоналізація’ все ще є рушійною ціллю,” підсумував Ґао з SleekFlow. “Це менш про магічний алгоритм, а більше про створення міцних, продуманих систем, які поєднують технології з дизайном, орієнтованим на людину.”