Bir Ed-Tech Şirketi Olarak Dönüşümlerinizi 3 Katına Çıkaracak Ürün Tavsiye Stratejileri

2025 yılına kadar Hindistan Ed-Tech ekosistemi, %39'luk bir YBBO ile büyüyerek 10,4 milyar dolarlık pazar fırsatına ulaşacak. Son birkaç yılda Ed-Tech, teknolojinin benimsenmesinden, büyük bir genç nüfustan ve beceri kazanma ve yeniden beceri kazandırma için artan talepten büyük fayda sağladı.

Aslında 2021'de 1.113 üniversite, 43.000 kolej ve 70 milyondan fazla öğrenci vardı, bu da Hindistan'ı dünyadaki eğitim alanındaki en büyük operatörlerden biri yapıyor. Ve çevrimiçi eğitim, geleneksel kuruluma yakın olmasa da - pandemi sonrası dünyada çevrimiçi öğrenmenin yaygın olarak benimsenmesi nedeniyle dijital öğrenmenin kabulü orman yangını gibi yayılıyor.

Şimdi soru şu: Bir Ed-Tech markası olarak rekabette nasıl önde kalabilirsiniz? Tutma ve katılım hüznünü yenmek için platformunuzda ayırt edici bir faktör ne olurdu?

Tüm bu modern zorluklara doğrudan bir çözüm, güçlü bir ürün tavsiye sistemidir. Öneri sistemi, 'bir kullanıcının çıkarına en uygun hizmetleri öneren bir araçtır.'

Bu blogda, Ed-tech endüstrisinin, Ed-Tech platformları için özel olarak tasarlanmış etkili/kazanan gücün elde tutma ve etkileşim hüznünü nasıl yenebileceğini inceleyeceğiz.

Ed-Tech dönüşümleri nelerdir?

İstatistikler bize, Ed-Tech şirketlerinin ortalama olarak %2-3'lük bir dönüşümle 3.000-3.500 organik potansiyel müşteri elde ettiğini söylüyor. Yüksek kayıp, azalan ödeme istekliliği ve artan rekabet nedeniyle Ed-Tech'ler daha fazla harcama yapıyor. Büyük teknoloji, Facebook ve Google gibi ücretli kanallarda ve basılı ve televizyon gibi geleneksel medyadaki reklamlarda balistik olurken, birçok genç girişim de potansiyel müşteri oluşturmak için Whatsapp grupları ve Facebook toplulukları gibi kanallara başvuruyor.

Tüketiciler, Ed-Tech satın alımlarını uzun vadeli taahhütler olarak görüyor, bu nedenle satın alma işlemi yapmadan önce daha fazla düşünme, araştırma ve değerlendirme gibi birçok faktör devreye giriyor.

Kullanıcı hunisi bozulursa bu maliyetler daha da yükselebilir. Kursunuza ilgi gösteren ve sorgu bırakan bir müşteri hayal edin; web sitesinin CRM'si bozulursa, bu müşteri adayı etkinleştirilmeden önce devre dışı kalabilir. Bu dönüşüm oranı optimizasyonu, bu kıyasıya pazarda hayatta kalmayı planlayan herhangi bir işlevsel Ed-Tech şirketinin kutsal kâsesidir.

Ed-Tech işiniz için dönüşüm oranı nasıl hesaplanır?

Ed-Tech girişimleriniz için dönüşümü hesaplamak, geleneksel işletmelerden çok farklı değildir - yalnızca iki veri noktasıyla çalışmanız gerekir. Bir kursa kaydolmak veya devam eden bir soru sormak gibi istenen bir eylemi gerçekleştirenlere karşı hedef kitle akışını analiz ederek başlayın. Bu veriler, Google Analytics kontrol panelinizden kolayca elde edilebilir.

Dönüşüm Oranı = (Dönüşüm Sayısı / Ziyaretçi Sayısı) x %100

Geçen ay, Nisan 2023'te 1000 kullanıcının açılış sayfanızı ziyaret ettiğini ve yaklaşık 100 kullanıcının yaklaşan bir atölye çalışmasına kaydolarak kursunuza ilgi gösterdiğini hayal edin. Dolayısıyla, biri size bu dönüşüm hunisinden dönüşüm oranını sorarsa, şöyle olur:

(100 / 1.000) x %100 = %10

Yani, toplam hedef kitlenin %10'u teklifinize ikna oldu. İşte burada işler ilginçleşiyor. Pazarlamacılar, bu kullanıcılar için gerçekten neyin işe yaradığını belirlediklerinde ve ardından dönüşümü en üst düzeye çıkarmak için her kullanıcı için aynı şeyi kopyalamaya çalıştıklarında gerçek testlere tabi tutulurlar.

Birçok pazarlamacı, açılış sayfalarını A/B testine başvurur, bazıları çeşitli reklamlar yayınlar ve diğerleri, giriş için düşük engeller oluşturan ücretsiz ürünler ve daha düşük sürtünme noktaları sunar, ancak kesin bir formül var mı? MECLABS'den Flint McGlaughlin, dönüşümü yönlendirmenize yardımcı olan beş temel öğeden oluşan bir çerçeve oluşturan bir dönüşüm dizisi buluşsal yöntemi geliştirdi.

Bu denklemde, bir kullanıcının dönüşüm olasılığı (C), ziyaretçi motivasyonu (m), değer önermesinin genel gücü (v), sürtüşmenin varlığı (f), süreçteki kaygı (a) ile doğru orantılıdır. ve son olarak, (i) ortadan kaldırılamayan sürtünmeyi dengeleyen teşvik.

Yukarıdaki denklem, genel motivasyona ve her bir sürtüşmeye karşı açılış sayfasında sunulan değer teklifine daha fazla odaklanarak pazarlamacıların dönüşüm olasılıklarını artırmalarına yardımcı olan bir "düşünce aracına" gevşek bir şekilde çevrilmiştir. Ancak, her adımda kendinize şu soruları sorun:

1. Bu kullanıcılar kimlerdir?
2. Web sitesini nasıl keşfettiler?
3. Neden düşürdüler?
4. Bir sonraki aşamaya geçmek için başka hangi bilgilere ihtiyaçları var?
5. Tüm acı noktalarını ele alıyor muyuz?

Kullanıcıların satın alma yolculuğu, web sitenizi ziyaret ettiklerinde aldıkları güvene dayalı pek çok "evet"in birleşimidir; bu nedenle, dönüşüm hunisinin her adımı çok önemli bir noktadır. Her adımda, özellikle 4.500'den fazla girişimin bulunduğu Hindistan Ed-Tech alanında, web sitesindeki her mikro evet, potansiyel olarak geri kalanlarla rekabet ediyor.

Öneri motoru nedir?

Kullanıcıların ilgilerini çekebilecek ürün veya hizmetleri önermek için satın alma alışkanlıkları ve davranışlarıyla ilgili verileri kullanma süreci bir tavsiyedir. Bu sistemler, bir kişinin satın alma olasılığının en yüksek olduğunu belirlemek için geçmiş satın almalar, satın alma geçmişi, arama sorguları ve göz atma davranışı gibi diğer birçok faktörün yanı sıra kullanıcı verilerini incelemek için algoritmalar kullanır.

Öneri motorları, kuruluşların kullanıcıların yeni ürünler keşfetmesine, değer başına ortalama siparişi artırmasına, kalıcılığı artırmasına ve genel satın alma deneyimini geliştirmesine yardımcı olan inanılmaz araçlardır.

İyi bir ürün tavsiyesinin en bilinen örneklerinden biri Amazon'un 'Bunu alan müşteriler de satın aldı' özelliğidir. Bu özellik tek başına Amazon hesabının %35 daha fazla satın alma yapmasına yardımcı olur.

Bu sistemleri çalıştırmanın ana faydalarından biri, her müşteriye özel olarak hazırlanmış tavsiyeleri kolaylaştırarak müşteri deneyimini ve katılımını iyileştirmektir.

İş tarafında, bu motorlar satın alma davranışını tahmin etmeye yardımcı olabilir ve işletmelerin operasyonlarını, envanterlerini ve tedarik zincirlerini optimize etmelerine olanak tanır. İşletmeler, ürün popülaritesini anlayabilir ve müşterilerinin ihtiyaçlarını karşılamak için kendilerini daha iyi hazırlayabilir.

Ed-Tech girişimleri, kurslar, beceri geliştirme fırsatları, kaynaklar, çalışma materyalleri ve kılavuzlar önermek için öğrencilerin notlarını, öğrenme stillerini ve ilgi alanlarını inceleyebilir. Verileri, öğrencinin eğitim teknolojisi platformundaki performansını analiz etmek için kullanmak, öğrencilerin belirli kurslar önermesine, öğretmen topluluğunu artırmasına ve belirli atölye çalışmaları veya programlar ya da etkileşimli simülasyonlar başlatmasına da olanak tanır.

İşte LinkedIn'in bir içerik pazarlama uzmanına nasıl kurs önerdiğine dair bir örnek. Gördüğümüz gibi, bu öneriler, içerik uzmanlarının LinkedIn profillerinde sahip olacakları anahtar kelime gamını kapsar ve genel beceri setlerini geliştirmelerine yardımcı olur.

Tavsiye hunisini daha da güçlendirmek için, kişinin kariyeri ve hangi beceriyi geliştirmek istediği ile ilgili sorular da soruyorlar. Bu stratejiler, arka planda çalışan yazılımlar için inanılmaz derecede ilgi çekici olabilir. Dolayısıyla, LinkedIn için bir aday web sitesinde ne kadar uzun süre kalırsa, platforma bağlılıkları o kadar yüksek olacaktır.

Öneri motorları, Ed-Tech büyümesini nasıl artırabilir?

Yeni çağın pedagojisi pek çok şeyi çok hızlı bir şekilde modası geçmiş hale getirdi. Kısacası, piyasada yeniden beceri kazanma ve beceri geliştirme konusunda ciddi bir ihtiyaç var, ancak keşif ve gerçekleştirme en büyük işlev.

Hindistan'daki Ed-Tech alanındaki Byju's, Eruditus, Unacademy, PhysicsWallah, Lead, UpGrad ve Vedantu gibi endüstri liderleri bazı veya diğer türdeki tavsiyelere güvendiler - bazen bu, adayı yönlendiren bir beceri testi veya bir YouTube videosu olabilir. bir sonraki büyük şeyin ne olduğu konusunda yumuşakça dürtükler. Her iki durumda da tavsiye, keşfin, takip etme motivasyonunun, keşfin ve izleyicinin ilgisinin ilk akışının merkezinde yer alır.

Bir öneri, işletmenin hem daha yüksek gelir elde etmesi hem de müşteriler üzerinde daha büyük bir etki yaratması açısından büyümesine yardımcı olarak sadakat, katılım, artan Ortalama Sipariş Değeri (AOV) ve tekrar satın almaya yol açabilir.
Sağlam bir öneri motorunun neler sağlayabileceğine bir göz atalım:

Rekabet Avantajı: Çoğu işletme tavsiyeleri benimsediğinden, en hafif tabirle kullanıcı katılımı, güven ve AOV açısından geride kalacaklarından emin olmayanlar. İşte öğrencilerin kurslar altındaki bölümleri de görüntüledikleri Udemy'den harika bir örnek.

• Öğrencilerin ilgi alanlarından yeni dersler keşfetmelerine yardımcı olur.
• Hizmetlerin keşfedilebilirliğini artırır
• Öğrencilerin karar vermelerine yardımcı olur
• Önerileri görüntüleyerek sosyal kanıt oluşturur

Bu, kullanıcıları fiyatlandırma yelpazesinin her iki ucundan çeşitli kurslar keşfetmeye teşvik ederek onları eğrinin önüne koyabilir. Bu strateji, kullanıcılar bundan sonra ne yapacaklarından emin olamadıklarında inanılmaz derecede işe yarar.

• Kişiselleştirme: Kuruluşlar, kullanıcıların önceki satın alımlarından, satın alma alışkanlıklarından ve göz atma geçmişlerinden elde ettikleri verileri kullanarak nelere düşkün olmaları gerektiği konusunda önerilerde bulunduğunda tahminde bulunduğunda, daha yüksek bir başarı oranına sahip olurlar. Alıcıların %59 kadarı, kişiselleştirilmiş perakende mağazalarına dayalı olarak ilginç ürünler bulmanın daha kolay olduğu konusunda hemfikir.
• Daha iyi satışlar: Müşterilerin %56'sı, ürün önerileri sunan bir e-ticaret sitesine geri dönme olasılığı yüksektir. Doğru ürün önerileri ile web siteleri satış yapma şanslarını arttırır, bu da satışların ve gelirin artmasına neden olur. Ek olarak, bu, kullanıcıların geri gelmeleri için büyük bir motivasyon çünkü işletmelerin ihtiyaçlarına dikkat ettiğini düşünüyorlar.
• Daha yüksek katılım: Gerçek mekanda faaliyet gösteren mağazalar tüm işlerini müşterilerine iyi davranmak, onlarla bir ilişki kurmak ve daha fazla satın alma yapabilmek için daha fazla zaman harcamalarına izin vermek üzerine kurar - şimdi, bunu dijital bir ekosistemde nasıl çözebiliriz?

İçerik, öneriler veya web sitesinde geçirilen süre konusunda kişiselleştirilmiş öneriler oluşturmak için dijital temas noktalarını kullanan markalar, kullanıcı katılımını artırabilir. Müşteri ilişkileri güven üzerine kuruludur ve hedef kitleniz görüldüğünü ve önemsendiğini hissetmek ister.

EdTech portalları için en önemli öneriler

Yüksek rekabet, düşük elde tutma ve dağılan bir etkileşim, bugün Ed-Tech pazarını tehlikeye atıyor. Bunun ortasında, çeşitli kurslar, nereden başlayacağınız ve daha da önemlisi hangi platformu seçeceğiniz konusundaki kafa karışıklığı, öğrencilerin üzerinde beliren bir sorudur.

Ürün önerileri aracılığıyla markalar, benzersiz kimliklerini oluşturabilir ve öğrencileri doğru ve alakalı bir aramaya yönlendirebilir.
Ed-Tech platformlarının öneri motorlarını nasıl oluşturabileceğini hızlıca inceleyelim.

• Kişiselleştirilmiş: Amazon gibi e-ticaret şirketleri ve Netflix gibi eğlence devleri tarafından yaygın olarak uygulanan kişiselleştirilmiş öneri sistemlerini tartıştık, ancak Ed-Tech bu algoritmadan da büyük fayda sağladı.

Kullanıcılara ilgi alanlarına, izleme geçmişine ve hedef seçimlerine göre ne önerileceğini belirlemek için bu algoritmanın kullanılması, homojen öneri akışını bozar ve küratörlüğünü yaptıkları seçime göre zıt tercihlere dokunur. Bu, derlenmiş bir öğrenme deneyimi oluşturur ve kullanıcıların doğal bir ilerlemeyle birbiri ardına her şeyi keşfetmelerini sağlar.

Örnek: Cornell Üniversitesi'nde yakın zamanda sonuçlanan bir makalede, bir grup öğrenci, Hintli öğrenciler için bir öğrenme platformu olan Freadom Uygulamasında 3-12 yaş arası öğrencilere yönelik kişiselleştirilmiş içerik önerilerinin etkisini inceledi.

Araştırmanın sonunda ekip, önerilerinin uygulamanın kişiselleştirilmiş bölümündeki içerik tüketimini yaklaşık %60 oranında artırdığı sonucuna vardı. Uygulama kullanımı da temel sisteme kıyasla %14'lük bir sıçrama gördü.

• Ek satış ve çapraz satış: Öğrenciler grafik tasarım veya video düzenleme gibi yeni bir alana girdiklerinde, internette sürekli olarak nasıl beceri geliştireceklerine dair çok büyük miktarda bilgi olabilir.

Dolayısıyla, yalnızca keşfedilebilirlik açısından değil, aynı zamanda bu öğrencileri sonraki adımlar hakkında eğitmek ve onları doğru yöne yönlendirmek için Ed-Tech web sitelerine büyük bir sorumluluk düşüyor. Bu, öğrencilerin sosyoekonomik geçmişlerinden bağımsız olarak eşit maruziyet elde etmelerini sağlar.

Örneğin Byjus, öğrenciyle birlikte öğrenen bir öneri sistemi oluşturmak için yapay zekadan yararlanıyor. Nasıl performans gösterdikleri ve öğrenme hızına bağlı olarak tavsiyeler sürekli değişiyor. Bu, her öğrencinin kendi hızında öğrenmesine izin veren inanılmaz bir araçtır.

• Sosyal kanıt: On yıl önce, bir arkadaşınızın veya bir meslektaşınızın ürün önerileri, o spor salonu üyeliğine kaydolmanızı veya kimsenin duymadığı pahalı bir vegan kasesi almanızı sağlardı - çünkü güvendiğiniz biri ona güveniyordu. Bu tavsiyelerin, insanların nasıl satın aldıkları anlamında dünyayı büyük ölçüde yönettiği dijital bir manzaraya hızla ilerleyin.

Örneğin, birisi bir kursa kaydolduğunda, kaç öğrencinin öğretmene güvendiğini, müfredat veya öğretim yöntemleri hakkında geri bildirimlerinin neler olduğunu ve kurs modülünün becerilerini geliştirmelerine veya bir işe girmelerine yardımcı olup olmayacağını bilmek isterler. sosyal kanıtın devreye girdiği yer burasıdır.

İşte Udemy'den bir örnek. Gördüğünüz gibi marka, kurs puanlarını ve kaç kullanıcının puan verdiğini gösterme konusunda son derece cömert davrandı. Bu tavsiye parçası, kolay gezinme ve öğrencilerin, tıpkı kendileri gibi diğer öğrencilerin derslerde nasıl değer bulduklarına göre dersler seçmelerine olanak tanır.



• Oyunlaştırma: Ed-Tech'te oyunlaştırma, öğrenme çıktılarını geliştirmek için eğitim teknolojisinde oyun mekaniğini ve tasarım ilkelerini kullanmak anlamına gelir. Gündem, etkileşimli bir deneyim yoluyla öğrencilerin daha fazla katılımını sağlamaktır. Markalar, oyunlaştırmaya dayalı önerileri dağıtmak için sınavlar, rozetler, skor tabloları ve simülasyonlar kullandı.

Örneğin Khan Academy, kullanıcıların kursu bırakmasını önlemek için rozetler, skor tabloları ve puanlar kullanır. Onlara bir sonraki sınıfı veya bir sonraki programı seçmelerini önerme faaliyeti, şirketin genel katılımlarını geliştirmesini sağlar. Öğrenciler bir ödevi bitirdikleri için rozetler alırlar ve ayrıca 'seviye atlama' etiketleri gibi oyun içi etkinliklerle ödüllendirilirler.

• Akran temelli tavsiye: Geleneksel olarak, akran temelli tavsiyeler Hindistan'da eğitimi yönlendirir. Dolayısıyla, sınıf arkadaşlarınızın yarısından fazlası MBA veya mühendisliğe gidiyorsa, bu sizin için de en bariz seçim olabilir. Hepimiz akran baskısı nedeniyle kariyer seçimi peşinde koşan birini tanıyoruz.

Bu nedenle, ister inanın ister inanmayın, kişisel tavsiyeler ve en yakın çevrede olanlar, bireyin kariyer seçimlerini derinden etkiler. Kursları sunmak için her türlü rafı kullanan UpGrad'dan olağanüstü bir örnek.

Marka, kurs önerilerini yalnızca neyin trend/popüler olduğuna göre değil, aynı zamanda yurt dışı ve stajyerlik gibi özelliklere göre de kategorize etti. Bu, tüketici davranışı ruhuna dokunmaktır.

Hindistan dışında okumaya motive olan bir öğrencinin doğal davranışı, kategori olarak otomatik olarak 'yurtdışına' tıklayacağından, bu tür kurs ve programların keşfedilmesi aday için daha kolay olacaktır. Bu tür yolculuklar ve seçim, adayların web sitesinde ilk 'AHA' anlarını daha erken yaşamalarını sağlayarak harika bir deneyim sağlar.

Önem ve kaçınılması gereken hatalar

Ürün önerileri, kullanıcıların yeni ürünler keşfetmesine, katılımı artırmasına ve ürünün genişliği ve derinliği boyunca fırsatları keşfetmesine olanak tanıyan en sağlam sistemlerden biri olarak lanse ediliyor. Accenture tarafından yürütülen yakın tarihli bir araştırmada, tüketicilerin %91'i kadar büyük bir kısmı, alışveriş teklifleri ve hizmetleriyle ilgili ilgili ürün tavsiyelerinin deneyimlerini iyileştirdiğini kabul etti.

Bu algoritmaları oluşturan ve hedef kitleleri için uygun gördükleri ilgili parametrelerle çalışan şirket içi pazarlama ekipleri, satışlarda anında %19'luk bir artış görebilir. Ed-Tech platformlarına gelince, çoğu öğrenci web sitesine neyin popüler, neyin trend olduğu ve markanın ihtiyaç duyulan bir beceri olarak öngördüğü gibi doğru yönde rehberlik edeceğine güvendiğinden, bu neredeyse bir lüksten çok bir ihtiyaç haline geliyor. gelecek.

Bu sistemleri oluştururken, verileri devreye alırken ve parametreleri belirlerken mükemmellik noktasına kadar doğru olun. Girdideki küçük bir hata, son kullanıcı için alakasız bir öneriye/tavsiyeye yol açarak potansiyel olarak deneyimlerini zedeleyebilir. Bu, şirkette güven eksikliğine yol açabilir ve sadakati etkileyebilir.

Çözüm

Indian Ed-Tech oldukça rekabetçi bir endüstridir ve böyle bir pazarda ayakta kalmanın tek yolu, yüksek değerli bir yaratım, sağlam kullanıcı etkileşimi, sadık bir kitle ve düşük bir CAC yaratmaktır. Ürün tavsiyeleri için WebEngage tarafından oluşturulan sistemler, Ed-Tech organizasyonları için kurulumu kolay, düşük asılı meyveleri belirlemede bir nimettir.

WebEngage, Hintli eğitim teknisyenlerini kurs tavsiyelerini ve tekrar satın alımlarını sırasıyla %15 ve %12 iyileştirme konusunda güçlendirme konusunda kanıtlanmış bir geçmiş performansa sahiptir. Bu yüzdeler, bir işletmenin gelirlerini ve AOV'sini önemli ölçüde etkileyebilir.

Ed-Tech girişiminiz için güçlü bir ürün önerileri oluşturmak ister misiniz? Hemen bizimle bir demo yapın!