超个性化营销：如何用 3 个例子来证明它是正确的

98% 的杰出营销人员同意个性化有助于改善客户关系，74% 的营销人员声称它具有“强大”或“极端”的影响。 然而，只有 22% 的消费者对他们从品牌获得的个性化水平感到满意。

在电子邮件开头行添加名字的日子已经一去不复返了——这已经不够了。 今天的消费者期望更高水平的个性化——明确根据他们的个人喜好量身定制的产品、通信和营销策略。

因此，随着个性化服务迅速成为新常态，营销人员现在必须将超个性化作为下一步。

什么是超个性化？

营销中的超个性化结合了从多个渠道和接触点提取的行为和实时数据，为品牌打造高度定制化的营销策略。 这使他们能够为每个消费者量身定制产品、服务和广告内容，以获得最大的相关性和转化潜力：

这证明了个性化和超个性化之间的区别，但让我们将其放在上下文中以便更深入地理解。

个性化与超个性化

超个性化通过利用人工智能、机器学习和支持物联网的设备等先进技术，将个性化提升到一个新的水平，为每个用户提供更多相关的产品和体验。

虽然传统的个性化可能包括宣传客户的姓名、位置或购买历史，但超个性化还考虑浏览、购买和其他实时行为数据，以了解消费者的需求。 它比传统的更复杂、更复杂、更有用，因为它超越了基本的客户数据。

例如，个性化可能包括向前一年在线购买类似装备的消费者宣传冬季天气装备。 另一方面，超个性化可能包括根据确切的购买地点和时间、支付方式、使用的优惠券、社交媒体活动等，通过优化广告为相同的冬季装备做广告。

考虑到所有额外数据后，超个性化营销活动有可能变得更加相关和产生潜在客户。

个性化的另一个示例是向用户发送电子邮件，并在主题行中注明他们的名字。 虽然这是一个很好的做法，但它不像超个性化营销活动那样先进。

假设某个用户在星期五晚上花了 20 分钟浏览您的网站或移动应用程序以寻找黑色裤子，但没有购买就离开了。 然后，超级个性化的活动会在周五晚上向该用户发送电子邮件或应用程序通知，宣传某个品牌的黑色裤子即将打折。 您能看出这种类型的活动如何比仅个性化电子邮件主题行更有效吗？

有关数字广告个性化的更多信息——包括每个漏斗阶段的营销个性化用例——下载新的个性化指南：

广告商如何在活动中使用超个性化？

广告商和营销商在其策略中必须考虑 6 个主要组成部分：

1. 数据收集

第一步是收集正确类型的数据，因为您的个性化与数据质量一样好。

您收集的数据越好，您可以添加的细分就越多，您可以提供的报价也就越个性化。 这也确保正确的眼睛看到他们，因此，这些人将更有可能购买。

2. 定制报价

将近 79% 的消费者可能只会参与与他们之前与品牌的互动直接相关的品牌优惠。 因此，最好从一些简单的个性化设置（年龄或性别）开始，然后根据持续购买特定产品的用户或购买时间慢慢开始添加更多细分。

例如，如果您有一群总是在 4 月和 10 月购买的回头客，请在 3 月和 9 月开始向他们发送超个性化的消息——根据他们之前的购买模式量身定制——特定产品。

3. 个性化消息

对于最合适的消息传递，您可以选择使用高级个性化营销软件。 这非常适合发送上下文相关的电子邮件，包括：

• 根据打开电子邮件的时间/地点更改的内容
• 当产品缺货时动态更改 SKU
• 实时定价
• 某人之前浏览过的产品

4、渠道多样

将大量消费者数据与多渠道营销相结合，通过帮助您与用户建立一对一的关系，进一步实现超个性化。 电子邮件、网站、社交媒体和智能手机都提供不同级别的定制和个性化供您利用。

5. 完美时机

手动尝试此过程可能很困难，因为要筛选大量数据并创建无数消息。 不过，有几种方法可以使这个过程更容易。

除了使用自动化营销团队或平台外，您还可以使用预测分析来帮助您更好地确定传递特定消息和推动所需响应的最佳时间。

6. 一致的测试

多变量测试可以使识别消息中最引人注目的元素变得相当容易。 更重要的是，除了简单的 A/B 测试之外，您还可以同时衡量多个元素（标题、图像、副本等）的组合效果，以确定哪些组合效果最佳。

衡量您最初的个性化活动的结果——甚至您的超个性化活动——并根据结果，开始发送更准确的消息。

以下是一些广为人知的品牌如何超越传统的个性化并采用更高级的方法。

3 个超个性化示例

亚马逊、星巴克和 Spotify 等顶级品牌已开始使用预测性个性化，其中人工智能和机器学习为其各自的推荐引擎提供动力：

让我们看看每个品牌是如何做到的。

亚马逊

超过 35% 的亚马逊转化是由他们的推荐引擎提供支持的，因为它们为每位消费者创造了独特的、高度个性化的体验。

这封一对一的电子邮件发送给搜索橄榄绿跑鞋的用户，但随后没有购买就关闭了搜索：

虽然许多“常规”个性化电子邮件会包含此人的姓名，但此电子邮件更进一步，因为亚马逊可以访问大量数据点，包括（但不限于）：

• 全名
• 搜索查询
• 平均花在搜索上的时间
• 过去的购买记录
• 品牌亲和力
• 分类浏览习惯
• 过去购买的时间
• 平均消费金额

该平台的推荐引擎算法称为“项目到项目协同过滤”，它根据 4 个数据点推荐产品：

• 以前的购买记录
• 购物车中的商品
• 评分和喜欢的项目
• 其他类似客户喜欢和购买的商品

使用所有这些信息，亚马逊可以为该购物者创建用户档案并制作一封高度相关的电子邮件，突出显示橄榄绿 Puma 鞋（Puma 鞋是以前购买的）。

星巴克

星巴克利用人工智能加强了他们的个性化游戏，使用实时数据向用户发送超过 400,000 种超个性化消息（食品/饮料优惠）。 根据用户过去在应用程序上的活动，每个优惠对于每个用户的偏好都是独一无二的：

该公司还在电子邮件和手机上通过个性化游戏吸引忠诚度计划会员，告知移动应用程序用户附近接受移动订单和支付选项的商店：

星巴克从这次活动中取得的成果包括：

• 3 提高营销活动的有效性
• 电子邮件兑换量增加 2 倍
• 通过优惠兑换增加 3 倍的增量支出
• 24% 的总交易来自移动应用

Spotify 音乐

Spotify 通过 Discover Weekly 功能在其营销活动中实施高度个性化。 此功能考虑了个人的音乐选择，与其他听过相同歌曲的人的喜好进行交叉分析，然后为每个用户创建一个高度个性化的播放列表：

该品牌还有一个现场音乐会功能，可以发送有关他们最喜欢的艺术家的现场活动的电子邮件，以及购买门票的选项。 此功能还根据个人音乐偏好进行个性化设置：

从个性化转向超个性化

超个性化是数字营销发展的下一个主要阶段，因为客户越来越期待量身定制的体验和精心策划的优惠。

需要注意的是，超个性化没有绝对的定义，并且因品牌而异。 只需评估您当前的个性化活动，考虑未使用的数据，并识别收集该数据的机会。 这将使您能够提供超个性化的体验，这正是您的客户对您的期望。

在此处的数字广告个性化指南中获取更多详细信息。