El motor de la personalización: Dynamic Yield - Flat 101

El motor de la personalización: Dynamic Yield

¿Cómo nos puede ayudar una potente herramienta a optimizar el rendimiento de nuestro sitio web transaccional, mediante la adaptación a experiencias únicas?

Si pensamos en las relaciones entre cliente y marca, la lealtad nace cuando en estas suceden actos de cortesía. El reto en los negocios online es encontrar ese vínculo con el usuario-cliente, y es ahí donde la personalización en estos entornos nos ayuda a que la experiencia resulte más cercana y satisfactoria

Así, a través del proceso de personalización se genera una interacción relevante, individualizada y continuada entre la organización y su audiencia que se fundamenta en los datos conductuales tanto del receptor único como de los individuos similares para ofrecer experiencias que satisfagan preferencias específicas.

En sitios web transaccionales la personalización es clave ya que cada usuario tiene sus propios antecedentes, deseos, intereses y motivaciones. Es por esto que mostrar el mismo contenido a todos no es la forma más adecuada para comprometerlos. Los clientes valoran especialmente ser reconocidos como individuos únicos, y actualmente de hecho ya esperan que sus “proveedores de necesidades” se anticipen.

A nivel técnico

La personalización ‘ideal’ integraría todos los datos relacionados con el usuario y que de inicio se encuentran desconectados entre las distintas bases de datos:

  • Datos de comportamiento de tráfico (Google Analytics, Adobe Analytics, etc)
  • Datos del propio usuario (CRM, CMS, etc)

Los motores de personalización además de integrar datos de primera y tercera parte, ‘ingieren’ perfiles de usuario y su comportamiento en tiempo real (normalmente rastreados a través de un plugin de JavaScript). Con ello se consigue por ejemplo:

  • Calificar y segmentar a usuarios
  • Modelar su intención y comportamiento
  • Combinar datos históricos (como podrían ser transacciones pasadas) y de inteligencia empresarial (como la disponibilidad de stock).

VENDORS Y OPORTUNIDAD PARA E-COMMERCES

En el lado de la oferta:

Existe una amplia variedad de motores de personalización en el mercado. En el Magic Quadrant de Gartner -informe normalizado de esta consultora tecnológica basado en un radar de players que ofrecen un activo, servicio o producto tecnológico con objetivos de mercado similares- mostrado a continuación, vemos cómo se distribuyen gráficamente los diferentes proveedores del servicio en una doble vertiente: visión y ejecución.

Se observa que de los 14 players analizados, Dynamic Yield se sitúa en segunda posición. Este motor de personalización integra en su tecnología el Machine Learning, disciplina científica del ámbito de la Inteligencia Artificial que crea sistemas que aprenden -identificación de patrones complejos- automáticamente.

En el lado de la demanda:

Del informe “Dynamic Yield’s personalization Maturity Assessment” de 2019 realizado a una muestra de empresas de todo tipo de industrias, tamaños, geografía, beneficios, etc, se extraen algunos insights relevantes:

  • Tan solo el 8% de empresas estudiadas tienen completamente integrada la personalización
  • El 39% afirman no asignar recursos para personalización
  • La madurez en personalización todavía es muy ‘básica’ en el sector e-commerce

Existe un nicho de mercado en personalización de experiencias para e-commerce.

CAPACIDADES DE DYNAMIC YIELD

Podemos destacar una serie de funcionalidades que consideramos claves en Flat 101, añadidas a las que matiza la consultora Gartner:

La diferenciación de Dynamic Yield:

  • Escalabilidad con tests automatizados en el tiempo: tests que muestran las variaciones adecuadas a cada usuario.
  • Targeting predictivo: capacidad de subdividir cualquier test en base al comportamiento de cada tipo de usuario y contexto.
  • Nuevos algoritmos de Deep Learning [próximamente] con capacidades predictivas excepcionales para afinar recomendaciones al usuario.

El potencial de la herramienta es extenso, por lo que vamos a ver una muestra simplificada de las capacidades de Dynamic Yield:

  • Audiencias según comportamiento: personalizar experiencias eligiendo el segmento de audiencia oportuno. Por ejemplo: permitir que las personas que compraron zapatos de más de 1000€ conozcan la nueva colección especial de diseñador.
  • Recomendaciones: permite ayudar a nuestros visitantes a descubrir productos o contenidos relevantes mediante el despliegue de widgets de recomendaciones en cualquier paso de nuestro funnel. Por ejemplo: sugerencias en crosselings de artículos para el yoga después de haber adquirido unas mallas específicas para esta actividad.
  • Testing y optimización: ofrece una avanzada plataforma de testing que permitirá medir continuamente cada experiencia y aprovechar el machine learning para ofrecer la experiencia más relevante, adaptada a cada usuario individual, incluso si el comportamiento del usuario varía con el tiempo. Por ejemplo: en una test muy simple podríamos lanzar dos o tres tipos de login y estudiar cuál consigue mayores registros.

No se trata de instrumentos separados en una caja de herramientas en donde elegimos uno a uno, sino que son capacidades básicas de la plataforma que funcionan juntas sin problemas.

SOMOS PARTNERS: METODOLOGÍA ADAPTADA

En Flat 101 somos partners de esta herramienta y buena parte del equipo nos encontramos en formación constante por parte de sus profesionales y tenemos una vía de comunicación directa con ellos.

Desde que comenzamos a trabajar con clientes que tenían integrado Dynamic Yield en su e-commerce, hemos intentado adaptar nuestra propia metodología en consonancia con el uso y aprovechamiento de esta plataforma.

La metodología de Flat 101 para los procesos CRO se fundamenta en lo que llamamos el doble diamante. En este caso, Dynamic Yield entraría en el proceso en el segundo diamante:

Una vez tenemos muy claro el objetivo del cliente comienza la fase de descubrimiento que supone la exploración sobre datos de analítica (cuantitativa y cualitativa) así como investigación a nivel UX. A continuación, la definición: planteamos hipótesis y sus correspondientes KPIs en forma de micro y macroconversiones.

Al detectar la clave del problema comienza la conceptualización (propuestas y wireframes) donde comenzamos a “servirnos” del apoyo de esta herramienta. Finalmente en la fase de validación testeamos y medimos los KPIs para determinar una solución final.

Algunas notas aclaratorias sobre los tests AB:

  • En nuestra metodología no están pensados para resolver higiénicos, este tipo de casos los constatamos con reglas de usabilidad (Nielsen, Gestalt, etc).
  • Los test AB deben utilizarse para optimizar el rendimiento del sitio web y conseguir el fin último: CONVERSIÓN.
  • Dynamic Yield nos ayuda además a aderezar este fin mediante experiencias únicas que consiguen recurrencias en usuarios ya captados, y por tanto una garantía mínima de mantenimiento de los ingresos totales.

Y AHORA, AL LÍO

A continuación vamos a ver un ejemplo muy sencillo y simplificado de la realidad que nos solemos encontrar, en cualquier caso se trata de comprender el concepto y acercarnos un poco a la herramienta:

Queremos crear un cupón para nuevos usuarios con el objetivo de incrementar la tasa en ‘Add to cart’. Para convertirlo en acción lo transformaremos en Dynamic Yield en una experiencia personalizada. Solo los nuevos usuarios en su primera sesión recibirán esta experiencia cuando visiten la home.

El proceso que seguimos es el siguiente:

1º. Accionar la idea

Antes de crear una campaña de Dynamic Yield debemos cuestionarnos una serie de preguntas:

  • ¿A quién va dirigida?
  • ¿Qué contenido vamos a mostrar?
  • ¿Dónde y cuándo vamos a mostrarlo?
  • ¿Cómo mediremos el éxito de la campaña?

2º. Elegir el tipo de campaña 

En función del objetivo del experimento y el formato deseado tendremos que escoger una de las opciones que nos ofrece Dynamic Yield. En este caso elegiremos la tipo ‘Overlay’ para generar este efecto de pop up informando del cupón de descuento.

3º. Configurar la campaña 

Tendremos que seleccionar una serie de condiciones. En nuestro ejemplo le pediremos que se lance con el activador (o trigger) de carga de la página y con una frecuencia de una vez por sesión.

Además elegiremos el lugar de la pantalla donde queremos que se muestre esta tarjeta (arriba en el centro), la opacidad, cuándo queremos que se cierre el pop up, la prioridad (ya que habrá otras campañas en funcionamiento). También solicitaremos que se envíe un evento a Analytics cada vez que se ejecute esta acción.

Otros ejemplos de campañas:

– Cuando creamos una campaña tipo Dynamic Content deberemos seleccionar su localización en la página, cómo se inserta el contenido en la página, qué elemento va a ser reemplazado y qué página va a ser presentada.

– Cuando creamos una campaña de tipo Recommendations seleccionaremos el tipo de página (product en este caso, una PDP), el método de inserción de contenido -si requiere implementación de código o no-, elemento a añadir, acotar las condiciones y reglas para las PDPs donde queremos mostrarlo, lanzar un evento de Analytics cuando se muestre la variante, y guardaríamos.

4º. Delimitar el targeting

En Dynamic Yield, cada experiencia “vive” dentro de una campaña. Utilizando una amplia selección de condiciones de targeting podemos dirigirnos a los usuarios correctos, en las páginas indicadas y en el momento adecuado.

Who. Definir el segmento específico al que se le va a mostrar la campaña. En nuestro ejemplo serán los nuevos usuarios en su primera sesión. Otros ejemplos:

  • Dirigirse a los visitantes cuyo clima local está por encima de los 28ºC y llegan al sitio web desde los medios sociales.
  • Visitantes que han hecho una compra de más de 50€ en la sesión actual.

Where. Definir en qué páginas va a ser mostrada la experiencia. En nuestro ejemplo habrá que seleccionar la home como Page Type porque es donde saltará el mensaje.

De cara a otras configuraciones, en esta sección tenemos dos opciones a elegir:

  • Page types específicas predefinidas (Home, Categoría, Listado productos, PDP, Carrito, Checkout)
  • Page URL (insertando la URL concreta)

When. Programar la experiencia para lanzarla en un futuro. Pudiendo seleccionar:

  • Fecha específica
  • Días de la semana
  • Hora del día
  • O simplemente que se muestre mientras la campaña esté activa

5º. Diseñar las variaciones 

Las variaciones son el contenido y diseño de la experiencia. Podemos crear una o varias para cada experiencia.

6º. Medir el éxito 

La primary metric es el objetivo de la experiencia que determina el éxito de las variaciones.

  • En un Test AB la variación con mejor desempeño respecto a esta métrica será declarada como ganadora.
  • En un Dynamic Allocation el tráfico se desplazará hacia la variación que mejore más esta métrica.

Elegir la métrica correcta parece sencillo, sobretodo si nuestro sitio web genera beneficios ya que la tendencia es asumir que este siempre va a ser el objetivo principal. Sin embargo, no debería ser siempre así.

En el ejemplo (Overlay de bienvenida) mientras los nuevos usuarios están expuestos al mismo cuando entran al sitio, un evento de compra (conversión) tendrá lugar mucho más tarde en el funnel. En última instancia, solo un pequeño porcentaje de los usuarios que comienzan su journey terminarán con una compra. Por ello, en este caso es más recomendable es fijar como Primary Metric –→ Add to cart.

Independientemente de la métrica que seleccionemos como Primary Metric siempre podemos filtrar los informes en base a todas las demás métricas secundarias, asegurándonos no perder la visibilidad global.

7º. Resultados y conclusiones

Aunque nuestro análisis gire entorno a la métrica elegida como principal, debemos checkear las secundarias porque en ocasiones nos pueden aportar contexto e información que no preveíamos obtener y que puede modificar el rumbo de la decisión final.

En el rendimiento de la variación podemos ver:

  • Uplift = mejoría con respecto a la variable de control
  • Probably to be the best = significancia estadística. Impulsado por el motor estadístico bayesiano.

Teniendo en cuenta las diferencias entre el rendimiento de la variación y el tamaño de la muestra, y proporcionando una puntuación se sabe que el uplift es real y no una cuestión de suerte.

En Flat 101, tomar decisiones basadas en los datos es uno de nuestros valores fundamentales. Como analistas digitales, nuestro deber es conseguir informes y resultados que nos proporcionen información procesable y coherente para llegar a la solución que nos permita optimizar y mejorar el impacto de los esfuerzos en personalización, y por tanto la conversión.



Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Últimos artículos publicados
Analítica Web
7 min
Por Marshall Sansano
26 noviembre, 2024
Blog
2 min
Por Flat 101
23 octubre, 2024
Blog
4 min
Por Arantxa Hernández
3 septiembre, 2024
Analítica Web
6 min
Por Xavier Daviu
24 julio, 2024
Blog
6 min
Por Mariana Camors
1 julio, 2024

Si necesitas especialistas para desarrollar o mejorar tu negocio digital, podemos ayudarte

  • Los datos que nos faciliten el usuario a través este formulario se incorporarán a tratamientos cuyo responsable es FLAT 101 S.L. con CIF B99393613 y domicilio social en Avda. Maria Zambrano, nº 31, Edif. WTCZ, Torre Oeste, 12D, 50018 de Zaragoza. Puede contactar llamando al 976419856 o a través del correo electrónico info@flat101.es. La finalidad de recogida de datos en este formulario es poder contestar las consultas planteadas y enviar al usuario la información solicitada a través del correo electrónico o teléfono indicados en el formulario. Solo se realizan cesiones si existe una obligación legal. Reservados sus derechos a acceder, rectificar y suprimir, así como otros derechos, como se indica en la Política de Privacidad.