آینده شخصی سازی و چگونگی آماده شدن برای آن

شخصی سازی عامل اصلی موفقیت بازاریابی در طی پنج سال آینده خواهد بود. در این نوشته قابلیت‌هایی که لازم است شرکت‌ها توسعه دهند تا در این رقابت بمانند، آورده شده است.

شخصی سازی ایده آل ممکن است هنوز به وقوع نپیوسته باشد (حداقل در مقیاس عالی آن) اما این اتفاق دور از ذهن نیست. پیشرفت‌های بشر در فناوری، داده و تجزیه و تحلیل به زودی به بازاریابان این امکان را می‌دهد تا تجربه‌های شخصی و “انسانی” بیشتری را در لحظات، کانال‌ها و مراحل مربوط به خرید خلق کنند. همچنین در استفاده افراد از فضاهای فیزیکی بازاندیشی خواهد شد و فرآیند خرید مشتریان نیز از فاصله بسیار دورتر از درب ورودی یک برند پشتیبانی خواهد شد.

در حالی که این فرصت‌ها بسیار هیجان‌انگیز به نظر می‌رسد اما بیشتر بازاریاب‌ها بدلیل کمبود امکانات از انجام آن باز می‌مانند. پژوهش‌های اخیر McKinsey با مشارکت رهبران ارشد بازاریابی نشان می‌دهد، تنها ۱۵ درصد از مدیران ارشد بازاریابی معتقدند که شرکت آن‌ها با انجام شخصی سازی در مسیر درستی قرار گرفته است. رهبران پیشرو در شخصی‌سازی امروزی، روش‌های اثبات شده‌ای برای افزایش ۵ تا ۱۵ درصدی درآمد و افزایش ۱۰ تا ۳۰ درصدی اثربخشی هزینه بازاریابی را با استفاده از توصیه محصول در وبسایت و ارسال پیام شخصی به مشتریان[۱] بدست آورده‌اند. (ارسال پیام شخصی که تعبیر ارتباطات با نقطه اثر از طرف شرکت نیز برای آن استفاده می‌شود.)

جایابی کسب‌وکارها به نحوی که موفقیت در پی داشته باشد مستلزم درک سه تحول اصلی در شخصی سازی و ایجاد مهارت‌ها و توانایی‌های لازم برای پاسخگویی به آن‌هاست.

در ادامه عوامل لازم برای موفقیت شخصی سازی اشاره شده است.

سه تغییر عمده که شخصی سازی را شخصی‌تر خواهد کرد

در پنج سال آینده، شاهد سه تغییر بزرگ در شخصی‌سازی خواهیم بود:

فضاهای فیزیکی “دیجیتالی” خواهد شد

در حال حاضر کمتر از ۱۰ درصد از شرکت‌هایی که مورد بررسی قرار دادیم، شخصی سازی را از طریق کانال‌های دیجیتالی به شکل سیستماتیک پیگیری می‌کنند. این موضوع فرصت بزرگی را فراهم ساخته است. یکی از بخش‌هایی که در این مورد برجسته است، بازدید از فروشگاه است. داده‌های پژوهش ما نشان می‌دهد که تجربیات “آفلاین” شخص به شخص، دورنمای بعدی برای شخصی سازی خواهد بود؛ حدود ۴۴ درصد از مدیران ارشد بازاریابی می‌گویند که کارمندان خط مقدم برای ارائه یک پیشنهاد شخصی سازی، به نتایج تجزیه وتحلیل پیشرفته متکی هستند، ۴۰ درصد می‌گویند که فروشندگان خرده فروش برای بهبود خدمات از ابزارهایی با قابلیت هوش مصنوعی استفاده می‌کنند و ۳۷ درصد دیگر هم می‌گویند تشخیص چهره، تشخیص موقعیت جغرافیایی و حسگرهای بیومتریک در آینده بیشتر مورد استفاده قرار می‌گیرد.

برخی از خرده‌فروشان، هرچند هنوز در گام‌های ابتدایی هستند اما از قبل مسیر توسعه تجربه‌های شخصی سازی را ترسیم کرده‌اند. در یکی از فروشگاه‌های پرچمدار جدید Covergirl، برنامه‌ای برای هدایت مشتریان ساخته شده است که با هوش مصنوعی کار می‌کند و به واسطه پلتفرم مکالمه Dialogflow شرکت Google پشتیبانی می‌شود؛ همچنین، ایستگاه‌های جذاب ساخته شده با فناوری واقعیت افزوده به مشتریان اجازه می‌دهد تا با استفاده از تغییر تصویر مشتری در هنگام استفاده از محصولات آن‌ها را امتحان کنند اما این موضوع به معنای پایان استفاده از فروشنده یا متخصصان مد و استایل نیست. این تجربیات مجازی هنوز به تماس با انسان احتیاج دارند؛ در این ایستگاه‌های جذاب Covergirl مشتریان باید به استایلیست‌ها بگویند که تمایل دارند چه محصولاتی را امتحان کنند. با کامل‌تر شدن هوش مصنوعی، سیستم‌ها می‌توانند بر اساس تجزیه و تحلیل رنگ پوست، ویژگی‌های صورت و احساسات در زمان واقعی توصیفاتی را تولید کنند و بر اساس آن تصمیم بگیرند که کدام پیشنهادات را ارائه دهند یا از دادن کدام پیشنهادات خودداری کنند.

Macy’s، Starbucks و Sephora از فناوری GPS و برنامه‌های شرکتی استفاده می‌کنند تا وقتی مشتریان در نزدیکی یکی از فروشگاه‌های آن‌ها هستند، پیشنهادات درون برنامه‌ای (in-app) به آن‌ها ارسال کنند. سایر خرده‌فروشان شروع به ارائه برنامه‌های فروش درون اپلیکیشنی خود کرده‌اند که به‌طور خودکار توصیه‌های شخصی سازی شده محصولات را مختص هر مشتری ارائه می‌دهند. یکی از خرده‌فروشان اپلیکیشنی مانند همین مورد را ایجاد کرد که سبب افزایش ۱۰ درصدی در فروش تجمعی و رشد ۵ درصدی در میزان تبادلات مالی شد.

به احتمال زیاد گام بعدی شخصی سازی درون فروشگاهی شامل ارائه تجربیاتی به همه مشتریان همانند استفاده بیشتر از امکانات پیشرفته واقعیت افزوده (AR) برای کمک به مشتریان در جهت تجربه کردن محصولات و خدمات در محیط‌های گوناگون است، مانند آزمایش کفش‌های کوه‌نوردی در یک “کوه مجازی”.

همدلی رشد خواهد کرد

همدلی (توانایی ارتباط و درک احساسات شخص دیگر) مبنای روابط محکم است. درک نشانه‌های عاطفی و تطابق با آن‌ها سبب ایجاد اعتماد می‌شود. انجام این مورد به صورت دیجیتالی کار ساده‌ای نیست.

شکل ۱

دستیاران دیجیتالی مانند الکسا با گذشت زمان به دلیل معرفی مهارت های بیشتر به پلتفرم دارای هوش بیشتری تبدیل می‌شوند

یادگیری ماشینی در حال تغییردادن این موضوع است و در درک و واکنش به نشانه‌های عاطفی هر چه بیشتر مورد تاکید است و توسعه خواهد داشت. الگوریتم‌های پیشرفته‌تر این امکان را به برنامه‌ها می‌دهند تا انواع جدیدی از داده‌ها (دیداری، شنیداری) را تفسیر کنند و احساسات را موثرتر از گذشته تفسیر کنند. آمازون ویژگی‌های جدیدی را پیاده کرده است که دستگاه Echo را قادر می‌سازد تا شخص بیمار را تشخیص دهد و برای مثال هنگامی که کسی صدای تودماغی دارد، تشخیص دهد که بینی شخص بسته شده است. سپس یک توصیه مناسب، مانند دستورالعمل سوپ مرغ یا قطره سرفه ارائه دهد و برخی از این موارد از طریق دستگاه، قابلیت خریداری و تحویل درب منزل دارند.

شرکت‌های دیگر نیز درحال وارد شدن به این بازی هستند. Affectiva که از کارهایی که دانشمندان در آزمایشگاه MIT Media انجام داده‌اند، جدا شده است، از یادگیری ماشین استفاده می‌کند تا الگوریتم‌های تشخیص احساسات را توسعه دهد و با این کار بتواتد حالات چهره مانند عصبانیت، بی‌احترامی، انزجار، ترس و خوشحالی را طبقه‌بندی کند و بینش‌های به دست دهد. تا به امروز، این شرکت ۵۳ میلیون دلار از شرکت‌های Kleiner Perkins، CAC Holdings و بنیاد ملی علوم جذب سرمایه کرده است.

به مرور زمان، این پیشرفت‌ها می‌تواند به بازاریابان کمک کند تا با مشتری‌ها ارتباط برقرار کنند و تبلیغات ویژه‌ای را برای موسیقی یا فیلم‌ها ارائه دهند. برای مثال، تبلیغاتی که با روحیه فرد مطابقت داشته باشند.

برندها از اکوسیستم‌ها بهره خواهند برد تا سفرهای مشتری را از آغاز-تا-پایان[۲] شخصی سازی کنند

ارائه‌دهندگان متعدد خدمات، به‌طور مشترک تملک تجربه مشتری را در دست دارند. به عنوان مثال، اپراتور فروشگاه بزرگ، فروشگاه خرده‌فروشی و برند تجاری همه در تجربه خرید یک خریدار نقش دارند. اما هرکدام تنها بخشی از تجربه خرید کلی را تحت تأثیر قرار می‌دهند. ایجاد ارتباط بین این نقاط، فرصت بزرگی در گام بعدی شخصی‌سازی محسوب می‌شود زیرا گسترش اکوسیستم‌های شریک به برندها این امکان را می‌دهد تا تجارب مصرف‌کننده یکپارچه و سازگارتری را در تمام فرآیند تصمیم‌گیری خود ارائه دهند. با بهبود هوش مصنوعی در پیش‌بینی نیاز مصرف‌کننده (مانند روشن کردن چراغ یا بالا بردن گرما کمی قبل از اینکه شخصی به خانه بیاید)، برنامه‌های شخصی‌سازی می‌توانند، یک سیستم (مثلاً خودرو) را به سیستم دیگر (چراغ خانه یا سیستم حرارت خانگی) مرتبط کنند.

سهم فروش‌جهانی از طریق این نوع اکوسیستم‌ها هنوز کمتر از ۱۰ درصد است و بر اساس پیش‌بینی ما تا سال ۲۰۲۵ این رقم به حدود ۳۰ درصد رشد کند. شاید بزرگترین بخش برای توسعه این نوع اکوسیستم مصرف‌کننده، خانه‌ها باشند. با زیادتر شدن دستگاه‌ها، نیاز به همکاری با یکدیگر و استفاده از استانداردها مطرح می‌شود. کالاهای مصرفی، سیستم‌های مکانیکی درون خانه، اتومبیل‌ها و گستره بزرگی از دستگاه‌های دیجیتال شده باید بخشی از تجربه مستمر برای مصرف‌کننده باشند یا اینکه محکوم به تعطیلی شوند.

صنایعی مانند بانکداری، بهداشت و درمان و خرده‌فروشی در حال ساختن اکوسیستم‌هایی هستند که شامل مشاغل متنوعی از بخش‌های گوناگون برای بهبود خدمات به مشتریان و گسترش کیفیت است.

چگونه آینده را به واقعیت تبدیل کنیم

به نظر شخصی سازی به عنوان یک توانایی مهم برای بازاریابی است اما ما معتقدیم که باید پیشران اصلی نحوه بازاریابی شرکت‌ها شخصی سازی باشد. در این زمینه آنچه باید مرکز توجه برندهای بزرگ باشد در ادامه ارائه شده است:

روی مبانی داده و تجزیه و تحلیل داده سرمایه‌گذاری کنید: درصورتیکه بازاریابان به‌طور همیشگی امکاناتی برای درک نیازهای مشتریان در اختیار نداشته باشند شخصی سازی غیرممکن خواهد بود. بنابراین بازاریابان برتر در حال توسعه سیستم‌هایی هستند که می‌توانند داده‌های ساختاری و غیرساختاری را تلخیص و تجزیه و تحلیل کنند یا دست به توسعه الگوریتم‌هایی زده‌اند که می‌توانند الگوهای رفتاری و تمایل مشتری را شناسایی و تجزیه و تحلیل کنند تا بتوانند از آن اطلاعات استفاده کنند.

راه‌اندازی یک پلتفرم متمرکز داده مربوط به مشتری (CDP) برای تجمیع و یکی کردن داده‌ها شرکت‌ها و داده‌هایی که خریداری می‌شوند برای این تلاش‌ها ضروری است. بر خلاف راه‌حل‌های CRM سنتی، CDPها اتوماسیون یادگیری ماشینی درونی را ارائه می‌دهند که می‌تواند داده‌های درونی و بیرونی را پاک کند، یک مشتری تکی را در بین دستگاه‌ها، کوکی‌ها و شبکه‌های تبلیغاتی متصل کند و کارزارهای تبلیغاتی در زمان واقعی جهت پیاده سازی در نقاط دسترسی و کانال‌های متفاوت را ممکن می‌کند. بهترین این انتخاب‌ها مطمئناً همان ساده‌ترین برای به‌کارگیری خواهد بود.

خدمت رسانی به واسطه کانال‌های متفاوت نیازمند این است که سازمان توانایی تعامل با انواع جدیدی از داده (از صدا تا تصویر) را داشته باشد. سازمان‌های برتر از قبل این فناورهای نوین را به کار گرفته‌اند و می‌دانند بر حسب نیاز خود کدام یک بهترین فناوری برای استفاده است.

ایجاد این جهش تکنولوژیکی رو به جلو نیازمند پیوستن بازاریابی و فناوری اطلاعات به نیروهاست. یک تیم مدیریت محصول، با استفاده هم‌زمان از فناوری اطلاعات و بازاریابی باید برای ایجاد و بازنگری در نقشه راه تکنولوژی بازاریابی سازمان، توسعه موارد استفاده، ردیابی عملکرد ناوبری و تدوین آرشیوی قوی از استانداردها و درس‌های آموخته شده ایجاد شود. مهندسی تکنولوژی باید توانایی‌های لازم شامل سیستم‌های امنیت سایبری که می‌توانند همگام با گسترش تجربیات شخصی حرکت کنند را به تیم اعطا کند.

مترجمان و استعدادهای سطح بالای فناوری را پیدا کنید و آموزش دهید: امروزه شخصی‌سازی فضاها و اکوسیستم به مجموعه مهارت‌های بسیار متفاوتی نسبت به عملکردهای بازاریابی سنتی نیاز دارد. علاوه بر مهندسان و متخصصان داده، سازمان‌های بازاریابی به مترجمان تجزیه و تحلیل احتیاج دارند تا بتوانند اهداف تجاری را با ذی‌نفعان فناوری و نتایج داده محور به مشاغل مرتبط سازند.

با پیچیده‌تر شدن داده‌ها و پیشرفته‌تر شدن موارد شخصی‌سازی، نیاز به این مترجمان شدت می‌یابد. ما کمبود قابل توجهی از مترجمان تجزیه و تحلیل را پیش‌بینی می‌کنیم؛ امروزه تنها ۱۰ درصد از فارغ‌التحصیلان کشور ایالات متحده در زمینه‌های تجارت و STEM (علوم، فناوری، مهندسی و ریاضیات) به سمت مشاغل مترجمی کسب و کار می‌روند. طبق برآورد ما تا سال ۲۰۲۵ این رقم برای برآورده شدن تقاضا باید به ۲۰ تا ۴۰ درصد افزایش یابد. باید گفت که توانایی جذب و پرورش استعدادهای مترجمی تجزیه و تحلیل مزیت رقابتی قابل توجهی را در توسعه قابلیت‌های شخصی‌سازی پیشرو ایجاد می‌کند.

جای تعجب نیست ولی نبرد بر سر استعدادهای هوش مصنوعی بیشتر خواهد شد. در حالی‌که سازمان‌ها باید بدانند که کدام استعداد را استخدام می‌کنند (افرادی که توانایی‌های اصلی (لازم) برای حل مشکلات خلاقانه را دارند) و به کدام یک از طریق اکوسیستم استعداد بیرون از شرکت دسترسی دارند، شرکت‌های پیشرو برای دستیابی به استعدادهای مرتبط با حوزه کاری خودشان به شدت در تکاپو هستند. براساس بررسی اخیر مک کینزی، حدود ۵۲ درصد از شرکت‌های دارای سیستم‌های عظیم دیجیتالی، امکانات هوش مصنوعی را دردرون شرکت توسعه می‌دهند.

افزایش میزان استعداد فناوری مرتبط نیازمندآموزش‌های پیشرفته است تا افراد سازمان نه تنها بدانند چگونه از ابزارهای جدید شخصی‌سازی استفاده کنند بلکه یاد بگیرند چگونه این ابزارها برای تصمیم‌گیری بهتر به کار بیایند این حرف بدان معناست که آموزش افراد مرکز تماس، تیم‌های فروش و بازاریابان، برای مثال در زمینه چگونگی استفاده از سیستم‌های تجزیه و تحلیل احساسات جهت پشتیبانی بهتر مشتریان، توسعه یابد. برنامه‌های چرخشی، که در آن افراد در انواع تیم‌ها آموزش می‌بینند، برای کمک به گسترش دانش و تعمیق مهارت سازمانی در حوزه‌هی کلیدی از اهمیت ویژه‌ای برخوردار است.

قابلیت‌های چابک ایجاد کنید: با توجه به ماهیت تکرارشونده و میان‌رشته‌ای فعالیت‌های شخصی‌سازی، تیم‌های سنتی بازاریابی که به صورت جداگانه و متمایز از یکدیگر فعالیت می‌کنند، کارآمدی نخواهد داشت. برعکس، شخصی‌سازی باید همراه با تعهد به مدیریت چابک باشد که از جمله آن می‌توان به تیم‌های دارای چند عملکرد، متشکل از فرآیندها یا بخش‌های مختص مشتری و با قابلیت اجرای سریع، اشاره کرد که توسعه آن‌ها ضروری است. سنجش کارایی باید به‌طور مشابه کامل شود و بیشتر روی آزمون سرعت، نرخ موفقیت و جسارت درخلاقیت متمرکز شود.

علاوه بر نشان دادن تخصص لازم، توانایی همکاری و یکپارچگی اطلاعات عامل اصلی برای پیشرفت حرفه‌ای خواهد بود. توانایی همکاری و حل مشکلات با همکاران سراسر سازمان، در بخش فناوری اطلاعات، تجزیه و تحلیل، توسعه محصول و بخش حقوقی نیز به همان اندازه مهم خواهد بود.

بودجه‌های سالانه و فرآیندهای استراتژی نیز باید با بازبینی‌های پیاپی برای ارزیابی ابتکار عمل‌های فعلی، ترسیم برنامه‌های جدید و تنظیم دوباره بودجه و منابع برای پشتیبانی از اولویت‌های اصلی انعطاف‌پذیرتر شوند.

از حریم خصوصی مشتری محافظت کنید: ماهیت حریم خصوصی داده منبعی برای نگرانی مصرف‌کنندگان و برندها شده است. در پی رسوائی‌های مکرر در مورد حریم خصوصی داده‌ها، ۴۶ درصد از مشتریان خواهان افزایش مقررات دولتی برای محافظت از حریم خصوصی داده‌ها هستند. شرکت‌هایی که پیشرو نوآوری شخصی‌سازی هستند، بیشتر باعث نگرانی‌های مربوط (به درست یا غلط) به حریم خصوصی در بین مشتریان می‌شوند. به همین دلایل، مدیریت حفاظت از حریم خصوصی مشتری بسیار مهم خواهد بود.

سازمان‌ها برای روشن کردن حدود برخی فعالیت‌ها باید از مسیر همیشگی خود دور شوند؛ از جمله مواردی که باید مدنظر قرار گیرد حریم خصوصی داده‌هاست که به واسطه شفافیت در مورد چگونگی استفاده از داده، محدود کردن پردازش داده‌ها تنها به بخش مورد نیاز، حفاظت از داده در برابر دزدی و اعطای حق فراموشی به مشتریان بروز می‌کند و باید مورد تاکید قرار گیرد و با جدیت دنبال شود. ملاحظات مربوط به نظارت بر داده و سیاست‌های حفظ حریم خصوصی بجای اینکه یک مسئله مدیریتی فرعی باشد باید بخشی از مدل عملیاتی استاندارد سازمان بازاریابی باشد. آموزش مداوم در مورد روش‌های قانونی جمع‌آوری داده‌های شخص اول و استفاده از داده‌ها، شامل اشتراک داده‌ها با پلتفرم‌های همتا برای انجام این امر ضروری است. مسائل مربوط به حریم خصوصی سبب اعتماد بین مشتری و برند است. شرکت‌ها باید این کار را به درستی انجام دهند.

شروع کنید: توسعه قابلیت شخصی‌سازی فرآیندی است برای رسیدن به مجموعه کاملی از قابلیت‌های مورد نیاز برای شخصی‌سازی درست و پویا: همیشه فعال برای استفاده، در زمان حال و با ارتباط شخصی در سراسر اکوسیستم مصرف‌کننده. اغلب دشوارترین بخش، شروع به کار است. اما با تجربه‌ای که ما داریم، بیشتر شرکت‌ها داده و افرادی بیش از نیازشاندر اختیار دارند تا بتوانند از داده‌ها بینش‌هایی در اختیار قرار دهند. اولین قدم تعیین این موضوع است که از روی کدام موارد کاربرد باید تمرکز کرد (تبدیل مشتری جدید، افزایش هزینه‌کردهای مشتریان وفادار و…) و استفاده از یک تیم چابک برای کار روی هر یک از آن‌ها ضروری است تا به سرعت موارد گوناگون را آزمون کنند و بیاموزند[۳] تا به این واسطه بهترین پیشنهادات و تعاملات را شناسایی کنند. اتخاذ این رویکرد عملی، سریعاً به افراد کمک می‌کند تا تجربه و تخصص حقیقی را توسعه دهند. با این حال، حتی هنگامی که تیم‌ها به سرعت کار می‌کنند، ضروری است که نیم نگاهی به وضعیت نهایی داشته باشید تا بتوانید به شکل بهتری در مورد افراد، فناوری و سرمایه‌گذاری تصمیم‌گیری‌های لازم را انجام دهید.

هر چه پیش می‌رویم شخصی‌سازی فراگیرتر می‌شود. شرکت‌ها با اقدام عملی در این زمینه که باید همین امروز روی دهد می‌توانند امیدوار باشند که بتوانند نیاز مشتریان را برآورده کرده و برند خود را اثبات کنند.

منبع: Mc Kinsey

[۱] – Triggered communications

[۲] – End-to-end

[۳] – Test & Learn