#product_bits
Персонализация — это когда тебе предлагают то, что тебе реально сейчас нужно
В банках говорят: “Мы делаем персональные офферы”.
В e-commerce: “У нас умная рекомендательная лента”.
А на деле?
— Банк видит, что ты купил что-то в Леруа по МСС, и не может понять: это ты ремонт начал или лампочку сменил?
— Ozon видит, что ты купил корм для кошки, и предлагает ещё... корм. Другой марки. В другом вкусе. Потом вся лента в корме для кошек.
У банка есть транзакции, можно гипотетически (очень хочется) ловить жизненные сигналы: ремонт, рождение ребёнка, переезд. Но тут данных катастрофически не хватает. MCC-коды — грубые. Контекста нет. Жизни клиента за транзакцией не видно.
У маркетплейса есть подробные данные: что, когда, сколько, даже в каком размере. Ну например, напрашивается логика: купил детские подгузники? Значит, у тебя младенец. Вот тебе товары для кормящих мам.
Системы хорошо обучены находить похожее по атрибутам и поведению:
«Люди, которые купили это, также покупают вот это».
Этот алгоритм работает шикарно, потому что у маркетплейса огромный объём заказов и повторных покупок. Но тут фокус на товаре, а не на смысле.
Пример: Купил зубную щётку - тебе покажут пасту, ополаскиватель, держатель, электрические щетки и т.д.
Но очень-очень редко кто делает настоящей персонализации — по контексту жизни, по jtbd-сценарию.
Почему?
1. В банке данных мало.
Видим только трансакции и деньги. А деньги — это не цель, это средство.
Хочешь дать кредит «на ремонт» — сначала пойми, что у человека ремонт, а не просто чек из Леруа.
2. В e-commerce данных много, но мышление товарное - это в основном «похожие товары», а не «похожий сценарий»
Ну то есть:
«Вы купили кровать? Вот ещё 10 кроватей».
Спасибо, но мне одной достаточно.
Они плохо понимают цель: ты купил обогреватель не потому, что ты коллекционер обогревателей, а потому что тебе холодно в квартире.
У большинства платформ нет структуры, которая объясняет — в каком ты жизненном контексте.
Это конечно же упрощение ради охвата.
Сложные модели дорогие. Проще и быстрее «накрутить» обычную товарную карусель: покажи то, что кликали другие. Плюс все боятся промахнуться. Поэтому офферы делают максимально нейтральными. Без JTBD.
Но когда они достигают предела оптимизации по воронке, приходит мысль мыслить сценариями, строить слой смыслов поверх данных.
Что вообще можно сделать?
Создать сценарные подборки по жизненным ситуациям:
«Собираемся в школу»
«Переезд без стресса»
«Домашний офис»
«Новогодний стол»
«Уход за новорожденным», где товар — часть решения задачи.
Это не глубоко персонализировано, а условные микросценарии для больших кусков аудитории. Обычно в сторис. Это первый shift от "товара" к "контексту".
Кажется, что в будущем AI научится строить гипотезу о сценарии в момент покупки или задавать релевантные вопросы. От «продать больше» к «помочь лучше».
Маркетплейсы сегодня работают как огромные склады с алгоритмами. Сегодняшняя модель - это каталог + карусель “похожее”. Но у неё есть потолок. AI будет двигать эту модель в сторону сопровождения покупок а-ля виртуальный продавец.
Персонализация — это когда тебе предлагают то, что тебе реально сейчас нужно
В банках говорят: “Мы делаем персональные офферы”.
В e-commerce: “У нас умная рекомендательная лента”.
А на деле?
— Банк видит, что ты купил что-то в Леруа по МСС, и не может понять: это ты ремонт начал или лампочку сменил?
— Ozon видит, что ты купил корм для кошки, и предлагает ещё... корм. Другой марки. В другом вкусе. Потом вся лента в корме для кошек.
У банка есть транзакции, можно гипотетически (очень хочется) ловить жизненные сигналы: ремонт, рождение ребёнка, переезд. Но тут данных катастрофически не хватает. MCC-коды — грубые. Контекста нет. Жизни клиента за транзакцией не видно.
У маркетплейса есть подробные данные: что, когда, сколько, даже в каком размере. Ну например, напрашивается логика: купил детские подгузники? Значит, у тебя младенец. Вот тебе товары для кормящих мам.
Системы хорошо обучены находить похожее по атрибутам и поведению:
«Люди, которые купили это, также покупают вот это».
Этот алгоритм работает шикарно, потому что у маркетплейса огромный объём заказов и повторных покупок. Но тут фокус на товаре, а не на смысле.
Пример: Купил зубную щётку - тебе покажут пасту, ополаскиватель, держатель, электрические щетки и т.д.
Но очень-очень редко кто делает настоящей персонализации — по контексту жизни, по jtbd-сценарию.
Почему?
1. В банке данных мало.
Видим только трансакции и деньги. А деньги — это не цель, это средство.
Хочешь дать кредит «на ремонт» — сначала пойми, что у человека ремонт, а не просто чек из Леруа.
2. В e-commerce данных много, но мышление товарное - это в основном «похожие товары», а не «похожий сценарий»
Ну то есть:
«Вы купили кровать? Вот ещё 10 кроватей».
Спасибо, но мне одной достаточно.
Они плохо понимают цель: ты купил обогреватель не потому, что ты коллекционер обогревателей, а потому что тебе холодно в квартире.
У большинства платформ нет структуры, которая объясняет — в каком ты жизненном контексте.
Это конечно же упрощение ради охвата.
Сложные модели дорогие. Проще и быстрее «накрутить» обычную товарную карусель: покажи то, что кликали другие. Плюс все боятся промахнуться. Поэтому офферы делают максимально нейтральными. Без JTBD.
Но когда они достигают предела оптимизации по воронке, приходит мысль мыслить сценариями, строить слой смыслов поверх данных.
Что вообще можно сделать?
Создать сценарные подборки по жизненным ситуациям:
«Собираемся в школу»
«Переезд без стресса»
«Домашний офис»
«Новогодний стол»
«Уход за новорожденным», где товар — часть решения задачи.
Это не глубоко персонализировано, а условные микросценарии для больших кусков аудитории. Обычно в сторис. Это первый shift от "товара" к "контексту".
Кажется, что в будущем AI научится строить гипотезу о сценарии в момент покупки или задавать релевантные вопросы. От «продать больше» к «помочь лучше».
Маркетплейсы сегодня работают как огромные склады с алгоритмами. Сегодняшняя модель - это каталог + карусель “похожее”. Но у неё есть потолок. AI будет двигать эту модель в сторону сопровождения покупок а-ля виртуальный продавец.