Использование поведенческих данных для персонализации в ритейлесигналы, сегменты и лучшие магазины

Ритейлеры всегда наблюдали за тем, как люди совершают покупки, но количество доступных сигналов многократно возросло. Агрегированные поисковые тренды, публичные отзывы и социальные настроения, а также поведение пользователей на собственном сайте ритейлера с их согласия теперь складываются в картину, достаточно чёткую для персонализации того, что магазин показывает, рекомендует и продвигает. При грамотном применении эта картина делает магазин более релевантным. При небрежном подходе она превращается в слежку за конкретными людьми, которая раздражает покупателей и влечёт санкции со стороны регуляторов.

В этой статье объясняется, как поведенческие и социальные данные управляют персонализацией в ритейле ответственным способом: от агрегированных рыночных сигналов и публичных настроений до персонализированного поведения первой стороны на собственном сайте с явного согласия, но никогда не путём сбора личных профилей идентифицируемых людей. К концу вы должны понять, что такое поведенческие сигналы, откуда они законно берутся, как сырые сигналы превращаются в сегменты, что эти сегменты обеспечивают и как собирать всё в рамках согласия, законодательства о конфиденциальности и задекларированных правил сайта.

Что означает поведенческие данные в ритейле

Поведенческие данные, это запись того, что люди делают, а не того, кто они есть. Для ритейлера это охватывает такие действия, как поиск категории товаров, чтение отзыва, нажатие на рекомендацию, добавление товара в корзину, отказ от этой корзины или возврат на неделю позже для покупки. Демографические данные описывают человека; поведенческие данные описывают намерение и интерес в процессе их формирования. Намерение, это то, что нужно персонализации, потому что оно предсказывает следующее полезное действие значительно лучше, чем статичный профиль.

На протяжении всей статьи важны два разграничения. Первое: агрегированные versus индивидуальные данные. Подсчёт покупателей в регионе, которые искали зимние пальто на этой неделе, является агрегированным и безопасным для использования, тогда как досье, отслеживающее одного конкретного человека по всей сети, не является ни тем, ни другим. Второе: публичные versus данные первой стороны. Публичные сигналы, это то, что может видеть любой, например рейтинг продукта или популярный хэштег, тогда как сигналы первой стороны, это действия посетителей на вашем собственном сайте, которые вы можете использовать только при наличии явного согласия. Ответственная персонализация ритейла строится почти исключительно на агрегированных сигналах и поведении первой стороны с согласия, и это тот фрейм, которого придерживается данная статья.

Сигналы, заслуживающие внимания

Горсть типов сигналов несёт большую часть ценности. Агрегированные тренды спроса, такие как рост поискового интереса к категории или сезонный скачок, говорят вам, что рынок хочет прямо сейчас. Публичные отзывы и рейтинги продуктов раскрывают то, что клиенты хвалят и на что жалуются, их собственными словами и в масштабе. Социальные настроения, извлечённые из публичных публикаций, комментариев и популярных тем, показывают, какие темы и продукты набирают внимание. На ваших собственных ресурсах поведение первой стороны, поиски, клики, время пребывания и покупки согласившихся посетителей, показывает, как реальные покупатели движутся по вашему каталогу. Читаемые вместе, эти сигналы описывают спрос, не требуя никогда частного профиля какого-либо человека.

Публичные источники и источники первой стороны

Каждый ответственный сигнал приходит из одного из двух мест, и чёткое их разграничение позволяет персонализации оставаться на правильной стороне черты.

Публичные рыночные и социальные сигналы

Публичные источники, это информация, которую любой может просмотреть без входа в частный аккаунт. Ритейлеры законно используют агрегированные поисковые тренды, цены и ассортимент, опубликованные на страницах конкурентов и маркетплейсов, публичные отзывы и звёздные рейтинги, а также публичную сторону социальных платформ: открытые публикации, комментарии, хэштеги и темы, набирающие популярность. Цель состоит не в идентификации отдельных людей. Она заключается в измерении того, что рынок в целом интересует: какие продукты в тренде, что покупатели любят или ненавидят в категории и куда движется спрос. Один отзыв, это мнение одного покупателя; десять тысяч отзывов, это карта того, что категория продуктов делает правильно, а что нет.

Сбор публичных сигналов в масштабе обычно означает программное получение данных, где и находит своё место инструмент для обхода веб-страниц. Дисциплина заключается в сборе публичных агрегированных данных, соблюдении условий использования каждого сайта и правил robots, а также в избегании всего, что напоминает частный персональный сбор данных. Мы вернёмся к этим правилам в разделе об ответственном обращении, потому что они не являются опциональными.

Поведенческие данные первой стороны

Данные первой стороны, это поведение людей на вашем собственном сайте или приложении: что они ищут, какие продукты просматривают, сколько времени задерживаются, что добавляют в корзину и что в итоге покупают. Это богатейший сигнал для ритейлера, потому что он отражает реальное намерение по отношению к вашему фактическому каталогу, и вы вправе его использовать, но только на условиях, с которыми посетитель согласился. Это означает чёткое уведомление о согласии, честное объяснение того, что вы собираете и зачем, и простой способ отказаться. Поведение первой стороны с согласия является основой хорошей персонализации именно потому, что оно уважает отношения: покупатель знает, что магазин обращает внимание, и получает выгоду от результата. Подробнее о формировании коммерческих данных после их сбора читайте в нашем руководстве по веб-скрапингу в электронной коммерции, которое охватывает каталог и ценовую сторону.

Превращение сигналов в сегменты

Сырые сигналы сами по себе не являются персонализацией. Мостом между ними и адаптированным магазином является сегментация: группировка покупателей по общему поведению или интересам, чтобы магазин мог реагировать на группу, а не угадывать у одного анонимного посетителя. Сегмент может включать людей, просматривающих зимнюю верхнюю одежду, покупателей, читающих отзывы перед покупкой, или посетителей, приходящих из популярной социальной темы. Ни один из них не требует знания личности покупателя. Они описывают паттерны намерения, и именно с намерением можно работать.

Хорошие сегменты получаются путём объединения типов источников. Агрегированные тренды спроса говорят вам, какие категории набирают обороты, публичные настроения говорят, что волнует этих покупателей, а поведение первой стороны говорит, как посетители вашего сайта фактически движутся по каталогу. Наложите их, и сегмент перестаёт быть демографической коробкой и становится живым описанием того, что пытается сделать группа покупателей. Работа по очистке и согласованию этих данных во что-то, что может использовать модель, является самостоятельной дисциплиной; наше руководство по структурированию и очистке данных веб-скрапинга для AI и ML проведёт через неё.

От сегментов к модели намерения

Как только сегменты существуют, они питают логику, определяющую, что видит каждый посетитель. Движок рекомендаций ранжирует продукты по тому, насколько хорошо они соответствуют наблюдаемому поведению сегмента. Правило мерчандайзинга продвигает категории, к которым тяготеет сегмент. Кампания нацелена на интересы, публично проявленные сегментом. Модели никогда не нужно имя или частная история; ей нужно надёжное понимание того, что подобный покупатель обычно хочет следующим, что именно предоставляют агрегированные сигналы и сигналы с согласия.

Варианты использования персонализации

Имея сегменты, поведенческие данные окупаются на всей площадке магазина и в окружающем его маркетинге. Одни и те же ответственные данные обеспечивают несколько различных результатов.

Рекомендации продуктов

Наиболее знакомый вариант использования, рекомендация правильных продуктов. Поведенческие сигналы (что сегмент просматривает, сравнивает и покупает) позволяют магазину предлагать товары, которые покупатель, вероятно, хочет, вместо универсального списка бестселлеров. Публичные настроения в отзывах могут дополнительно заострить это, направляя рекомендации к продуктам, которые покупатели в категории стабильно высоко оценивают. Результат, магазин, который производит впечатление понимающего, зачем пришёл посетитель, построенный на паттернах, а не на слежке.

Мерчандайзинг и ассортимент

Агрегированные сигналы спроса говорят мерчандайзерам, что складировать и продвигать. Рост публичного поискового интереса к категории, это сигнал вывести её на главную страницу и в навигацию; падение интереса, сигнал отступить. Данные об ассортименте конкурентов и маркетплейсов, собранные публично, показывают, где каталог имеет пробелы. Это персонализация на уровне всего магазина: полка адаптируется к тому, куда движется рынок, что является современной, проактивной версией ритейла, а не ожиданием, пока клиенты найдут то, что им нужно.

Целевые кампании

Сегменты заставляют маркетинговые бюджеты работать эффективнее. Вместо одного сообщения, транслируемого всем, кампании могут обращаться к интересам, проявленным сегментом, в регионах и каналах, где этот интерес сосредоточен. Более чёткое понимание спроса означает более экономичный план продаж: расходы следуют реальному, наблюдаемому интересу, а не догадкам, поэтому тот же бюджет охватывает больше нужных покупателей. Поскольку таргетинг строится на агрегированных трендах и поведении с согласия, он персонализирует сообщение, не выделяя отдельных людей, которые никогда не давали согласия. Более широкий взгляд на то, как извлечение данных превращается в рост, см. в нашей статье о росте бизнеса через веб-скрапинг.

Ценовая и временная аналитика

Публичные рыночные сигналы также информируют о том, когда и как продвигать. Наблюдение за агрегированными движениями цен и скачками спроса по категории (часто через структурированный мониторинг цен) говорит ритейлеру, когда скидка будет уместна, а когда категория достаточно горяча, чтобы выставлять её по полной марже. Наше руководство по использованию веб-скрапинга для ценовой аналитики подробнее рассказывает о превращении публичных данных о ценах в решения. Синхронизированные с реальным спросом, эти шаги кажутся персональными для покупателя, который в нужный момент видит нужный продукт, при этом полностью опираясь на публичные агрегированные данные.

Ответственный сбор поведенческих данных

Всё вышесказанное работает только при условии ответственного сбора данных. Преимущества поведенческой персонализации исчезают в тот момент, когда сбор пересекает правовую или этическую черту, поэтому эти правила не являются запоздалой мыслью. Они являются основой.

Согласие и прозрачность

Поведенческие данные первой стороны могут использоваться только с информированного согласия посетителя. Это означает чёткое, честное уведомление с объяснением того, что вы собираете, зачем и как это используется, представленное до начала сбора, а не спрятанное после, плюс реальный способ отказаться или отозвать согласие. Персонализация, основанная на согласии, укрепляет отношения с клиентом; персонализация, основанная на скрытом отслеживании, разрушает их. Относитесь к согласию как к функции опыта, а не к галочке для минимизации.

Законодательство о конфиденциальности: GDPR, CCPA и не только

Такие нормативные акты, как GDPR в Европе и CCPA в Калифорнии, устанавливают конкретные обязательства: законное основание для обработки персональных данных, минимизация данных (собирайте только то, что нужно), ограничение цели (используйте только для того, что вы раскрыли), а также права лиц на доступ к своим данным или их удаление. Работа с агрегированными сигналами, а не с индивидуальными профилями, позволяет держать большую часть анализа вне наиболее рискованных частей этих законов, но всё, что касается идентифицируемых персональных данных, должно полностью им соответствовать. В сомнительных случаях предпочитайте агрегированный, анонимный или основанный на согласии путь и привлекайте специалистов, знающих применимое законодательство.

Агрегированные, а не индивидуальные данные

Единственная наиболее защитная привычка, работать на уровне групп и трендов, а не конкретных людей. Подсчёт поведения сегмента, измерение тренда категории и суммирование того, что говорят отзывы в совокупности, обеспечивают ценность персонализации без составления частного досье на кого-либо. Если анализ работает только при отслеживании идентифицируемого человека по всей сети, это сигнал остановиться и найти эквивалентный агрегированный подход.

Публичные данные и задекларированные правила сайта

При сборе внешних сигналов оставайтесь на публичных данных и соблюдайте правила каждого источника. Проверяйте robots.txt сайта и его условия использования, делайте запросы с разумной скоростью, чтобы не перегружать сайт, и собирайте публичную информацию, такую как цены, публичные отзывы и публичные публикации, а не то, что находится за логином или частной стеной. Публичный агрегированный сбор, выполняемый вежливо, устойчив; агрессивный или частный сбор данных не является ни законным, ни долговечным. Тот же этикет скрапинга, который защищает вас от блокировки, также держит вас на правильной стороне черты.

Часто задаваемые вопросы

Что такое поведенческие данные в ритейле?

Поведенческие данные, это запись того, что делают покупатели, а не того, кто они есть: поиски, клики, время пребывания, действия с корзиной и покупки, раскрывающие намерение и интерес. Ритейлеры используют их для прогнозирования того, что покупатель, вероятно, захочет следующим, что является намного более надёжной основой для персонализации, чем статичные демографические ярлыки. Ответственная версия работает с агрегированными паттернами и действиями первой стороны с согласия, а не с частными профилями идентифицируемых людей.

В чём разница между публичными сигналами и сигналами первой стороны?

Публичные сигналы, это то, что любой может видеть без входа в частный аккаунт: агрегированные поисковые тренды, опубликованные цены, публичные отзывы на продукты и открытые публикации в социальных сетях. Сигналы первой стороны, это действия посетителей на вашем собственном сайте или приложении, которые вы можете использовать только с их явного согласия. Ответственная персонализация сочетает публичные агрегированные сигналы с поведением первой стороны с согласия и избегает личных данных об идентифицируемых людях.

Законно ли использовать социальные и поведенческие данные для персонализации?

Это возможно, при условии соблюдения согласия и законодательства о конфиденциальности. Поведенческие данные первой стороны требуют информированного согласия посетителя, а любая обработка персональных данных должна соответствовать таким нормам, как GDPR и CCPA. Агрегированный анализ публичной информации, такой как общие настроения в отзывах или тренды спроса в категориях, находится на более безопасной почве, поскольку не нацелен на идентифицируемых людей. Когда задействованы персональные данные, сначала правильно оформите согласие и правовое основание.

Как поведенческие сигналы превращаются в сегменты покупателей?

Сегментация группирует покупателей по общему поведению или интересам, чтобы магазин мог реагировать на паттерн, а не угадывать у одного посетителя. Вы объединяете агрегированные тренды спроса, публичные настроения и поведение первой стороны с согласия, затем кластеризуете покупателей по тому, что они пытаются сделать, например просматривают категорию или читают отзывы перед покупкой. Эти сегменты описывают намерение, не требуя ничьей личности, и управляют рекомендациями, мерчандайзингом и кампаниями.

Как собирать эти данные, не нарушая конфиденциальность?

Оставайтесь на агрегированном уровне и используйте данные с согласия. Для поведения первой стороны получите информированное согласие и предложите простой способ отказа; для внешних сигналов собирайте только публичные данные, соблюдайте robots.txt и условия использования каждого сайта и запрашивайте с разумной скоростью. Предпочитайте счётчики и тренды конкретным именованным людям, следуйте принципам минимизации и ограничения цели данных и выполняйте обязательства GDPR и CCPA всякий раз, когда в сфере видимости есть персональные данные. Если анализ работает только при отслеживании конкретного человека, замените его агрегированным эквивалентом.

Требует ли персонализация отслеживания отдельных людей?

Нет. Эффективная персонализация работает на паттернах намерения, а не на идентичностях. Движку рекомендаций нужно знать, что сегмент покупателей обычно хочет следующим, что обеспечивают агрегированные тренды и поведение первой стороны с согласия. Создание скрытого профиля идентифицируемого человека добавляет правовой и репутационный риск, не добавляя релевантности, которую уже обеспечивают сегменты, поэтому ответственный путь является также и более устойчивым.

BA

Bilal Ahmed

Инженер-программист · Crawlbase

Инженер-программист, написавший некоторые из самых читаемых материалов в блоге Crawlbase о веб-скрейпинге, прокси и инструментах для работы с данными.