多年来，个性化一直处于在线客户体验的前沿。为了保持竞争力，网站需要它来推动转化并保持客户忠诚度。这主要是通过使用数据提供个性化的产品推荐和量身定制的优惠来完成的。现在，我们看到个性化进一步发展，使用情境化来满足客户的最新需求。在这里，我们仔细研究基于上下文的超个性化。

传统个性化的问题

传统的个性化使用个人数据（例如性别和年龄）以及历史数据（例如浏览和购买历史）来为个人客户提供定制的产品推荐。实现这一目标的是备受吹捧的产品推荐引擎。虽然这已被证明在业务成果方面非常成功，并且非常受客户欢迎，但它也有局限性。它不考虑消费者访问网站的最新上下文。

您可以在有多少网站展示产品时看到传统个性化的局限性。如果您在冬季访问时装店并寻找夹克和外套，然后在夏季返回，即使您可能正在寻找T恤和短裤，推荐引擎仍会向您展示夹克和外套。这是因为它只使用历史数据，不了解您新访问的当前上下文。这种限制会浪费宝贵的屏幕空间，并会分散购物者的真实意图，从而给购物者造成摩擦。因此，可能会失去销售并影响忠诚度。

基于上下文的超个性化有何不同

基于上下文的超个性化提出了“访问者现在在寻找什么？”这个问题。为了回答这个问题，算法需要考虑更多的数据并实时操作，以使内容的变化与购物者当前的意图和需求保持一致。这可以通过多种方式实现。

时间和地点

了解时间和位置的算法可以提供更好的结果。与上面的示例一样，知道季节的算法不太可能在夏季推荐冬装。即使是一周中的哪一天和一天中的某个时间访问网站也可以帮助引擎推荐更合适的产品。因此，也可以在某人访问时知道他们在哪里。例如，拥有不同物理位置的餐馆和商店可以发送个性化优惠并显示有关最近分店的在线信息。

了解个人品味

基于会话的个性化

当用户访问一个网站时，他们心中有一个意图，而超个性化旨在了解该意图。要做到这一点，站点需要了解它所拥有的最新信息的上下文——换句话说，当前会话中发生了什么。

如果您昨天访问了一个网站，为您的家寻找厨具，然后今天访问并为您的朋友购买生日礼物，那么算法需要对新的意图做出实时反应。它必须分析当前的浏览模式，以了解这次访问的目的与昨天完全不同，并提供相关的内容。

可以帮助做到这一点的一项技术是视觉AI，因为它可以理解所搜索产品的视觉属性，因此可以更好地识别客户正在寻找的产品。它还可以帮助了解个别客户的审美偏好。

社会背景

挖掘用户的感受是超个性化的另一个重要部分。了解他们有同理心的事物不仅可以帮助他们提供更准确的产品，还可以提供更好的用户体验。它表明您的品牌了解他人的感受、价值观和需求。例如，如果他们有购买环保、纯素或公平贸易产品的历史，那么了解这些属性并采取行动与了解个人品味同样重要，因为它们为客户提供了情感上的满足。

联合数据

超个性化意味着为客户提供跨所有接触点的无缝个性化体验，而不仅仅是您的网站。要做到这一点，您的业务、客户服务、帐户、实体店、网站、营销等的每个领域都需要了解客户的当前环境。这只能通过合并各个团队持有的数据来实现。为此，需要拆除孤岛，统一数据并集中存储，以便业务的所有元素都在同一页面上。

例如，想象一下，如果银行客户因财务困难而与客户服务部进行讨论，同时仍收到来自账户的威胁信并收到营销部门的贷款提议，他们会有什么感受。连接数据使品牌能够了解当前环境并在所有接触点创建完整的响应。

基于上下文的超个性化为客户提供更好的体验。它支持基于当前意图的产品推荐，超越历史浏览和购物数据；它了解用户的品味、价值观和感受，并确保业务的所有部分都以一致的声音说话。如果您正在考虑使用产品推荐引擎和视觉AI等工具来提供超个性化的客户体验，您将需要适当的托管容量和性能。我们的建议是使用云托管解决方案。有关更多信息，请访问我们的云托管或企业解决方案页面。