1 / 17

OAW – LEKTIONSGANG 10 Kommerciel personalisering, Anders Kragelund, akrag@tdc.dk

OAW – LEKTIONSGANG 10 Kommerciel personalisering, Anders Kragelund, akrag@tdc.dk. AGENDA. Definitioner Formålet med personalisering Problemer med personaliseringsprojekter Kendte teknikker Discount-personalisering Pause Hands on Diskussion i plenum / eksempler (Videre læsning).

dorcas
Download Presentation

OAW – LEKTIONSGANG 10 Kommerciel personalisering, Anders Kragelund, akrag@tdc.dk

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. OAW – LEKTIONSGANG 10Kommerciel personalisering, Anders Kragelund, akrag@tdc.dk

  2. AGENDA • Definitioner • Formålet med personalisering • Problemer med personaliseringsprojekter • Kendte teknikker • Discount-personalisering • Pause • Hands on • Diskussion i plenum / eksempler • (Videre læsning)

  3. Definition: Personalisering • Implicit personalisering: • Adaptiv GUI1 der tilstræber at optimere MWR på baggrund af brugerens implicitte input i.e. observeret adfærd f.eks. navigation om et objekt (E-metrics), manglende reaktioner, frekvens. • Eksplicit personalisering: • Adaptiv GUI1 der tilstræber at optimere MWR på baggrund af brugerens eksplicitte input i.e. indtastet input Form indtastninger, registreringer, søgekriterier i intern søgemaskine 1) Hele GUI eller dele deraf

  4. Definition: Customisering • Explicit customisering • Adaptiv GUI baseret på brugerens egne preferencer Eksempler: • MS Outlook: Ønsker at se kalender på uge basis • my.yahoo: Ønsker altid lokal vejrudsigt på forsiden. Customisering vil ikke berøres i resten af forelæsningen.

  5. Definition: Kommerciel personalisering • Hvis det aktuelle website er en videndelings-portal, vil vi præsentere kunden for hvad han gerne vil se, mens vi på et kommercielt website præsenterer kunden for hvad vi gerne vil have, at han ser! • Forelæsningen fokuserer på kommerciel personalisering.

  6. Formålet med personalisering • Øget salg som følge af målrettet eksponering ($$$) • Øget op- og krydssalg som følge af målrettet eksponering ($$$) • Tid sparet ved informations søgning (Glade kunder  Loyale kunder  $) • Hvis et personaliseringsprojekt skal se dagen lys, dikterer dagens internetmarked at projektet har en klar ROI – ikke kun øget loyalitet.

  7. Problemer med Personalisering • Kunderne (manglende troværdighed – hovedsagelig eksplicit personalisering.) • Jura (marketingsloven, persondataloven – hovedsagelig eksplicit personalisering) • Teknologi (Hvordan får man en computer til at rationere ”hvad en kunde vil eller skal ha’?”, oceaner af data) • Manglende erfaring med lignende cases: • Websites er komplekse og navigationen er ofte unik. • Produkterne der sælges er forskellige og har forskellige potentialer i relation til personalisering. • Dot-com-fobi…

  8. De mest kendte teknikker • Collaborative Filtering: ”The one that read this article also read…”. • Content Filtering: “This article contains similar content as this one”. • Context (Eks. Google) • Metadata (Keywords, kategorier m.m.) • Text-mining • Rule filtering: “IF (user reads this and that) present A else present B”. • Marketing manager • Data-mining software

  9. Welcome to the jungle… Firmographics Data syndication Supervised Learning Data mining Psychographics Clustering Collaborative Filtering Classification Shopping basket analysis Geodata Fuzzy Logic Affinity Business Rules Demographics Prediction Behavioural Rules Artificial Intelligence Content Filtering Neural Networks Analytical CRM Dynamic scoring

  10. Discount-personalisering Hvad skal vi bruge ud over PHP og Mysql? • Sund fornuft • Opfindsomhed og brainstorms • Viden om websitet og produkterne (Købmandsviden). • Og mere sund fornuft. Glem buzzword’ene.

  11. Pause 

  12. Hands on Diskuter for henholdsvis en a) teleoperatør, b) en ejendomsmæglerkæde og et c) rejseselskab: • Hvorledes kan personalisering anvendes på det pågældende website og hvorfor? • Hvilken type af personalisering er der tale om jf. definitionerne? • Hvordan kan investeringen i personalisering umiddelbart retfærdiggøres?

  13. Discount personalisering Husk præferencertil genbesøg • Content filtering • F.eks. huse i 10 km. radius med lignende pris. • Behavioural filtering • F.eks. Gennemsnit af pris, størrelse og beliggenhed af huse der forespørges. • Collaborative filtering • ”Besøgende der har set dette hus, har også set disse huse...”. • Eller blot få ejendomsmægleren til at sætte et par krydser!

  14. Produktets egnethed til personalisering Produktets styrker: • Ejendomme har mange attributter med prædikativ værdi (Pris, størrelse og beliggenhed). Produktets svagheder: • Engangssalg – ingen kontinuert dialog eller loyalitet.

  15. Videre læsning www.kragelund.dk/books Ring endelig!

More Related