今天你需要停止相信的 8 個個性化神話

在您看來，這可能並不像，但個性化是一個有爭議的話題。 有人說，這是企業最有價值的策略； 其他人說這是一種令人毛骨悚然的技術，最好不要使用。 有人說這與細分沒有什麼不同，而其他人則聲稱它不止於此。

所有相互矛盾的信息都在傳播，很難讓你的事實直截了當。 今天，我們解決一些最常見的個性化神話。

8 個性化神話，揭穿

誤區一：個性化是無效的

信不信由你——儘管越來越個性化的營銷趨勢及其所基於的邏輯——仍然有人否認個性化是有效的。

這些人通常是三心二意地嘗試個性化並放棄的人。 我們這樣說是因為大多數數據都表明個性化的成功，無論是消費者還是營銷人員。

大約 70% 的消費者表示他們厭倦了向大眾傳播無關營銷信息的老式方式。 這就是為什麼 86% 的營銷人員表示他們使用個性化：提供更好的客戶體驗：

無論您為什麼這樣做，個性化都會帶來重大好處。 近 90% 的美國營銷人員報告說，個性化帶來了可衡量的改進，超過一半的營銷人員報告說提升超過 10%。

不乏令人印象深刻的個性化投資回報率數據。 在每個數字廣告商都應該牢記的 68 項個性化統計數據中找到更多信息。

誤區二：個性化令人毛骨悚然

“個性化令人毛骨悚然”是一個殭屍神話。 無論你殺死它多少次，它都會不斷回來。

WordStream 幾年前揭穿了它，表明重新定位廣告實際上變得越有效，用戶接觸到它們的次數越多：

不過，如果您想要更多證據，SAS 對 7 個國家/地區的 2,900 多名消費者進行的在線研究表明，大多數人都喜歡個性化。 他們願意分享關於他們自己的信息，只要他們能得到一些回報。

Epsilon 的一項調查提供了額外的證據，表明 80% 的客戶更有可能與提供個性化體驗的公司開展業務。 它還發現 90% 的 18-64 歲的人認為個性化很有吸引力。

這些統計數據以及更多數據已經引發了諸如“比以往任何時候都希望零售商提供個性化服務的消費者更多”和“消費者期望個性化，揭示報告”之類的頭條新聞。

很容易看出消費者想要個性化。

當然，它可以走得太遠。 塔吉特將一名懷孕少女暴露給父母的故事廣為人知。 但是，通過正確的判斷，或者通過對客戶進行調查，這樣的案例很容易解決。 當他們在您的商店附近時，他們是否希望您使用信標技術發送推送通知？

也許。 但也許他們覺得這令人毛骨悚然。 確定的唯一方法是詢問或測試，並評估結果。

誤解 3：GDPR 無法實現個性化

《通用數據保護法》創造了歷史，成為第一個將 cookie 歸類為個人信息的互聯網法規。 可以預見的是，廣告商警告說個性化世界末日來臨。 如果對數據收集有如此嚴格的限制，他們將如何創造相關經驗？

然而，一年多過去了，並沒有太大變化。 雖然有些人認為個性化受到了不可挽回的阻礙，但他們是少數。 營銷人員普遍認為個性化實際上已經得到改善。

GDPR 通過後，營銷周刊報告稱，27% 的消費者認為他們與品牌的關係有所改善，41% 的消費者認為品牌通過電子郵件與他們溝通的方式有所改善。

那些以合乎道德的方式收集和管理數據的人無需擔心。 GDPR 只會威脅基於粗心收集和管理的數據的個性化。 當消費者對他們的數據感到安全時——它的使用方式、去向、訪問權限——他們會更放心地放棄它。 而這只能提高個性化。

誤區 4：只有像亞馬遜這樣的大品牌才有可能實現個性化

這可能是最有可能阻止企業追求個性化的神話：擁有大量預算的大品牌只能實現這一策略。 但事實並非如此。

個性化是一個廣義的術語，包括許多成本和復雜性各不相同的技術。 然而，當有些人聽到這個詞時，他們會想到昂貴的工具、課程和復雜的算法。 他們考慮僱用開發人員或整個機構——甚至重組部門以打破組織孤島。

雖然這些都可以幫助您實現更好的個性化，但它們並不是每個品牌開始個性化內容的要求。 個性化可以指在客戶調查的幫助下縮小目標範圍或創建特定於位置的優惠等簡單的行為。

個性化可以從廣泛開始，然後逐漸縮小。 它可以從基本開始，然後變得更複雜。 例如，每個個性化廣告都應將訪問者引導至個性化的點擊後登錄頁面。

這種技術不需要課程或組織重組。 它只需要設計師在點擊後登錄頁面上反映廣告的信息。

所以不要被嚇倒。 實現超個性化的品牌並非以這種方式開始。 他們從基礎開始：年齡、位置、性別等參數。 這些也可能對您的業務很有價值。

誤解 5：適用於一個企業的個性化類型也適用於另一個企業

雖然我們討論的是人口統計等個性化的基本參數，但我們應該涵蓋這些參數是所有個性化應該開始的長期神話。

他們不是。 雖然性別對於另一家企業在定位中使用可能很有價值，但對您來說可能不是最有價值的。 例如，如果男性和女性使用您的營銷的方式幾乎沒有區別，那麼創建單獨的營銷活動可能不值得。

根據 HubSpot 的 Alex Birkett 的說法，個性化應該被視為優化過程的延伸。 決定實施哪些個性化規則應該就像決定運行哪些實驗一樣。 在 Instapage 的一篇博文中，他詳細闡述了：

將您採取的每項行動都視為成本，即使它只是機會成本，而且每項行動都具有預期的 ROI 值。 為行動而行動會增加項目的成本，而沒有真正關注回報，這是一個真正的戰略困境。

將個性化視為成本和回報之間的權衡，迫使您同時考慮體驗的可行性（能否有效交付？）和潛在影響（如果確實成功，有什麼好處？）。 當你得到這些答案時，它也會迫使你問：“這是對我們資源的最佳利用，還是有更有價值的實驗可以運行？”

這可能是您構建所有營銷活動的方式，即使是在優化之外。 他們值得你花時間嗎？ 你的預算？

對一個企業有效的方法可能對另一個企業無效。 在個性化方面，您應該只做有效的事情。 如果可以有效地提供個性化體驗，並且可以提高關鍵績效指標，則值得實施。

誤區 6：個性化僅適用於廣告

當營銷人員想到個性化時，他們中的很多人都會想到廣告的實際細分。 神話遵循的是，如果您要個性化，那麼您就是在定位或重新定位廣告。

根據 eMarketer 的說法，情況並非如此：

個性化遠遠超出了廣告——延伸到內容、社交、搜索、電子郵件等等。 數據一目了然。

儘管如此，這個神話仍然存在並不奇怪，因為仍然有營銷人員將點擊前個性化置於點擊後個性化之上。 他們狹隘地定義了他們的廣告定位：細化到人口統計、心理統計、企業統計、行為信息等等。 但是，他們會將高度針對性的廣告流量發送到通用著陸頁。

這是廣告商的失敗。 當點擊前提供個性化，而點擊後沒有提供相同的個性化時，訪問者會留下一種脫節的、非個人化的體驗。 而這只是眾多例子中的一個。

越來越多的廣告商了解到，他們不能簡單地在廣告活動的一個平台、媒介或階段進行個性化。 如果你個性化一個，你必須個性化所有。 個性化廣告只是一個開始。

誤區 7：您需要技術專長才能在個性化方面取得成功

從上圖中可以看出，個性化最困難的領域之一是“數據驅動”的個性化。 雖然您可能認為這將是最簡單的方法之一——因為數字廣告商比以往任何時候都更容易訪問數據——但正是出於這個原因，它實際上是最難的方法之一。 許多人發現要整理的東西太多了。 您如何將原始數據轉化為有意義的個性化規則？ 這是許多品牌都在努力解決的問題。

然而，個性化不一定是細分。 就像在，您不必總是挖掘數據來確定要基於的個性化規則。 在一篇關於個性化的博文中，Guy Yalif 解釋說：

與基於規則的個性化不同，預測性個性化通過觀察您的想法對不同受眾的表現來自動發現細分。 這些基於 AI 的系統探索訪問者屬性的所有可能組合，以發現您的哪些消息對每個消息效果最佳。 無需預先定義段並為每個段指定消息傳遞（除非您願意）。 預測性個性化通常會提供有關您的受眾的新見解。

雖然成本更高，但基於機器算法的個性化可以為您省去手動排序數據和試圖理解數據的麻煩。 Yalif 的 Intellimize 等工具可以幫助您發現趨勢並利用它們來發揮您的優勢。 在個性化系統的幫助下，網上銀行 Chime 發現不同的標題在不同設備上產生了不同的結果：

然後，它會自動將流量重定向到轉換效果最好的位置，從而在沒有任何基於規則的手動干預的情況下實現一定程度的設備個性化。

在更簡單的層面上，想想社交媒體上的產品重新定位。 用戶與後端有像素的產品頁面進行交互，當他們登錄 Facebook 時，他們會看到該產品的廣告。

這些幾乎不需要廣告商的設置：後端的像素，觸發者的廣告活動。 它們是個性化的強大方法，不需要需要通過數據進行繁重工作的規則。

誤區八：A/B 測試是個性化

這個神話令人困惑是可以理解的。 乍一看，A/B 測試和個性化似乎非常相似。 就是這樣：

A/B 測試是指比較一個網頁 (A) 與該網頁 (B) 的第二個版本以查看哪個版本對特定目標的性能更好的過程。 在為每個人帶來相等的流量後，同時控制有效性威脅，您將了解更成功的頁面。

那時，您可能會認為您最好將您的網頁“個性化”到登陸它的流量來源。 但是你有嗎？

A/B 測試的優勢在於其隨機性：訪問者有 50% 的機會登陸頁面 A，50% 的機會登陸頁面 B，這使得實驗不會受到選擇效應的影響。 隨機樣本使您可以從測試期間收集的數據中對訪問者做出準確的推斷。

然而，在為特定人群確定正確的設計時，這也是一個主要弱點。 如果您繼續對流量進行 A/B 測試以找到性能最佳的設計，您只會得到最佳的平均設計。 您不會為每個組獲得最佳的個性化設計。

例如：您正在 A/B 測試您企業的兩個不同的著陸頁。 其中之一使用多數圖像； 另一個使用長格式的正文副本。 您的結果可能顯示 60% 的訪問者更喜歡基於圖像的頁面，但這並不意味著其他頁面無效。 這意味著基於普通訪問者的圖像頁面是最好的。 這是 A/B 測試。

另一方面，個性化並不是要找到最好的平均頁面。 這是關於根據訪問者的興趣、人口統計、偏好等為他們提供最相關的頁面。A/B 測試和個性化可以一起使用（它們應該一起使用），但它們並不相同。 例如，Instapage 允許其用戶在 UTM 參數的幫助下創建個性化體驗：

滿足這些參數的用戶將獲得相應的個性化體驗：

創建個性化體驗後，您可以通過 A/B 測試發現改進體驗的方法。 這兩種技術相輔相成，有助於提高關鍵的底部漏斗指標。

克服個性化的神話

個性化只是曇花一現？ 答案很明確：消費者期待它，這意味著能夠提供它的人將受益匪淺。 當有靈活的方式來提供它時，對於每個企業來說，沒有理由不這樣做。

但是，個性化必須在有用和侵入性、點擊前和點擊後之間取得平衡，以提供客戶會喜歡的平衡體驗。 詳細了解如何通過 Instapage 個性化演示平衡您的數字營銷活動。