什么是个性化？

1. 收集

您可以使用各种来源的数据构建可信的通用客户档案。这些来源包括网站标记、应用、事务处理系统、忠诚度计划以及客户服务软件。如果延迟收集这些数据，就算是毫秒的时间，数据就会变得过时和无用，此外，您也不可使用在违反许可和私密性注意事项的情况下收集的数据，而您也许从一开始就不应该收集这些数据。

2. 分析

您必须对已收集和处理的数据进行分析，以创建反映客户情境的实时视图。借助这个视图，您可以了解客户的身份和期望，并结合使用规则和算法来个性化和精心编排客户体验，从而尽可能打造优质的客户体验。通过汇总所有客户触点的数据，您可以使用机器学习 (ML) 了解客户的共同旅程、确定意图并改善预期结果。

3. 激活

请勿低估为客户打造实际体验的努力，您需要借助自动化大规模地在适当的时间，通过适当的渠道，提供适当的内容。此外，如果您对客户缺乏足够的认识或没有掌握足够的信息来实现个性化体验，那么您就必须依赖默认体验。

营销团队致力于促进推荐和建议，以实现个性化体验。这些推荐和建议驱动网站上“你也可能喜欢 .....”这个极受欢迎的部分。这些解决方案管理大量内容并利用规则和算法将合适的内容推送到 Web、移动设备、电子邮件、搜索结果等各种渠道和平台，还确保在各个渠道中提供一致的推荐。

忘记了购物车中的产品？放弃了服务请求表单？您需要通过编排打造跨渠道的个性化营销活动。编排大大超越了管理功能，它管理用于与客户通信的系统之间的连接和相关性，不仅适用于市场营销消息，还涵盖客户服务等其他业务领域。

受众和客户定位是任何成功个性化策略的一部分。适合某一些人的体验未必适合所有人，因此，您需要锁定特定受众而非采用通用性解决方案，以生成更高的回报。市场营销团队可以利用个性化工具中的动态模板和筛选器，根据正确的属性进行调整，以提供 1-1 级别的合适体验。

您需要采用 A/B 测试和多变量测试来确定具影响力的个性化策略。测试可以针对几乎任何类型的个性化体验进行，包括自定义网站的方式以及哪些电子邮件内容在吸引特定客户方面发挥更大的作用。您应该使用超越全凭直觉的严格方法，基于数据支持的决策对任何类型的个性化体验进行测试。

此外，测试还应达到以下目标：

• 营销人员和非营销人员都可以轻松设置和执行
• 深入了解什么能够引起潜在客户和现有客户的共鸣
• 符合必要的客户数据隐私级别要求
• 产生可以转化为行动的结果

正如 Peter Drucker 所说：“你只能管理你可以衡量的东西。”衡量和报告解决方案可以对数据进行多个层次的划分和切割，这些层次包括渠道内和渠道之间、跨营销活动变体、成果归属、商机发现等。营销人员应在获得结果后与利益相关方共享，以便各方意见一致，进度相同，从而确保采取正确的步骤及进行任何必要的过程更正。