什么是预测性内容个性化？用户现在创建和与之交互的内容数量呈指数增长，并且它对我们使用信息的方式所产生的深远影响是不容忽视的。

注意范围正在减少，人们在网上变得非常敏锐和急躁。我们已经基本训练大脑扫描并立即拒绝与我们的需求无关的内容。为了解决这个问题并引起读者的注意，我们使用内容个性化功能使用户的网站体验更加适合他们的兴趣。

什么是内容个性化？

内容个性化可以采取多种形式，但通常旨在为用户提供更好的价值和更相关的内容，帮助他们找到所需的内容，并使他们快速转换。个性化策略可以基于规则或机器学习算法，或两者​​兼而有之。

基于规则的内容个性化

作为一种基本的个性化方法，基于规则的内容个性化使用许多简单的，手动创建的且易于调整的规则，这些规则具有许多个人可识别的属性，可以将您的受众群体划分为较小的细分。然后，可以分别定位细分受众群并将其出售给。

将基于规则的个性化视为一系列IF-THEN语句。通过丰富的AND / OR运算符，它们使我们能够根据用户以前与网站互动期间收集的位置，语言和其他数据，为每个用户组创造更合适的体验。

预测性内容个性化

预测性内容个性化也称为机器学习个性化，是一种更加先进的方法，由AI驱动，可以向每个用户动态显示最相关的内容。

与基于规则的方法不同，它不针对整个细分受众群；而是从更细粒度的层次上识别用户，并为他们创建更个性化的网站体验。它着重于根据用户的意图向用户显示内容和消息，而不只是基于有关他们的兴趣和先前行为的随时可用的信息。

预测性内容个性化使用哪些数据？

机器学习个性化使用算法，过滤器和分析的组合。它可以“了解”或“预测”用户在网站上的典型行为，他们喜欢的产品类别，分类方法等。为此，机器学习个性化利用：

• 动态推荐不同项目而无需使用有关用户的任何个人身份信息的基本算法。这可以包括向他们显示新产品，商店中当前的促销，趋势帖子或产品，或其他人当前浏览的产品。
• 先进的算法通过可用的个人可识别数据或已证明的行为进一步为每个用户定制内容。

例如，基于已证明的行为，算法会将每个用户分配给具有相似首选项的一组用户（认为像Spotify或Netflix这样的流媒体提供商）。该算法可以动态预测他们可能喜欢的其他产品或内容，从而使他们不必花很多时间去翻找麻烦的物品。

可以使用算法为每个客户分别创建最有可能导致转换的决策树。

筛选器使公司可以进一步调整算法的结果，并使其排除或包含特定元素。

数据管理平台如何推动预测性内容个性化

预测性内容的个性化在很大程度上依赖于有关每个用户与网站交互的大量数据。为此，必须从数据管理平台（DMP）中的各种来源聚合数据。然后可以使用内容个性化平台来利用此数据来帮助网站提高转换率并使个性化更加准确。

一旦DMP充满了来自台式机和移动设备的足够数量的数据，便可以处理该信息，以提供每个用户的更详细的图像。除其他事项外，这涉及使用各种因素对数据集进行合并和分段。

电子邮件个性化

电子邮件武器不是那么秘密。众所周知，电子邮件营销是一种强大的客户获取工具。首先，应用了脚踩门技术。其次，您有权将营销消息传递到整个人员列表。

在客户获取过程中使用电子邮件营销的主要方法有两种：跟进和增加保留率。

捕获电子邮件是一种很容易联系到潜在客户的简便方法。说，如果您有折扣或特别优惠可以跟进。只要您不滥用此列表（导致退订），就可以从字面上列出一些对您的产品感兴趣并愿意再次联系的人。

电子邮件也是提高客户保留率的好方法。最有价值的客户是您不会失去的客户。留住客户与吸引新客户一样重要。伸出手让他们知道任何未完成的通知，最新更新等。通过电子邮件重新激发他们对您产品的兴趣。提醒他们正在发生的事情，他们错过了的事情等等。

预测性内容个性化的挑战

另一方面，内容个性化可能并不适合每个人。通往成功的道路上面临着许多挑战。实施对您的受众有价值的推荐系统肯定会涉及A / B和多变量测试方法的大量经验。

在考虑进军预测性内容个性化之前，最好先从基于规则的方法开始。为什么？个性化存在着一系列固有的挑战，例如，无法利用的数据不足（典型的是小公司），无法正确激活手头的数据以及各种数据源的不兼容。

概括

预测性内容个性化使营销人员可以利用机器学习的功能，并为每个访问其站点的用户改善体验。当然，它极大地增加了转化的机会，但是不仅仅吸引眼球。实时建议还可以为用户提供帮助，简化用户体验并减少找到所需内容的时间。