在資訊龐雜的數位世界裡，品牌商無不積極地向顧客提供個人化的內容與服務來創造獨特價值。若想促使更多顧客轉換，能設計出符合訪客興趣的應用程式或網站內容即是強而有力行銷策略。
根據Accenture Interactive所發佈的2019個人化行銷調查報告，超過九成的顧客偏好在有為他們提供切身相關優惠或推薦的網站上購買商品。
傳統的個人化行銷如何操作？
若僅靠人力，目前能做到的個人化行銷是透過搜尋並分析既有客戶，逐漸地從中拼湊出顧客輪廓，並根據輪廓建立更客製化的設計。只要能夠從網站或應用程式中收集愈多顧客行為數據，就能藉此設計出更貼心的個人化內容。
雖然透過上述方式可提供現有顧客更加個人化的體驗，然而，收集與分析數據將耗費太多時間，同時，根據最近的一份研究顯示：84%的轉換發生在顧客首次來訪時，這表示你可能會因為無法在顧客首次到訪時提供個人化體驗，而失去寶貴的成交機會。
其實，就算顧客是首次來訪，仍然可以依據某些數據來發展個人化內容設計。傳統來說，偵測IP位址、定位資料、使用裝置、以及流量來源，都可作為行銷人判斷顧客期待的依據。
舉例來說，利用定位資料篩選器，可以幫助服裝品牌根據IP、定位資料、當地語言與季節主題以展示最相關的商品給首次來訪網站的顧客。上述所提及的自有資料也可幫助你在首訪顧客瀏覽熱銷商品時推播限時優惠或附送贈品等等。
如何運用人工智慧優化個人化行銷體驗？
然而，這些傳統方法仍然有其限制，畢竟這些數據僅是根據站內或應用程式內的使用者行為數據分析而來。這些數據無法辨識同一位消費者在不同裝置上的行為，因此無法提供顧客跨裝置的個人化行銷體驗。
有了AI技術的輔助後，你將能夠掌握顧客在站外的興趣與使用行為，這代表你能夠在他們造訪你的網站之前就預先洞悉他們。因此，你將擁有更多依據以設計更佳的個人化行銷內容，奪得先機。
- 提供跨裝置的個人化行銷體驗
儘管近年行銷自動化工具不斷推陳出新，行銷人仍難以在不同裝置與渠道之間有效掌握與消費者互動的接觸點(touchpoints)。例如，婷婷在週日下午透過平板瀏覽時尚商品網站，當晚以電腦預先將她喜歡的商品存進書籤，以便日後使用手機購買。若使用傳統的分析方法，婷婷在這三種裝置上的使用行為會被判定為三位不同的用戶。
現在透過AI主動式行銷自動化工具，可幫助你清晰地描繪出使用者的跨螢轉換路徑，並盡可能的獲取單一顧客的全觀輪廓與行為洞察，藉此幫助你在對的時間點推播與他們最相關的行銷內容，例如在星期一早上的上班途中以手機推播訊息提醒婷婷尚未對某些商品進行結帳。
- 運用第三方的興趣資料產出更精準的顧客輪廓
除了自有資料以外，行銷人亦能夠從第三方數據中獲得潛在訪客的站外行為與偏好的資訊。例如有些網站能夠提供線上顧客行為資料，這些通常是透過篩選特定使用者並收集問卷，或經由網站會員資料收集而來的使用者行為數據。
一個由AI驅動的工具，其強大的地方在於它能同步分析億兆筆跨裝置的數據資料來辨識消費路徑、並預測消費者如何在不同的裝置之間移轉，如：AIQUA主動式顧客互動優化平台。其背後之運作能夠同時處理成千上萬個行銷活動的巨量數據，並解析出不同使用者的興趣與關鍵字。接著便能夠運用它所產出的洞察資料並佐以自有數據，以更精準的方式做顧客分眾，最後，行銷人即可為每一個分眾設計專屬的個人化網站行銷內容。
AI驅動之工具還能將顧客的站外瀏覽內容做更進一步的語言分析並獲取更細緻的關鍵字分類，例如將體育類別再細分為「籃球」與「國際足球總會FIFA」、或將科技類別切分為「比特幣」與「虛擬實境」。
舉例來說，根據在站外所瀏覽過的文章內容，顧客首次來訪你的網站的意向也各有不同，有的只是單純逛逛、有的正在計畫肯亞動物之旅、有的想安排托斯卡尼品酒行程等等。根據不同分眾的興趣關鍵字，你能夠將他們進一步細分為「戶外活動冒險家」或者是「葡萄酒愛好者」，並在他們首次來訪時就呈現為他們量身打造的行銷內容。
知己知彼，百戰百勝。雖然我們無法期待每個首訪顧客都能順利成交，但透過運用人工智慧行銷自動化工具，你可以如先知般為首訪顧客打造高度個人化的專屬體驗，有效提升轉換成效。
