#product_bits Персонализация — это когда тебе предлагают то, что тебе реально сейчас нужно В банках говорят: “Мы делаем персональные офферы”. В e-commerce: “У нас умная рекомендательная лента”.
А на деле? — Банк видит, что ты купил что-то в Леруа по МСС, и не может понять: это ты ремонт начал или лампочку сменил? — Ozon видит, что ты купил корм для кошки, и предлагает ещё... корм. Другой марки. В другом вкусе. Потом вся лента в корме для кошек.
У банка есть транзакции, можно гипотетически (очень хочется) ловить жизненные сигналы: ремонт, рождение ребёнка, переезд. Но тут данных катастрофически не хватает. MCC-коды — грубые. Контекста нет. Жизни клиента за транзакцией не видно.
У маркетплейса есть подробные данные: что, когда, сколько, даже в каком размере. Ну например, напрашивается логика: купил детские подгузники? Значит, у тебя младенец. Вот тебе товары для кормящих мам.
Системы хорошо обучены находить похожее по атрибутам и поведению: «Люди, которые купили это, также покупают вот это». Этот алгоритм работает шикарно, потому что у маркетплейса огромный объём заказов и повторных покупок. Но тут фокус на товаре, а не на смысле.
Пример: Купил зубную щётку - тебе покажут пасту, ополаскиватель, держатель, электрические щетки и т.д.
Но очень-очень редко кто делает настоящей персонализации — по контексту жизни, по jtbd-сценарию.
Почему? 1. В банке данных мало. Видим только трансакции и деньги. А деньги — это не цель, это средство. Хочешь дать кредит «на ремонт» — сначала пойми, что у человека ремонт, а не просто чек из Леруа.
2. В e-commerce данных много, но мышление товарное - это в основном «похожие товары», а не «похожий сценарий» Ну то есть: «Вы купили кровать? Вот ещё 10 кроватей». Спасибо, но мне одной достаточно.
Они плохо понимают цель: ты купил обогреватель не потому, что ты коллекционер обогревателей, а потому что тебе холодно в квартире.
У большинства платформ нет структуры, которая объясняет — в каком ты жизненном контексте.
Это конечно же упрощение ради охвата.Сложные модели дорогие. Проще и быстрее «накрутить» обычную товарную карусель: покажи то, что кликали другие. Плюс все боятся промахнуться. Поэтому офферы делают максимально нейтральными. Без JTBD.
Но когда они достигают предела оптимизации по воронке, приходит мысль мыслить сценариями, **строить слой смыслов поверх данных.
Что вообще** можно сделать?1. Создать сценарные подборки по жизненным ситуациям: «Собираемся в школу» «Переезд без стресса» «Домашний офис» «Новогодний стол» «Уход за новорожденным», где товар — часть решения задачи.
Это не глубоко персонализировано, а условные микросценарии для больших кусков аудитории. Обычно в сторис. Это первый shift от "товара" к "контексту".
Кажется, что в будущем AI научится строить гипотезу о сценарии в момент покупки или задавать релевантные вопросы. От «продать больше» к «помочь лучше».
Маркетплейсы сегодня работают как огромные склады с алгоритмами. Сегодняшняя модель - это каталог + карусель “похожее”. Но у неё есть потолок. AI будет двигать эту модель в сторону сопровождения покупок а-ля виртуальный продавец.
