Filtrado Colaborativo
El otro tipo de personalización es la adaptación de personalización. Más comúnmente conocido como el filtrado colaborativo, este tipo de personalización es más inteligente, ya que observa comportamientos de los clientes y los aplica a las nuevas circunstancias. Por ejemplo, si en un jardín e-tailer con filtrado colaborativo observa que los consumidores tienden a comprar a bajo costo las flores perennes, al mismo tiempo que las herramientas de jardinería en el sitio Web puede comenzar sugiriendo un área de sugerencias a todos los clientes que compran las plantas tipo bulbo. El Filtrado colaborativo utiliza el comportamiento de otros visitantes "similares" a los visitantes regulares como base para sus recomendaciones. Las herramientas de filtrado Colaborativo son a menudo más complejas, y por lo tanto este es más caro, que el basado en las normas de personalización.
El ejemplo más célebre de filtrado colaborativo es cuando no la compra por Amazon.com, en el que los resultados de compras anteriores del comprador son combinados con la geografía en la que este se ubica, para sugerir a los lectores que viven en su barrio y tienen intereses similares que cosas pueden estar leyendo. Este análisis similar de la compra de los consumidores más inteligente hace que se convierta a Amazon como su preferencia, y hace más preciso aún las recomendaciones del sitio. Varios clientes de Amazon.com que conozco son los cazadores de oportunidades en los sitios Web de otros durante las promociones especiales, pero siempre regresan a Amazon porque "ellos los conocen mejor".
Tal vez el trazado más revelador en la personalización es que el usuario sabe lo que está pasando. Los visitantes a la Web proporcionan normalmente voluntariamente información personal a sitios Web donde se cree que habrá algún tipo de quid pro quo: la compañía utilizará la información para proporcionar un servicio de valor añadido, tales como descuentos periódicos o de interés especial boletines. Algunos sitios pueden personalizar el contenido sin que el comprador sepa que los productos que está viendo son diferentes de las de los compañeros de los compradores, que podrían tener diferentes perfiles y preferencias.
Los distribuidores de Internet que combinan eCRM con los datos del cliente y la personalización detallada avanzada pueden personalizar los diseños de contenidos y la pantalla para los visitantes individuales buscando aumentar la vistosidad del sitio y la propensión de los compradores para comprar.
Por otro lado, las empresas, tales como Lands End, simplemente preguntar a los clientes lo que les gusta, o no al hacer una compra. La empresa muestra a los visitantes de su Web combinaciones de productos diversos y solicita su opinión. Esta práctica es diferente de la "inferencia" de personalización en el que una empresa aplica una lógica compleja para inferir las preferencias de un cliente y simplemente almacena las respuestas del cliente a las preguntas o encuestas, por lo que las respuestas forman parte de su perfil para que puedan ser utilizados para la venta cruzada de sus productos adicionales.
Aunque esta información parece bastante inocua es equivalente a la reorganización de diseño de un almacén o tienda real basado en la forma en que el comprador le gusta moverse por la tienda, también puede tener usos más controvertidos.
Amazon.com también mostro que se podía realizar la venta de la misma película en DVD a precios diferentes a los compradores diferentes. Esta práctica, conocida como fijación dinámica de precios, se volvió el concepto de elección del consumidor en su mente. La Web, famosa por ofrecer a los compradores la oportunidad de encontrar la mejor oferta con un simple clic del ratón, permite ahora a los vendedores la oportunidad de diferenciar a los consumidores y su sensibilidad a los precios. 
No hay comentarios:
Publicar un comentario