Jak cílit na návštěvníky webu podle historie objednávek
Dva návštěvníci, kteří si prohlížejí stejný produkt, se mohou zcela lišit hodnotou pro e-shop, věrností i nákupním záměrem.

Většina webů stále personalizuje obsah jen na základě aktuální návštěvy, například podle
zobrazených produktů, hodnoty košíku nebo zdroje návštěvnosti. Nejcennější data pro personalizaci ale už existují jinde – ve vaší databázi zákazníků a objednávek:
Vracející se zákazník, který dříve utratil 2 000 €, by neměl vidět stejné sdělení jako návštěvník, který přišel poprvé.
Zákazník, který pravidelně kupuje prémiové produkty, by neměl dostávat agresivní slevové popupy.
Návštěvník, který opakovaně nakupuje v jedné kategorii, by měl vidět vysoce relevantní doporučení místo obecných bannerů.
Právě tady ukazuje spojení samba.ai Data Lake a Tango.ad svou sílu.
Samba Data Lake poskytuje sjednocená data o zákaznících a objednávkách. Tango.ad tato data využívá v reálném čase k personalizaci webových vrstev, bannerů, vložených boxů a zákaznických cest přímo na webu. Samba Data Lake kombinuje data z mnoha zdrojů, například:
e-commerce platforem
CRM systémů
nástrojů pro e-mailový marketing
věrnostních systémů
platforem zákaznické podpory
systémů pro offline prodej
Místo práce s izolovanými systémy vytváří Samba Data Lake ze všech dodaných dat jeden sjednocený zákaznický profil. Díky této jednotné struktuře mohou nástroje pro personalizaci v reálném čase, jako je Tango.ad, pracovat s historickými znalostmi o zákaznících přímo během návštěvy webu, například:
identifikovat VIP zákazníky
rozpoznat zákazníky závislé na slevách
odhalit zákazníky ohrožené odchodem
personalizovat podle oblíbených kategorií
potlačit nerelevantní kampaně
Přihlaste se do Samba Data Lake a jako zdroj dat vyberte feed Orders

Zkopírujte Orders Entity ID z URL exportního feedu

(v našem příkladu 00000000-0000-0000-0000-000000000000)
Otevřete Datalake Settings v Tango.ad
Přihlaste se do Tango.ad a přejděte do AI Dashboard -> Datalake settings:

Vyplňte údaje pro připojení

Volitelné – vlastní transformační logika
Pokud potřebujete pokročilou segmentační logiku, Tango.ad podporuje i vlastní transformační funkce. Transformační logika převádí surová data o objednávkách na zákaznické vlastnosti srozumitelné pro marketéry, které lze následně využít k segmentaci. Hodí se například pro výpočet vlastních věrnostních bodů, podílu nákupů v akci, rozlišení B2B/B2C a další vlastní metriky.
Aby personalizace fungovala, musí Tango.ad nejprve návštěvníka identifikovat. Tango.ad automaticky podporuje propojování profilů (profile stitching). Pokud uživatel:
se přihlásí na webu,
zadá e-mail v popupu,
vyplní formulář,
klikne na odkaz v e-mailové kampani, který obsahuje speciální identifikátor,
Dalším způsobem identifikace návštěvníků jsou parametry v URL. Podporované parametry:
dlem = e-mail z Data Lake
dlcid = ID zákazníka z Data Lake
Příklady:
yourpage.com/dlem=customer@email.com yourpage.com/dlcid=11111
V e-mailových kampaních Samba.ai můžete tyto parametry automaticky přidávat k odkazům, takže profil zákazníka se identifikuje hned po otevření webu. Díky tomu můžete návštěvníkům přicházejícím z e-mailových kampaní nabídnout vysoce personalizovaný zážitek na webu.

Po úspěšné identifikaci zákazníka načte Tango.ad v reálném čase data z jeho profilu objednávek. Tyto informace pak můžete využít k cílení vysoce personalizovaného obsahu na konkrétní návštěvníky. Segmentační pravidla vytvoříte takto:
Otevřete Workflow Designer v Tango.ad
Vyberte sekci Conditions

Klikněte na tlačítko +Add condition a změňte typ podmínky na Custom segment

Zadejte segmentační podmínku podle svých potřeb. Všechny segmentace související s objednávkami jsou uložené v JSON objektu orders. Struktura může obsahovat například tyto sekce:
customer
clv
loyalty
products
purchaseIntent
Příklad – cílení na návštěvníky s více než 2 dokončenými objednávkami:

Většina nástrojů pro personalizaci pracuje pouze s aktuálním chováním návštěvníka.
Spojení Samba.ai Data Lake a Tango.ad umožňuje marketérům kombinovat:
historická data o objednávkách,
věrnost zákazníků,
produktové preference,
nákupní záměr návštěvníka v reálném čase,
pokročilou segmentační logiku.
Výsledkem jsou výrazně relevantnější zákaznické cesty a přesnější personalizace webu.
Další pokročilé příklady cílení a dostupné struktury vlastností objednávek najdete v návodu „Jak cílit na návštěvníky webu podle historie objednávek“.
Dva návštěvníci, kteří si prohlížejí stejný produkt, se mohou zcela lišit hodnotou pro e-shop, věrností i nákupním záměrem.
Váš web už příležitosti vytváří. Tango z nich udělá víc zákazníků.