Personalisasi AI
Personalisasi AI mengacu pada penggunaan kecerdasan buatan (AI) untuk menyesuaikan pesan, rekomendasi produk, dan layanan untuk pengguna individu. Dengan menganalisis data dan belajar dari perilaku pengguna, alat yang didukung AI dapat menciptakan pertemuan yang sangat dipersonalisasi yang meningkatkan pengalaman pelanggan dan meningkatkan keterlibatan pelanggan.
Kemajuan terkini dalam teknologi AI, seperti AI generatif, telah meningkatkan praktik pemasaran dengan menghasilkan pengalaman yang dipersonalisasi hampir secara real-time. Kemajuan ini mengantarkan era hiper-personalisasi omnichannel-pengalaman pelanggan yang disesuaikan dan tanpa batas di seluruh platform yang merespons perilaku pelanggan dengan segera.
Karena personalisasi yang didukung oleh AI telah menjadi lebih bernuansa dan kuat, konsumen mulai mengharapkan pengalaman yang disesuaikan ini. Sebuah laporan terbaru dari IBM Institute for Business Value menemukan bahwa tiga dari lima konsumen ingin menggunakan aplikasi AI saat mereka berbelanja. Dan menurut konsultan McKinsey, 71% konsumen mengharapkan perusahaan untuk memberikan konten yang dipersonalisasi. 67% dari pelanggan tersebut mengatakan bahwa mereka merasa frustrasi ketika interaksi mereka dengan bisnis tidak disesuaikan dengan kebutuhan mereka.1 Personalisasi juga terbukti mendorong ekspansi. Laporan yang sama menemukan bahwa organisasi yang berkembang pesat menghasilkan 40% lebih banyak pendapatan dari personalisasi dibandingkan dengan organisasi yang bergerak lebih lambat.
Dalam lingkungan saat ini, personalisasi AI digunakan di seluruh industri untuk membuat rekomendasi produk yang relevan dan pengalaman yang sesuai secara kontekstual dalam skala besar. Taktik ini berlaku apakah pengguna target adalah pembelanja online tunggal, spesialis pengadaan dalam organisasi bisnis-ke-bisnis (B2B) atau karyawan yang menerima komunikasi yang dipersonalisasi.
Beberapa aplikasi khusus industri untuk personalisasi AI meliputi:
E-niaga: Dalam e-niaga, AI menampilkan rekomendasi berdasarkan penelusuran dan riwayat pembelian, menyarankan produk berdasarkan preferensi dan kebutuhan spesifik pengguna. Ini juga dapat menghasilkan email khusus atau pesan lain untuk konsumen, memfasilitasi kampanye pemasaran yang dipersonalisasi.
Hiburan: Saran konten yang disesuaikan pada layanan streaming biasanya didukung oleh personalisasi AI. Mesin rekomendasi ini menampilkan daftar putar, film, atau konten lain yang disesuaikan dengan preferensi individu.
Pelatihan dan pendidikan: Sistem pembelajaran adaptif-baik di tempat kerja maupun di tempat lain-menawarkan konten dan sumber daya pendidikan yang disesuaikan. Dengan menggunakan AI, mereka memberikan umpan balik yang dipersonalisasi dan pelacakan kemajuan.
Keuangan: Personalisasi AI menawarkan saran keuangan dan rekomendasi investasi yang disesuaikan berdasarkan tujuan pengguna dan kondisi pasar yang lebih luas.
Pemasaran: Personalisasi AI mendorong beberapa strategi pemasaran, termasuk kampanye pemasaran email khusus atau iklan online yang ditargetkan untuk kelompok konsumen tertentu.
Berita + Insight AI terbaru
Temukan insight dan berita yang dikurasi oleh para pakar tentang AI, cloud, dan lainnya di Buletin Think mingguan.
Alat bantu AI dapat berinteraksi dengan konsumen di setiap titik kontak dalam perjalanan pelanggan, mulai dari menjelajahi pasar online hingga menerima pesan tindak lanjut tentang produk atau layanan.
Jika digunakan secara efektif, personalisasi AI berdampak signifikan pada pendapatan. Sebuah survei terhadap ratusan CEO terkemuka dari IBM Institute for Business Value menemukan organisasi yang memprioritaskan pengalaman pelanggan (CX) dapat mencapai pertumbuhan pendapatan tiga kali lipat dari rekan-rekan mereka. 86% dari para pemimpin menganggap personalisasi sebagai bagian penting dari kampanye CX mereka.
Beberapa manfaat utama personalisasi AI meliputi:
Pengalaman yang disesuaikan berdampak positif pada kepuasan dan loyalitas pelanggan, memberikan pengalaman digital yang sesuai secara kontekstual dan cenderung menghasilkan hubungan positif dengan merek.
Personalisasi konten membuat pengguna tetap terlibat lebih lama dengan menyediakan informasi yang paling mungkin mereka butuhkan.
Rekomendasi yang relevan meningkatkan kemungkinan pembelian, yang mengarah ke jumlah penjualan yang lebih tinggi.
Dengan AI, organisasi menggunakan otomatisasi untuk membuat sejumlah besar kampanye pemasaran, rekomendasi produk, atau pengalaman layanan pelanggan, membebaskan sumber daya untuk digunakan di area lain. Beberapa penelitian menunjukkan bahwa program personalisasi dapat mengurangi biaya akuisisi pelanggan sebanyak 50%.2
Memberikan pengalaman yang dipersonalisasi berdasarkan preferensi pelanggan dapat memberikan keunggulan kompetitif yang signifikan. Beberapa merek sangat bergantung pada personalisasi AI untuk model bisnis fundamental mereka, seperti perusahaan langganan yang menyediakan barang yang dikurasi untuk pelanggan mereka.
Karena personalisasi AI menampilkan data granular tentang pengguna organisasi, teknologi ini dapat digunakan untuk mendapatkan insight tentang perilaku pelanggan saat ini dan di masa depan, sehingga memungkinkan pengambilan keputusan yang lebih tepat. Dengan data terperinci tentang pengguna, bisnis juga mendapatkan informasi berharga tentang pelanggan mereka yang paling bernilai tinggi, sehingga mereka dapat melakukan iterasi secara cerdas dan bergerak cepat.
Personalisasi yang didorong oleh AI biasanya menggunakan beberapa kombinasi machine learning (ML), pemrosesan bahasa alami (NLP), dan AI generatif. Umumnya, proses ini bekerja dengan mengumpulkan data pelanggan tentang perilaku, preferensi, dan interaksi pengguna—bersama dengan data kontekstual seperti lokasi, waktu, dan perangkat yang digunakan. Seringkali, pengumpulan data ini melibatkan penggabungan data organisasi dengan kumpulan data pihak ketiga.
Data ini kemudian dianalisis oleh algoritma AI, yang mengidentifikasi pola dan tren perilaku pengguna. Biasanya, AI juga akan mengelompokkan pengguna ke dalam segmen-segmen berdasarkan karakteristik dan perilaku yang sama dalam proses yang dikenal sebagai segmentasi audiens. Dengan menganalisis segmen dan perilaku pengguna ini, AI kemudian merekomendasikan produk, layanan, atau konten yang sesuai dengan preferensi dan demografi pengguna. Itu juga dapat menampilkan konten tertentu di situs web atau aplikasi ke pengguna yang berbeda berdasarkan profil unik mereka.
Karena AI terus "belajar" dari pengguna dari waktu ke waktu, AI semakin mengoptimalkan proses personalisasinya, beradaptasi secara terus menerus untuk menyempurnakan rekomendasi dan tanggapannya.
Personalisasi AI meningkatkan keterlibatan pengguna dengan memberikan rekomendasi spesifik dan memberikan konten unik berdasarkan preferensi dan kebutuhan individu. Beberapa aplikasi personalisasi AI utama meliputi:
Rekomendasi produk yang dipersonalisasi
AI menganalisis data pengguna, termasuk riwayat penelusuran, interaksi media sosial, pola pembelian, dan preferensi untuk menyarankan produk yang sesuai dengan selera individu. Teknik ini banyak digunakan di platform ecommerce seperti Amazon dan Netflix, membantu meningkatkan penjualan dan meningkatkan pengalaman pelanggan dengan menampilkan item yang paling relevan. Makin banyak data yang dimiliki AI sepanjang perjalanan pelanggan—misalnya, barang yang dibeli atau dilihat selama waktu-waktu tertentu dalam setahun—makin tepat dan akurat rekomendasinya.
Didukung chatbot AI
Chatbot dan asisten virtual yang didukung AI menyediakan interaksi yang dipersonalisasi dalam bahasa percakapan dengan "membaca" dan memahami pertanyaan pengguna, kemudian menawarkan respons yang disesuaikan. Chatbot ini dapat menangani layanan pelanggan, memberikan rekomendasi produk, dan membantu dalam pemecahan masalah, sehingga menciptakan pengalaman pengguna yang lebih efisien dan personal. Tersedia setiap saat, chatbot ini juga mengumpulkan insight berharga tentang pola pembelian konsumen dan kebiasaan interaksi, sehingga mendorong efisiensi.
Konten cerdas
Personalisasi konten melibatkan penggunaan AI untuk mengirimkan email, artikel, deskripsi produk, video, pesan teks, atau media lain yang disesuaikan dengan minat dan perilaku pengguna. Dengan menggunakan personalisasi konten, organisasi dapat memberikan aset berkualitas tinggi dan menarik yang beresonansi dengan audiens target sekaligus menghemat waktu dan sumber daya.
Penargetan iklan
Harga yang dinamis
Penetapan harga dinamis adalah strategi berbasis yang didorong oleh AI di mana harga disesuaikan secara real-time berdasarkan berbagai faktor seperti permintaan, penawaran, perilaku konsumen, dan kondisi pasar. Meskipun secara historis paling sering digunakan oleh organisasi perhotelan dan perjalanan, harga dinamis sekarang digunakan di berbagai industri untuk mengoptimalkan harga untuk memaksimalkan pendapatan dan memberikan tarif yang lebih rendah kepada konsumen selama periode di luar puncak.
Personalisasi prediktif
Personalisasi prediktif menggunakan AI untuk mengantisipasi kebutuhan dan preferensi pengguna sebelum mereka secara eksplisit mengungkapkannya. Dengan menganalisis data historis, AI dapat memprediksi produk atau konten apa yang mungkin diminati oleh pengguna, sehingga meningkatkan pengalaman pengguna secara keseluruhan. Sebagai contoh, Starbucks memulai program personalisasi prediktif yang didukung oleh algoritme machine learning yang menawarkan minuman tertentu kepada pengguna aplikasi berdasarkan riwayat pembelian mereka. Prediksi tentang apa yang akan dipesan konsumen berdasarkan waktu atau cuaca juga diintegrasikan ke dalam sistem manajemen inventaris merek.
AI generatif dan kemajuan lain dalam teknologi AI telah berdampak besar pada praktik dan penerapan personalisasi dalam dunia perdagangan dan dunia bisnis. Berangsur-angsur, teknologi AI memiliki kapasitas untuk membuat konten spesifik untuk pengguna individu, atau untuk memperkirakan kebutuhan pelanggan. Beberapa kemajuan terbaru dalam personalisasi AI meliputi:
- Hyper-personalisasi
- Personalisasi omnichannel
- Pembuatan konten
- Transformasi talenta
Hyper-personalisasi
Hiper-personalisasi memajukan praktik personalisasi dengan menggunakan data waktu nyata dan AI untuk memberikan pengalaman yang sangat disesuaikan. Ketika segmentasi mengelompokkan pelanggan, proses ini memungkinkan organisasi untuk berbicara langsung dengan konsumen secara individual. Hal ini dapat mencakup rekomendasi produk secara real-time, konten situs web dinamis yang merespons navigasi pengguna, dan kampanye pemasaran yang dipersonalisasi yang beradaptasi berdasarkan interaksi pengguna. Dengan pemahaman mendalam tentang konsumen individu dan bagaimana mereka berinteraksi dengan bisnis, organisasi dapat memberikan informasi yang relevan secara kontekstual pada saluran yang benar pada waktu yang tepat.
Personalisasi omnichannel
Personalisasi omnichannel, atau personalisasi tanpa saluran, memastikan pengalaman yang konsisten dan dipersonalisasi di semua titik kontak pelanggan termasuk situs web, aplikasi seluler, media sosial, dan pembelian di dalam toko. AI dapat mengintegrasikan data dari berbagai saluran untuk menciptakan perjalanan pengguna yang mulus dan kohesif: Sebagai contoh, perusahaan retail kecantikan Sephora memiliki strategi personalisasi omnichannel yang efektif dengan menawarkan aplikasi pendamping yang membantu konsumen menemukan produk. Aplikasi ini menyatukan titik data seperti pembelian sebelumnya dan merek yang dicoba di konter di toko.
Pembuatan konten
AI generatif dapat membuat salinan pemasaran, artikel, dan bahkan aset kreatif berdasarkan preferensi dan perilaku pengguna. Hal ini memungkinkan merek untuk memproduksi konten relevan dalam jumlah besar secara efisien, dan membuat lebih banyak konten berdasarkan preferensi individu dibandingkan sebelumnya. Misalnya, AI generatif dapat membuat iklan khusus untuk konsumen individu berdasarkan waktu atau seberapa dekat pengguna aplikasi dengan toko tertentu.
Transformasi talenta
Meskipun banyak contoh penggunaan personalisasi AI berlaku untuk pemasaran eksternal, taktik serupa juga diterapkan secara internal. Personalisasi yang berbasis AI dalam SDM membantu dalam mengidentifikasi dan mengembangkan SDM dengan menyesuaikan program pelatihan, rencana pengembangan karier, dan strategi keterlibatan karyawan untuk pengguna tertentu. Hal ini memastikan bahwa karyawan menerima dukungan dan kesempatan yang tepat untuk berkembang, yang menghasilkan retensi karyawan dan kepuasan kerja yang lebih baik. Agen virtual dan asisten virtual juga menyediakan komunikasi yang dipersonalisasi kepada karyawan terkait tanggung jawab mereka sehari-hari, sehingga mengurangi kesalahan dan meningkatkan efisiensi.
Upaya personalisasi mengubah cara bisnis berinteraksi dengan pelanggan dan karyawan, tetapi kampanye yang terukur dan sukses cenderung dimulai dengan fondasi data yang kuat dan secara rutin mengaudit praktik internal.
Beberapa praktik terbaik umum untuk menerapkan personalisasi AI meliputi:
Sistem AI yang efektif dan gesit dibangun di atas fondasi data yang kuat. Menangkap dan membersihkan data ini — baik data internal maupun informasi pihak ketiga — seringkali membutuhkan investasi yang signifikan.
Ini mungkin juga berarti mempekerjakan insinyur dan memperoleh daya komputasi yang diperlukan untuk meng-host sistem AI.
Bahkan ketika konsumen saat ini menginginkan personalisasi, rata-rata pengguna tetap khawatir tentang privasi data. Program personalisasi AI yang efektif berusaha untuk memberikan informasi yang dapat digunakan oleh konsumen—tanpa perlu menambang data pribadi yang mungkin tidak seharusnya dibagikan.
Tata kelola data yang baik juga dapat mengharuskan organisasi untuk menerapkan protokol keamanan yang kuat untuk melindungi data dari pelanggaran.
Menggunakan AI untuk mempersonalisasi pengalaman pengguna biasanya membutuhkan komunikasi yang jelas di mana pengguna diberitahu bagaimana data mereka digunakan.
Ekspektasi yang jelas mengenai penggunaan dan pengelolaan data juga dapat memastikan bahwa model AI dilatih dengan data yang beragam untuk mencegah bias dan diskriminasi.
Organisasi biasanya melihat hasil yang lebih baik ketika mereka mengaudit model yang digunakan untuk melatih dan menyetel sistem AI personalisasi mereka dengan cermat. Dengan memilih model AI yang cocok untuk kasus bisnis dan tugas personalisasi, merek dapat memfasilitasi produk dengan kinerja yang lebih baik. Model yang sukses juga biasanya diperbarui secara berkala dan dilatih ulang pada data baru untuk meningkatkan akurasi.
Kampanye yang sukses biasanya melibatkan perencanaan yang signifikan sebelum pelatihan sistem AI. Membuat peta jalan untuk menyelaraskan strategi personalisasi dengan tujuan bisnis secara keseluruhan dapat membantu memastikan produk yang dihasilkan dapat mendorong pertumbuhan dan profitabilitas.
Sumber daya
Catatan kaki
1 The value of getting personalization right—or wrong—is multiplying , McKinsey, 12 November 2021.
2 What is personalization? , McKinsey, 30 Mei 2023.