Поощряйте взаимодействие с рекомендуемым контентом, размещая его на видном месте, разделяя предложения на четкие категории и предоставляя пользователям возможность давать фидбек.

Механизмы рекомендаций теперь распространены на различных веб-сайтах и ​​в приложениях, часто они используют искусственный интеллект для управления персонализированным контентом. Мы наблюдаем повышение популярности рекомендаций, призванных направлять пользователей к релевантным товарам. Поэтому четкое представление списков рекомендуемого контента таким образом, чтобы поощрять непрерывное взаимодействие, становится одним из основных элементов привлечения пользователей.

Недавно мы проводили исследования пользователей, в которых рассмотрели, что пользователи ожидают от рекомендаций, как источника персонализированного контента.

Участники нашего исследования оценили персонализированные рекомендации, которые помогли им избежать информационной перегрузки. Эти рекомендации были наиболее эффективными, когда им отдавался приоритет в отличии от общего контента. Важное значение имеет также понимание источника рекомендаций, а еще способность взаимодействовать с рекомендациями для обеспечения положительного или отрицательного фидбека, хотя, многие пользователи не потрудились сделать это.

Приоритетность персонализированных рекомендаций

Контент, четко подобранный для вас, всегда предпочтительнее общих элементов. В Интернете информация, которая была персонализирована, рассматривалась как ценная функция, помогающая пользователям просеивать огромные списки на сайтах электронной коммерции или развлечений, чтобы найти те немногие жемчужины, которые им интересны.

Однако, на некоторых сайтах эти персонализированные рекомендации было трудно найти, потому что они были размещены слишком низко на странице, ниже общих разделов продвигаемого контента. Это сделало их менее доступными, поэтому их добавление на сайт стало практически бесполезным.

«Рекомендуемый контент должен быть выше в списке. … Почему бы не разместить его выше? Это именно то, что я собираюсь купить. Здесь я собираюсь потратить свои деньги».

«Возможно, ближе к верху страницы, возможно, прямо под разделом Just Arrived. Потому что часто я не прокручиваю всю страницу вниз. Как правило, я смотрю на пару первых вещей, а затем перехожу в раздел с товарами, которые я собираюсь купить. На этой странице много контента, а „Рекомендуемое для вас“ — это предпоследний раздел. Так что, наверное, я не замечу его. На самом деле это первый раз, когда я увидел этот раздел».

Sephora.com: персонализированные рекомендации в карусели
Sephora.com: персонализированные рекомендации в карусели «Рекомендуемые для вас» были расположены на главной странице слишком низко. Пользователи нашли этот раздел только после того, как им было предложено просмотреть всю домашнюю страницу, и хотели бы видеть его выше других общих рекламных областей
Персонализированный контент был настолько высоко оценен, что один из пользователей Sephora хотел, чтобы все области сайта были адаптированы к его индивидуальным предпочтениям.

«Полагаю, что в любой области веб-сайта, на которую я кликнул, было бы приятно видеть вещи, которые, по их мнению, мне больше всего нравятся. … Особенно новые, только поступившие товары. Обычно бывает много товаров, поэтому было бы здорово, если бы вещи, которые могут мне больше всего понравится, были бы наверху страницы, даже если я их уже видел».

Чем выше эти персонализированные области рекомендаций были размещены на домашней странице сайта, тем выше была вероятность, что пользователи замечали и использовали их. Например, Amazon добавил несколько четко персонализированных областей контента в верхней части домашней страницы, а также на странице с длинной прокруткой. Пользователи часто называли Amazon сайтом, который персонально адаптирован под каждого пользователя. Сайт Eventbrite, посвященный событиям, не пользовался таким же уровнем доверия, но поскольку его индивидуальные рекомендации были показаны на главной странице, сразу под областью главного баннера / поиска, пользователи легко нашли список рекомендуемых событий.

Eventbrite.com: раздел «События для вас» с индивидуальными рекомендациями был размещен на главной странице
Eventbrite.com: раздел «События для вас» с индивидуальными рекомендациями был размещен на главной странице, что увеличивало вероятность того, что пользователи заметили и просмотрели этот контент

Четко укажите источник данных

Когда это возможно, четко укажите, какие данные использовались для формирования индивидуальных рекомендаций. Эта информация не только дает пользователям понять, какие аспекты их деятельности в Интернете отслеживаются и учитываются для формирования предложений, но также добавляет доверия к рекомендациям и дает понять, что контент персонализирован для конкретного человека.

Объяснение рекомендации (например, упоминание конкретных элементов из истории поведения пользователя) также помогает пользователям оценивать тип контента, включенный в этот раздел рекомендаций, и определять, интересны ли им предложения или они предпочли бы посмотреть что-то еще.

«На Netflix есть разные категории, которые показывают «нам кажется, вам понравится этот фильм, потому что вы смотрели этот фильм», и указано название фильма, который вы смотрели. Netflix дает вам список из 10−15 фильмов, которые, по их мнению, вам понравятся, на основании просмотренного фильма… Мне это нравится, потому что я могу подумать: «О, этот фильм был хорошим и смешным, легким для просмотра, и он соответствует моему сегодняшнему настроению, поэтому я просмотрю эти фильмы. Или, о, этот фильм был очень интенсивным, много драмы, много тайны, и именно на это я сейчас настроен».

Netflix помечает разделы рекомендаций ссылкой на конкретный источник данных
Netflix помечает разделы рекомендаций ссылкой на конкретный источник данных (фильм или шоу, которые пользователи смотрели в прошлом), использованных для формирования рекомендаций. Эта информация позволила пользователям понять, почему им показывали этот контент и предоставили контекст этих рекомендаций
Сайты должны иметь ссылку на общий источник (источники) данных, используемых для формирования рекомендаций. Например, на основе вашей прошлой истории или купленных вами товаров. Будьте предельно ясны и кратки, когда указываете эти источники, и избегайте добавления нечетких описаний, таких как «и т.д.». Например, Amazon Video указал, что раздел «Рекомендуемые фильмы» был сформирован на основе названий фильмов, которые вы просмотрели, и т. д., что заставило пользователей задаться вопросом, может скрываться под этим «и т.д.».
В Amazon Video включены субтитры с указанием общих источников данных
В Amazon Video включены субтитры с указанием общих источников данных, используемых для рекомендуемых областей. Однако фраза «и т.д.» оставила пользователей в недоумении

На страницах списка продуктов Amazon были представлены отдельные индивидуальные рекомендации с четкими заголовками
На страницах списка продуктов Amazon были представлены отдельные индивидуальные рекомендации с четкими заголовками, в которых указывалось, что элементы были связаны с товарами, которые вы ранее просматривали

Отдельные категории рекомендаций

Еще одним преимуществом отображения конкретного источника для набора рекомендаций является то, что он обычно заставляет разделять персонализированный контент на более мелкие куски, вместо того, чтобы все рекомендации объединялись в одну категорию. Пользователи оценили возможность просмотра более конкретных категорий рекомендаций, особенно для сайтов с большим количеством разнообразных товаров — будь то продукты электронной коммерции или развлекательный контент. Подобно тому, как вы не будете сбрасывать весь контент на сайт в одну большую страницу листинга, не сбрасывайте все рекомендации в одну группу.

«Ежедневные миксы на Spotify иногда очень полезны, потому что они разбиты на жанры. … В этом миксе собраны все песни одного жанра, а этот микс -музыка, которую слушает мой муж, поэтому он успешно отфильтровал жанр, который ему нравится».

Spotify создал отдельные рекомендуемые плейлисты Your Daily Mix, основанные на жанрах музыки.
Spotify создал отдельные рекомендуемые плейлисты Your Daily Mix, основанные на жанрах музыки. Участница исследования заявила, что она предпочла эти рекомендации более широкому плейлисту Your Discover Weekly, который включал в себя очень разнообразные песни
Чем конкретнее эти группы рекомендаций, тем полезнее они для направления пользователей к релевантным элементам. Если персонализированные предложения слишком разнообразны (возможно, потому, что у пользователя есть множество интересов), понимание их будет затруднено, и люди будут с меньшей вероятностью взаимодействовать с ними — будь то просмотр или активное редактирование рекомендаций.

Например, несколько пользователей Eventbrite отметили, что их рекомендации включают сочетание профессиональных и личных событий. Хотя этот список был основан на их прошлом поведении (они купили билеты на события обоих типов), это было менее релевантно, когда они просматривали рекомендуемые события.

Точно так же пользователь на Amazon жаловалась, что ее список рекомендаций Kindle-book стал слишком громоздким для просмотра и управления из-за разнообразных жанров книг, которые она приобрела. Разделение этих рекомендуемых товаров по жанрам решит большую часть этой проблемы и будет способствовать постоянному взаимодействию.

«Я прикладывала много усилий для управления книгами, которые Amazon рекомендовал, а также я купила много разных книг. Пытаться сказать Amazon какие книги интересны, ставя палец вверх или вниз, или даже давая 5-звездные рейтинги — это просто не работает. Потому что я могла поставить 5 звезд интересному роману, но что делать, если техническая книга хороша, но я не буду читать ее для развлечения».

Разрешите пользователям настраивать рекомендации

Не все пользователи будут мотивированы взаимодействовать с рекомендациями, чтобы улучшить их, но для тех пользователей, которым это нужно, предоставьте возможность оставить отзывы о рекомендации или редактировать данные, используемых для формирования рекомендаций. Люди, скорее всего, будут взаимодействовать с рекомендуемым контентом, если они постоянные посетители сайта или, если персонализация является основным компонентом услуги, предоставляемой сайтом. Например, пользователь Spotify проверил рекомендованные песни в своем персонализированном плейлисте personalized Discover Weekly. Когда он услышал песню, которую ему не понравилась, он искал способ дать Spotify фидбек, поэтому в будущем подобные песни не будут попадать в плейлист. К сожалению, функциональность рейтинга недоступна в этом разделе веб-приложения, хотя она присутствовала в других областях.

«О, это ужасно, я ненавижу эту песню! Вы ничего не можете сделать! Вы беспомощны перед лицом песен, которые вам не нравятся. Иногда вы можете ставить лайк или дизлайк в приложении, но я не знаю, можете ли вы сделать это на компьютере. Но это то, что я сделал бы в приложении … Раздел Discover Weekly был бы лучше, если бы я мог дать отрицательный фидбек, как и положительный».

Spotify: Участник исследования был разочарован, когда не смог дать фидбек песням, включенным в его персонализированный плейлист
Spotify: Участник исследования был разочарован, когда не смог дать фидбек песням, включенным в его персонализированный плейлист, чтобы улучшить будущие рекомендации плейлиста
Возможность редактирования прошлой деятельности, такой как истории просмотров или прошлых покупок, позволяет пользователям указывать системе исключить один из видов поведения, например, покупку подарка для друга. На Amazon рядом со списком рекомендуемых товаров была показана ссылка «Просмотрите или отредактируйте историю просмотров» (см. Предыдущий скриншот Amazon).
Amazon: пользователи могут просматривать и управлять своей историей просмотров, чтобы влиять на типы продуктов, которые сайт будет рекомендовать для них в будущем
Amazon: пользователи могут просматривать и управлять своей историей просмотров, чтобы влиять на типы продуктов, которые сайт будет рекомендовать для них в будущем
Аналогично, пользователи Netflix могли просматривать свою прошлую деятельность, просмотрев информацию аккаунта и переместившись на страницу «Viewing History». Здесь пользователи могли удалять предметы, которые, по их мнению, не соответствовали их вкусам (например, потому что кто-то другой смотрел фильмы, используя их профиль). (Наши участники исследования, однако, заявили, что не воспользуются этим вариантом, частично потому, что Netflix отлично справился с разделом рекомендаций, позволяя легко игнорировать плохие предложения). Сообщение, отображаемое после нажатия, чтобы удалить элемент из прошлой активности, информирует, что этот фильм больше не будет использоваться для формирования рекомендаций. Пользователи оценили простой и описательный обмен тон сообщений.
Netflix: Удаление элемента из прошлой активности учетной записи вызывало сообщение о том, что этот элемент больше не будет использоваться для рекомендаций
Netflix: Удаление элемента из прошлой активности учетной записи вызывало сообщение о том, что этот элемент больше не будет использоваться для рекомендаций

Обновляйте рекомендации быстро и часто

Когда пользователи решили настроить рекомендации (например, добавить элемент в список избранного или обновить информацию своего профиля), они ожидали, что это действие немедленно отразится в рекомендациях — особенно когда они дали отрицательный фидбек на предложенный контент.

Например, когда персонализированная целевая реклама была отмечена, как нерелевантная, люди хотели, чтобы она была немедленно удалена. Pinterest позволял пользователям скрывать объявления, называемые Рекламные пины (Promoted Pins) посредством всплывающего меню. Клик по пину, чтобы скрыть его, немедленно заменит его сообщением-плейсхолдером, что объявление было скрыто. Это не заставило всю страницу обновляться или не привело к перемещению контента, при этом эффективно показало, что фидбек был учтен.

Pinterest: Взаимодействие, чтобы скрыть рекламный пин, немедленно удалило объявление из фида пользователя
Pinterest: Взаимодействие, чтобы скрыть рекламный пин, немедленно удалило объявление из фида пользователя
Разумеется, маркировка элементов как нежелательных или нерелевантных не ограничивается рекламными объявлениями. Во время просмотра персонализированных рекомендаций на Hulu один участник исследования заметил несколько реалити-шоу, которые не соответствовали его интересам. Он не был уверен, почему их ему рекомендовали. Когда его спросили, что он сделает, чтобы улучшить список рекомендованных шоу, он попытался удалить шоу, присвоив ему максимально отрицательный рейтинг. Он предположил, что, поскольку он дал настолько ​​отрицательный фидбек, сайт обновит рекомендации не только, чтобы удалить это конкретное шоу из списка рекомендаций, но и будет предлагать меньше реалити-шоу в целом. Однако при обновлении страницы ему был представлен тот же список рекомендаций. Он предположил, что системе нужно время на «размышление», прежде чем она сможет обновить свои рекомендации.

«Итак, теперь я даю фидбек, я говорю, что лично дал бы этому шоу 1 звезду. [Страница обновилась, но рекомендации не изменились]. Так, может быть, на обработку фидбека требуется время? Но в следующий раз, когда я зайду на Hulu, я ожидаю, что эта рекомендация исчезнет. И более интересный для меня контент должен занять его место».

Когда сайты быстро обновляли персонализированные рекомендации, пользователи были впечатлены и мотивированы продолжить работу с сайтом.

«Просто сохраняя другие типы событий, это меняет раздел События для вас … Я не знал, он изменится так быстро… Это хорошо, это показывает, что программное обеспечение учится у вас».

Вывод

Персонализированный контент имеет потенциал для увеличения интереса пользователя и его удовлетворения, когда он хорошо выполнен. Хорошие рекомендации помогают пользователям быстро идентифицировать товары, которые их интересуют, и поддерживать постоянную лояльность к бренду, так как пользователи, скорее всего, вернутся к тем сайтам и сервисам, которые облегчают им поиск нужных вещей.

Сделайте персонализированный контент доступным, установив его приоритет над общим контентом. Если возможно, сделайте отдельные персонализированные рекомендации по четким категориям и обратите внимание на источник данных, используемый для формирования рекомендаций. Предоставление методов взаимодействия с предлагаемыми элементами помогает пользователям уточнить будущие рекомендации и может стимулировать более активное взаимодействие с персонализированным контентом.