Personalisering kræver flere RAM end mennesket kan levere

Personalisering er på alle digitale læber og langt de fleste virksomheder stræber efter at levere personaliseret indhold. Men sandheden er faktisk, at reel personalisering, på nuværende tidspunkt, er tæt på umuligt at levere for langt de fleste virksomheder. Menneskets hjernekapacitet sætter en stor begrænsning for den mængde data vi kan håndtere, og som resultat vil skiftet fra avanceret segmentering til reel personalisering kræve en mindre hær af ansatte – medmindre, vi inviterer maskinerne ind i kampen.

Så snart vi træder ind i en digital kontekst, forventer vi efterhånden primært at blive mødt af relevant indhold. Personalisering er på de flestes læber i den digitale verden, og brugerne er sat en fremtid i sigte, hvor de ikke længere bliver generet af irrelevant indhold, men derimod bliver taget i hånden og behandlet som de unikke individer, de nu engang er. Men som det er i dag, er der lang vej til at indfri brugernes forventninger, for de indsatser vi ser nu, er sjældent reel personalisering.

Hvorfor er personalisering overhovedet relevant?

I 2017 udråbte mange ’Personalisering’ som årets marketing buzzword, og det er der skam god grund til. Som brugere er vi alle mere end trætte af at blive forstyrret af irrelevant indhold, og vi forventer i højere grad, at de digitale platforme, hjælper os med at sortere i informationen og forstår vores individuelle behov. Ifølge Salesforce forventer 51% af forbrugerne, at virksomheder selv forudser og kommer med intelligente forslag på baggrund deraf, før de selv har taget kontakt, i 2020. 
Hvis brugernes forventninger ikke er nok, har Boston Consulting Group, McKinsey og utallige andre dokumenteret den positive effekt for bundlinjen.

Brugernes forventninger går kun én vej, men som det ser ud nu, kan de færreste virksomheder levere et personaliseret produkt, der kan følge med brugernes forventninger. De fleste halser efter med et forsøg på personalisering, der i virkeligheden stadigvæk er håndholdt segmentering.

Personalisering i dag er en avanceret udgave af håndholdt segmentering

Når vi bevæger os rundt på diverse digitale platforme, er vi kategoriseret som en del af et segment. Oftest har en anden person programmeret siden til at sætte os i kasse X, hvis vi gør Z og Y. Når du er i den kasse, bliver du behandlet præcis som alle andre, der også har udført handling Z og Y. Derfor afhænger præcisionen af den kasse, som du placeres i, og det indhold du fremadrettet præsenteres for, af en anden persons evne til at analysere dine handlinger og forudse dine fremadrettede behov på baggrund af disse. I de fleste tilfælde giver det en markant forbedret oplevelse for brugerne. Men det er ikke personligt. Det er bestemt ikke uden fejl. Det kan bestemt gøres endnu bedre.

Hvorfor gør vi så ikke det?
Hvorfor ser vi ikke i højere grad på individet og dropper de kasser?
Svaret er simpelt: Det er for dyrt. Vi mennesker har simpelthen ikke RAM nok til at kunne jonglere så store mængder data. Hvis vi skal have folk ud af kasserne, vil det kræve en mindre hær af ansatte for at kunne håndtere det dataarbejde, og det er selvsagt ikke en oplagt forretningsmulighed.

Derfor afhænger en fremtid, hvor vi leverer reel personalisering, af vores evne til at udnytte teknologiens intelligens og kapacitet.

Hvordan kan Machine Learning redde os fra kasserne?

Sat lidt på spidsen, er det vores egen begrænsede kapacitet til at håndtere større mængder data, der umuliggør personalisering. Men heldigvis er vi samtidig intelligente nok til at programmere maskiner, som netop har den nødvendige kapacitet til databehandling og som dermed kan klare opgaven for os.

Med teknologiens muligheder, kan vi tage kvantespring videre fra den hypotesebaserede og håndholdte segmentering, videre mod personalisering. Ved at udnytte maskinernes enorme kapacitet og evne til at jonglere massive mængder data, kan vi rykke videre til intelligent identificering af individuelle handlinger, der følger samme vej som tidligere unikke handlinger, og derigennem skabe intelligente, databårne anbefalinger til fremadrettede handlinger.
Med andre ord, kan Machine Learning udvide det antal kasser, vi putter folk i, fra at være en lille håndfuld til 1.000.0000+, og samtidig basere disse kasser på faktiske tidligere registrerede adfærdsmønstre frem for velkvalificerede gæt.

Udvalgte få er i gang – men hvad med alle os andre?

Nogle af de største virksomheder på globalt plan har sat alle sejl ind, og leverer denne reelle personalisering baseret på Machine Learning. Men det er et stærkt begrænset antal. På nuværende tidspunkt kræver det en økonomi og et setup, der er de færreste virksomheder forundt - Og selv i disse tilfælde, kommer personaliseringens muligheder ikke til sin ret.

Som historien har vist gang på gang, er udbredelsen af denne teknologi uundgåelig. Brugerne forventer det. Marketingafdelinger længes efter det. Virksomhederne får brug for det.
– Og vi glæder os til at bidrage til demokratiseringen af det.

Professor Stephen Alstrup, CEO i SupWiz og Rikke Koch, Senior CX Designer i Valtech