營銷人員習慣于分裂測試可能的內(nèi)容和通信變化的概念，以確定獲勝組合。標準A / B拆分測試的問題在于它仍然會讓您的許多客戶失去次優(yōu)體驗，因為您假設所有客戶都屬于同一人群。

消費者現(xiàn)在需要為他們量身定制的相關通信和消息。事實上，77.5%%的“數(shù)字原生代”希望您在網(wǎng)站和消息中為他們提供真正的個性化體驗，而且其他年齡組的百分比也很高。

FollowAnalytics今天宣布推出新的移動優(yōu)化套件，其中包括Optimize AI，這是一種由機器學習驅動的新型分割測試技術，試圖解決每個人不加區(qū)分地提??供內(nèi)容變更的問題。

移動優(yōu)化套件包括各種新工具，可幫助營銷人員從迭代，改進和衡量網(wǎng)站，通信，應用內(nèi)消息和推送通知更改成功中獲得最大收益。

它會自動確定測試的樣本大小，以確保在統(tǒng)計上顯著的結果，同時確保實驗盡早完成。但最重要的是，該套件包括基于細分的優(yōu)化，允許營銷人員根據(jù)個人需求運行不同的測試并向受眾提供相關內(nèi)容。

“Optimize AI使用的細分市場有兩種類型，”FollowAnalytics的創(chuàng)始人兼董事長Samir Addamine告訴我。“細分可以由客戶根據(jù)移動數(shù)據(jù)和來自其CRM或其他記錄系統(tǒng)的任何外部數(shù)據(jù)來定義。細分可以基于應用中的活動。即使您已定義任何自定義細分，這些細分也可讓您開箱即用。“

根據(jù)細分拆分測試不同的內(nèi)容意味著您可以優(yōu)化您的應用，為消費者提供不斷改進的個性化體驗。那么機器學習如何幫助這個解決方案?

“機器學習使我們能夠隨著時間的推移改善結果，”Addamine說。“智能層允許我們?yōu)閺V告系列定位的每個用戶找到正確的消息。學習使我們能夠利用過去的所有廣告系列，更好地為目標用戶分配變體。通過對變體沿分類法進行分類，您可以幫助學習算法找到不同廣告系列之間的關系。“

這意味著您可以使用您的應用程序為每種類型的消費者編寫內(nèi)容，系統(tǒng)將了解每種變體的最佳狀態(tài)，優(yōu)化每個細分，而不是期望每個人對批發(fā)變更做出積極反應。在一個需要個性化的世界中，這樣的技術可以幫助提高相關性。

除了這些新的拆分測試功能，F(xiàn)ollowAnalytics還增強了其消息構建工具，以提供更大的靈活性。這些工具允許您輕松創(chuàng)建推送通知和應用內(nèi)消息，該套件提供了一個模板庫，可幫助您構建彈出窗口，橫幅和本機警報。您還可以創(chuàng)建自定義HTML5消息。

Addamine認為AI和機器學習將成為2017年營銷人員軍械庫中越來越重要的一部分。

“人工智能和機器學習將有助于實現(xiàn)任何營銷人員的圣杯：自駕車運動，自2013年我開始跟隨分析以來我的愿景，”Addamine說。“感謝AI / ML技術，我們將開始看到非常智能和準確的建議，創(chuàng)建可以帶來更多保留和參與度的廣告系列。在CRM，ERP和營銷工具之間建立更多橋梁也將催化預測的質量。