为什么个性化项目失败

它经常以惊人的速度发生。旨在使站点体验个性化的大型项目，在仅小幅涉足问题之后，要么失败要么死机。

这些失败中，大多数的核心是一些常见的错误，而这些错误的核心是无法理解个性化循环。

如果对使用它的人没有有意义的见解，就无法创建出色的个性化体验。

没有丰富，可识别的数据，就无法建立有关人类的有意义的见解。

除非您从经验中捕获数据，否则您将无法访问丰富的可识别数据。

但是，一旦启动了此循环，它就会变得难以置信。平均经验可以生成数据，这些数据可以产生洞察力，从而获得更好的体验，该数据可以产生稍微更好的数据，该数据可以产生更好的洞察力，从而带来更好的体验…

当然，挑战在于引发这些循环。这就是大量早期个性化解决方案失败的地方。

大多数网络和移动业务都是从单一的，普遍的经验开始的。

这些一般经验不需要个性化，没有个性化就可以提供可观的价值。这是一个坚实的商业模式。

但是，使用这种业务模型开发系统仍然需要数据，而在通用体验中收集数据的最流行方法之一就是使用通用跟踪工具，例如Google Analytics（分析）。除了真正的个性化循环外，企业还会有一个类似这样的循环：

这种解决方案是有局限性的，因为它仅服务于您的受众的主要部分。

假设您已将体验的变化作为原型，并且80％的用户发现它更有帮助，而其余20％的用户则认为它没有那么大。产品经理将看到这些结果，并决定所有用户都应该看到这种新体验，获得60％的净收益。

不幸的是，20％的人失望地离开了。

但是，在个性化系统中，80％的人喜欢新体验，而20％的人则不愿意。也许他们没有改变原始体验，或者只是很少看到新体验。但是，关键是要记住谁喜欢和不喜欢这种体验，并将他们最有效的体验反馈给他们。

您不能仅使用通用数据来构建这种类型的系统。该数据需要扩充或替换为可单独识别的数据。

您的系统必须在会话之间记住用户。鼓励用户成员资格是执行此操作的最常见方法之一，但是从根本上讲，所有用户都需要唯一的，可复制的标识符。系统的每个部分都需要流利的这些标识符。

然后，系统的所有这些部分都需要针对这些标识符生成和存储使用情况数据。这样，当您生成洞察力并建立出色的体验时，就可以使这些体验适应您为其创建的每个人。如果您很幸运，您可能还会发现原来原本为20％的那部分观众最终成长为最大的细分受众群之一-如果您只追逐最大的细分受众群，您可能会完全失去。

好的UI显然是尝试构建或复制的事物，因为它们是可见的并且易于理解。当面对填补个性化循环的其他三分之二所需的精力时，这种诱惑变得更加强烈。

不幸的是，即使是具有强大设计和用户关注度的团队，也很容易陷入尝试复制Netflix风格的用户体验，或投资于优质的UX在其网站上共享个人相关内容的情况，但在内容共享时就被吓倒了。通过这些经验，您可以获得平均的，中等的结果。实际上，世界上所有的风吹草动都不会没有实质性支持。

个性化的最大价值不在于外观或操作方式，而在于洞察力如何使用户满意。在设计任何新的个性化体验时，也必须设计（或至少考虑）将为其提供动力的见解。

洞察力可以是大型，复杂的机器学习野兽，也可以是简单的逻辑（如果先是然后再逻辑）。频谱的两端都是完全有效的。重要的是，您可以将个人用户的数据转化为有意义的见解，并将该见解一直应用到您设计的美好体验中。

一旦系统开始积累数据，就有一种很强的本能希望立即将这些数据引入新的体验。尽管这对于原型制作很好，但是它很快导致个性化的死胡同。

通常在设计体验时会发生这种情况，但是洞察力还不清楚。因此，见解经验本身内计算。

在积极开发经验的同时，这种方法可以很好地工作，但是一旦经验被释放并且团队转移到生态系统的其他部分，洞察力就会停滞不前。当有新数据可用时，现有经验会受到限制，不会受到欢迎。这些算法保持其原始状态，没有利用可能使其变得更有价值的新技术或数据源。

原始的见解也被困住了。由于它内置于特定的体验中，因此不能轻易在其他新项目中重复使用。这减慢了新功能的开发，并使从以前的见识中学习变得更加困难。每次都是从零开始。

在您的设计和工程流程中，必须将见解视为一流的公民。它们应该独立存在并作为系统维护，以便可以在它们之上构建多种体验。

随着见解的发展和增长，默认情况下，基于这些见解的经验将变得更加丰富。对于每个已开发的个性化体验，这都是一个倍增因素。

个性化循环只有在过程的每个步骤都得到尊重和考虑时才真正有效。

平衡数据，洞察力和体验创建的投资组合，以确保从系统的每个部分中获得最大（和最好）的收益。

随着时间的推移，个性化循环将为您带来回报，越来越少的开发工作就能获得越来越多的回报。