Typograf Martin Pecina si v nedávném článku stěžoval, že se nakladatel ohání bájným „typickým čtenářem“. A že se proti tomu špatně argumentuje. Můj argument je ten, že typický uživatel neexistuje. A taky vám to dokážu.
Riziko návrhu pro průměrného uživatele
Všechno v současné společnosti je koncipováno na základě průměru. Ale tento koncept vymyslel Belgický astronom jménem Adolphe Quetelet; on první použil termín „průměrný člověk“.
Pokud si teď chcete udělat o čemkoliv obrázek, tak se podíváte na průměr.
Jaký mám plat? Je to víc, nebo míň, než průměr?
Ale za doby Queteleta (circa 1830) byli astronomové skoro jediní, kdo s průměrem počítali. Protože měli nepřesná zařízení a tak průměrovali jednotlivá měření, aby zamezili odchylkám.
A Quetelet jako první použil průměrování na měření lidí. Konkrétně 5 738 obvodů hrudníku Skotských vojáků. A došel k číslu 39,75 palců.
Průměrný = správný
Nicméně Quetelet dává rovnítko mezi průměrný a správný. Nachází tak ideálního vojáka. A tak vzniká tzv. Keteleho index, který používáme do současnosti. Jen to znáte pod zkratkou BMI – body mass index.
A hypotéza byla taková, že na základě ideálních podmínek, jako je výživa, by se měly průměry celku zlepšovat. Způsobí tím skandál, když vypočítá průměrnou sebevražednost.
Z lidí se stává statistika, kterou lze předpovídat. Z Queteleta se stává hvězda podobná věhlasem třeba Izáku Newtonovi (Queteleta zbožňoval například Karl Marx).
Abraham Lincoln a velikost S, M, L
Lincoln od Queteleho objednává obří studii vlastních vojáků. Od návrhu mušket přes dávky po uniformy.
No a až se budete dívat na velikost trička S, M a L, tak vězte, že tohle značení vzniklo právě tehdy. Tak za to poděkujte Quetelemu a Lincolnovi.
Návrh stíhačky
V roce 1926 navrhují v USA na základě měření stovek pilotů ideální pilotní kabinu. Velikost sedadla, vzdálenost kontrolek, tvar kniplu a dokonce i velikost helmy – vše bylo spočítáno a navrženo na základě průměru.
Armáda vybírala piloty, kteří splňovali tento průměr. No a pak přišla Druhá světová válka. Byla to první válka, kde šlo o to, kdo ovládne vzdušný prostor. A kvůli tomu Amerika potřebovala rychle stovky nových pilotů.
Bohužel se ukázalo, že jim piloti umírají už při výcviku a zvyšuje se i úmrtnost v boji. Tak to sváděli na piloty a novou technologii, než jim došlo, že by to mohlo být kokpitem.
V 50. letech udělali nové měření vojáků. Na starosti to měl diblík Gilbert S. Daniels, který na různých leteckých základnách měřil 147 parametrů těla.
A uvědomil si tu dramatickou rozdílnost každého pilota. Tak ho napadlo se podívat, kolik pilotů reálně odpovídá průměru. Vzal si 10 nejdůležitějších parametrů, jako je šířka ramen, délka paží atd.
A tipněte si. Kolik pilotů ze 4 063 odpovídalo průměru? Ne fakt, já počkám. Máte to v hlavě?
Ani jeden.
A pokud si vzal jen 3 nejdůležitější vlastnosti, tak průměru odpovídalo méně než 5 % pilotů. A v té chvíli mu došlo, že průměrná kabina nevyhovuje nikomu.
Ergonomie
Armáda se chytla za hlavu a od té chvíle bylo všechno přizpůsobitelné, od pedálů po helmy. A úmrtnost se výrazně zmenšila.
A tak díky Druhé světové válce máme polohovatelná sedadla v autě a celé odvětví zvané Ergonomie.
Vtipné ale je to, že většina současných doporučení je odvozená právě to měření vojáků – a tím pádem se to dost rozchází ve dvou ukazatelích:
- váze
- a obvodu břicha (zdravím LP).
Váš web není one-size-fits-all
A proč vám to celé povídám? Protože váš (i můj) web je teď ve stejné fázi, jako pilotní kabina za války. Ukazujeme všem jen jednu variantu.
Kterou jednou za dva tři roky změníme, občas k lepšímu.
Dvě věci, které udělají váš web ergonomičtější:
- A/B testování, kterým zvýšíte počet variant. Ale pořád budete ukazovat jednu variantu všem. V tuhle chvíli volte Google Optimize.
- Personalizace, kterou ukážete každému uživateli pro něj optimální variantu. Já docela vážně uvažuji o kombinaci Drip a RightMessage.
Personalizace
Netflix (filmy a seriály on-line) díky personalizaci vydělává odhadem miliardu dolarů ročně.
Zjistili, že typický uživatel (sic!) ztrácí zájem po 60-90 sekundách a prohlédnutí cca 2 obrazovek s náhledy filmů. Přesto si 80 % uživatelů nějaký film v tomto vybere.
To je sice hezký příklad, ale už vás slyším říkat: „Ondro, tvl.“
Jak začít s personalizací na vašem webu? Malými krůčky.
- Definici KPI – co zlepšit a jak to změřit.
- Analýza stávajícího stavu – kde jsou problémy a potenciál růstu.
- Tvorba segmentů – do jakých skupin budeme uživatele dělit.
- Co těm skupinám budeme ukazovat odlišně.
- Jak to budeme měřit a vyhodnocovat.
Segmenty
Základem je vědět o uživatelích co nejvíc. Což jde trochu proti GDPR, ale to lze vyřešit podmínkami.
Možné segmenty uživatelů:
- přihlášený vs. nepřihlášený
- muži vs ženy (ideální u módy)
- podle marketingové kampaně (zopakovat sdělení v reklamě – tzv. message match)
- podle lokality (můžu ukázat fotky z daného státu nebo města nebo ubezpečit uživatele, že k němu doručujeme)
- nový vs. vracející se uživatel (u nového budu víc tlačit firmu a důvěru, u vracejícího předchozí navštívené sekce, zapomenutý košík atp.)
- algoritmické segmenty (tohle už je vyšší dívčí – umělá inteligence, predikce atp.)
Před pár lety jsem předělával web společnosti Sphere, což jsou slevové karty. A dělali jsme verzi homepage pro nové a pro vracející se návštěvníky.
U nových uživatelů jsme hodně představovali firmu a výhody karty. U vracejících jsme ukazovali lokalizovanou mapu se slevami.
Žádná velká věda, i podprůměrný programátor vám je schopen odlišit nového a opakovaného zákazníka. Jen si dejte pozor, abyste to pak správně vyhodnocovali v Google Analytics.
Těch možností je ale samozřejmě víc. Třeba pro e-shopy mě napadá:
- Bannery, slevy a popupy (uživatel s Heuréky bude citlivější na cenu například).
- Doporučené produkty (ostatní zákazníci též kupují / zajímá …). A to jak na webu tak e-mailem.
- Opuštěný košík (přidal do košíku a nenakoupil).
- E-mailové drip kampaně s podmínkami typu otevřel, navštívil web, udělal akci – takový rozhodovací strom.
- Retargeting – neudělal požadovanou akci na webu, ukážu mu jinde reklamu – ale nepřežeňte to.
- Historie objednávek a frekvence nakupování – pokud vím, že uživatel navštěvuje určité kategorie a nakupuje pravidelně, tak je relativně jednoduché mu vyjít vstříc.
Firmy, které válí v personalizaci určitě znáte. Youtube, Facebook, Amazon, Netflix, AirBnB, Booking, Spotify. Představte si třeba Facebook, který by byl pro všechny stejný. Nemyslitelné.
Rizika personalizace
No hlavní riziko je, že to prostě přeženete. To, že o někom víte kde je, jaké navštívil předchozí weby a kdy byl na dovolené, ještě neznamená, že mu to musíte říct.
Protože existuje taková personalizační osa:
Otravné – Úžasné – Strašidelné
Vy potřebujete být veprostřed. Udělat personalizaci tak, aby byla pro lidi užitečná a usnadňovala jim život, ale ne tak, aby z toho začali vyšilovat, že o nich znáte i to, jakým papírem si utírají zadek.
Výhody personalizace
Firma Optimizely udělala 27 různých verzí své homepage. A šli na to chytře, protože podle IP adresy cílili na potenciální zákazníky jako byl Adidas, Adobe, Microsoft nebo Target.
A zdvojnásobili tím konverzi.
Závěr
Kolik verzí svého webu ukazujte návštěvníkům? Nestálo by za to zkusit web přizpůsobit jednotlivým (skupinám) uživatelů?
Zvolte si jeden segment a udělejte jednu změnu. A postupně přidávejte.
Hezky o tom mluví ve svém podcastu Brennan Dunn.
Zdroje:
https://plat4m.com/blog/7-examples-of-personalization-and-customization-for-better-ux
https://www.nngroup.com/articles/customization-personalization/
https://conversionxl.com/blog/personalization/
https://conversionxl.com/blog/non-creepy-personalization/
https://moz.com/blog/homepage-personalization
Smysluplná debata