市場細分，個性化始於細分。好的市場份額在技術上可識別（例如，透過智慧財產權）、同質化，並且在商業角度相關。細分市場的優秀例子，在 B2B 設定活動部門，或按婚姻狀況或原籍國對客戶進行細分。根據客戶在銷售漏斗中的位置來細分客戶也很常見。定義細分市場時，應該窄到需要不同的經驗，但又大到足以證明這種問題。叢集是在資料上使用的技術，以確定將為其設計進一步體驗的細分市場。推薦閱讀：《利用網站現有內容開展站群 SEO 的三種方法》
抵制誘惑，不要把許多特徵和過濾器放進去，以至於創造很難保持跟蹤的零散景觀。那麼透過資料科學來提升網站個性化有模式嗎？
每個細分市場都有其自己的價值觀，這些價值觀定義了與網站互動的行為和方式。好訊息是，個性化主要基於模式和重複的行動，因此一旦你瞭解了一個群體，就很容易預測其需求、慾望和喜好。始終測試假設並對網站進行相應的修改，千萬不要把直覺作為主要的決策手段。這是因為，歸根結底，目標是將這個過程完全自動化。
建立可定製的網站
一旦有了這些細分市場，需要將它們彙集到擁有不同特色的統一框架中。要做到這一點，設計需要作為容器來佈置，以便為每個部分填充適當的內容。佔位符的填充方式可以像傳統程式設計那樣基於規則（if-then-else 迴圈），也可以由機器學習驅動，或者最可能的是代表兩者的結合。
雖然基於規則的個性化對於主頁或與網站的最初互動是理想的，但隨著多使用者在網站上的行為多樣化，跟蹤其動作變得過於複雜，而深度學習必須取代決策規則。推薦閱讀：《當前時代網站面臨的挑戰有哪些該怎麼克服》
使用機器學習提供了另一個優勢：隨著知識庫或報價的增長，你只需將分類標記到位並正確完成，就可以依靠這個來獲得好的推薦。
將此邏輯應用於網站的任何部分：顯示與每個細分市場相關的 FAQ，從部落格站群檔案中提取那些可以使客戶在網站上多停留一段時間。
瞭解資料的意義
實際的實施和挑戰是什麼？收集、儲存、清理和保護資料所帶來的問題足夠多，需要充分處理。
透過資料科學提升網站的個性化
收集資料
並非所有的資料都有價值，也不是所有的資料都能為公司的問題提供答案。收集資料時一定要建立一個策略。考慮到受眾可能包括數以百萬計的訪問者，收集到的每條資訊都應該有明確的目的，否則只是在浪費儲存空間和計算能力。資料科學顧問建議對收集的資料進行預處理，特別是在處理從社交媒體中檢索的資訊時。這有助於加快分析過程，並減少儲存的必要性。大多數自由形式的資料包含大量的噪音，在使用前需要將其過濾掉。
首次訪客
為了使首次訪問的多使用者體驗個性化，最好的方法是檢索第三方資料並建立一個檔案，動態地改變網站的外觀和行為，以匹配相關細分市場。這通常透過 IP 和儲存在訪問者瀏覽器中的 cookies 來完成。在客人選擇不透露任何資訊的情況下，始終要有一個通用、表現最好的網站。提醒多使用者，如果他們決定不那麼保密，甚至建立賬戶，他們可以收集到的好處。
回訪者
一旦建立了最初的關係，最大限度地利用以前收集的所有資訊來定製體驗。融入每一個元素，不要變得令人毛骨悚然，始終讓人感到愉快和歡迎。
安全問題
安全、資料隱私和個人資料的保護仍然是需要解決的重要問題。一些人提出的解決方案，即對所有通訊進行端對端加密，成本很高，幾乎不可行，而且可能更危險，因為它有助於掩蓋恐怖主義行為。折中的方案最合理。
消除多營銷站群中的邊界？
越來越多的個性化導致了意外的邊界消解現象。 B2C 的規則正在進入 B2B 環境，並幫助公司創造更相關的體驗，因為，即使你在解決公司的需求，員工仍然是在情感層面上做出反應的多使用者。
另外，資料科學正在幫助公司透過全渠道的方式消除邊界，創造跨裝置的無縫轉移，甚至延伸到離線方式。這裡最重要的教訓是，一刀切的時代早已過去。以上就是透過資料科學來提升網站個性化的方法。推薦閱讀：《搭建論壇網站要用到什麼樣的站群伺服器？》
