Cara meningkatkan keterlibatan situs web dengan rekomendasi konten

Setiap penyedia konten menginginkan lebih banyak keterlibatan dengan konten online mereka. Rekomendasi konten yang efektif adalah salah satu cara untuk mencapainya. tetapi tidak ada pendekatan satu ukuran untuk semua.

Berikut cara mengembangkan strategi rekomendasi terbaik untuk situs, konten, dan audiens Anda. Sebagian besar mesin rekomendasi konten siap pakai tidak memiliki semua kemampuan yang dibahas di sini, tetapi mengetahui apa yang mungkin akan membantu Anda menemukan solusi terbaik untuk bisnis Anda.

Apa itu rekomendasi konten?

Sistem rekomendasi konten menyarankan konten tambahan kepada pengunjung berdasarkan apa yang mungkin mereka minati. Misalnya:

• YouTube dan Netflix menggunakan rekomendasi konten untuk menyarankan video dan acara TV tambahan kepada penggunanya berdasarkan riwayat tontonan mereka.
• Spotify menemukan pola selera musik dan merekomendasikan lagu serupa.
• Putri saya berkata bahwa TikTok sangat bagus dalam menemukan konten yang relevan untuknya.

Sasaran dalam semua kasus ini adalah untuk membuat pengunjung tetap terlibat dengan konten menarik lainnya di platform Anda. Tapi ini menimbulkan dua pertanyaan kritis:

• Bagaimana sistem tahu apa yang harus direkomendasikan?
• Apa konteks rekomendasinya?

Cara kerja rekomendasi konten

Rekomendasi konten bergantung pada analisis data untuk secara akurat memprediksi konten apa yang kemungkinan besar akan digunakan oleh pengguna. Secara umum, ini mengumpulkan data tentang perilaku pengguna, seperti halaman apa yang mereka kunjungi, apa yang mereka klik, dan berapa banyak waktu yang mereka habiskan di setiap halaman. Itu kemudian dapat menghasilkan berbagai jenis rekomendasi, termasuk:

• Artikel populer di situs sekarang.
• Artikel populer dalam kategori tertentu.
• Artikel populer oleh penulis tertentu.
• Artikel dibaca oleh pengunjung yang membaca artikel saat ini.
• Artikel yang telah dibaca oleh pengunjung dengan riwayat penjelajahan serupa.
• Artikel populer untuk orang dengan jabatan tertentu.
• Artikel dibaca oleh orang-orang yang seperti pembaca.
• Artikel yang dibaca oleh orang-orang di wilayah geografis tertentu.

Setiap opsi mungkin memiliki penggunaan yang berbeda untuk berbagai konten atau pada area berbeda di situs web Anda. Anda akan melihat bahwa beberapa di antaranya (seperti “paling populer di situs saat ini”) mengandalkan analitik sederhana, sementara yang lain (“orang-orang seperti Anda menyukai artikel ini”) didasarkan pada pemodelan yang mirip.

Drive-by vs pelanggan tetap

Jika situs Anda seperti kebanyakan, banyak pengunjung membaca satu artikel dan kemudian pergi. Mendapatkan beberapa dari "drive-bys" untuk tinggal satu tampilan halaman lagi dapat membuat perbedaan besar dalam lalu lintas situs Anda. Rekomendasi konten yang baik adalah salah satu cara untuk mengatasi masalah tersebut.

Masalahnya adalah Anda tidak tahu banyak tentang drive-by. Mereka tidak memiliki riwayat di situs Anda, jadi lebih sulit untuk melakukan pemodelan yang mirip. Tetapi ada beberapa opsi.

• Anda dapat menggunakan cookie/data audiens pihak ketiga selama masih tersedia.
• Anda dapat menggunakan data dari header HTTP, seperti geolokasi atau perujuk.
• Anda dapat mengandalkan statistik situs umum dari pembaca Anda yang lain.

Anda memiliki lebih banyak pilihan dengan pengunjung reguler Anda. Selain semua yang dapat Anda lakukan dengan drive-by, Anda dapat membuat prediksi berdasarkan riwayat penelusuran uniknya, misalnya:

• Tampilkan konten yang serupa dengan konten yang telah mereka lihat (dalam kategori yang sama, oleh penulis yang sama, dengan tag atau kata kunci yang sama, dll.)
• Bandingkan riwayat penjelajahan mereka dengan riwayat penjelajahan serupa dan tampilkan artikel paling populer di antara grup yang lebih besar itu.
• Jika Anda memiliki data demografis pada pelanggan tetap Anda (yaitu, jabatan), Anda dapat menampilkan artikel paling populer untuk orang-orang dengan jabatan tersebut.

Beberapa audiens

Banyak situs memiliki dua atau lebih audiens yang berbeda: pengguna gratis vs. pengguna berbayar, atau prospek B2B vs. B2C. Jika demikian halnya dengan situs Anda, memisahkannya akan memastikan Anda membuat rekomendasi konten yang paling relevan.

Inilah alasannya. Pertimbangkan situs tentang pengobatan dengan konten untuk konsumen dan dokter. Anda ingin memisahkan statistik tersebut untuk merekomendasikan konten dokter untuk dokter dan konten konsumen untuk konsumen.

Bagaimana mengklasifikasikan konten

Keajaiban di balik rekomendasi konten bergantung pada pengelompokan konten agar sesuai dengan tujuan Anda dan pembaca. Konten dapat diklasifikasikan dalam beberapa cara berbeda, seperti:

• Kata-kata dalam judul.
• Kata kunci atau tag.
• Kepadatan kata dalam artikel.
• Kategori.
• Pengarang.
• Artikel panjang vs pendek.

Cara konten diklasifikasikan dapat memengaruhi kasus penggunaan Anda. Misalnya, jika situs Anda memiliki artikel dan kutipan yang panjang, Anda mungkin tidak ingin merekomendasikan artikel panjang kepada orang yang lebih suka membaca kutipan.

Jenis algoritma rekomendasi konten

Ada berbagai jenis algoritme rekomendasi konten berbasis AI yang dapat Anda gunakan untuk meningkatkan situs web Anda. Berikut adalah beberapa yang paling umum.

Pemfilteran kolaboratif merekomendasikan konten berdasarkan perilaku dan preferensi pengguna serupa. Ini menganalisis perilaku historis pengguna dan merekomendasikan konten yang berinteraksi dengan pengguna dengan preferensi serupa.

Pemfilteran berbasis konten merekomendasikan konten yang mirip dengan konten yang dikonsumsi pengguna sebelumnya. Ini menganalisis konten halaman yang sedang dilihat pengguna dan merekomendasikan konten serupa berdasarkan kata kunci, tag, dan informasi relevan lainnya.

Rekomendasi hibrid menggabungkan pemfilteran kolaboratif dan pemfilteran berbasis konten untuk memberikan rekomendasi yang lebih akurat dan beragam. Itu mempertimbangkan preferensi pengguna dan karakteristik konten yang dilihat untuk membuat rekomendasi yang lebih baik.

Pemfilteran berbasis popularitas merekomendasikan konten berdasarkan popularitas konten. Ini merekomendasikan konten paling populer yang dilihat, dibagikan, atau berinteraksi dengan banyak pengguna. Menggabungkan pemfilteran berbasis popularitas dengan jenis lain – misalnya, konten ini paling populer di antara orang-orang dengan jabatan ini – adalah alat yang sangat ampuh.

Pemfilteran berbasis pengetahuan merekomendasikan konten berdasarkan profil dan preferensi pengguna. Itu bergantung pada data pengguna dan umpan balik untuk memberikan rekomendasi yang sesuai dengan minat pengguna, seperti pembelian, peringkat, dan ulasan sebelumnya.

Pembelajaran penguatan merekomendasikan konten berdasarkan tindakan dan umpan balik pengguna. Itu belajar dari interaksi pengguna dan umpan balik untuk meningkatkan rekomendasinya dari waktu ke waktu.

Gali lebih dalam: ROI mesin rekomendasi untuk pemasaran

Memilih mesin rekomendasi konten

Seperti disebutkan di atas, tidak mungkin vendor mana pun dapat menyediakan semua opsi ini. Pikirkan tentang bagaimana Anda ingin menyebarkan rekomendasi konten di situs Anda, mengingat audiens Anda, konten Anda, dan berbagai opsi yang memungkinkan dan putuskan metode mana yang paling mungkin berhasil untuk situasi unik Anda. Bawa daftar itu ke vendor potensial dan coba temukan yang paling cocok.

Pastikan untuk mengutamakan pembaca

Salah satu tantangan dalam membuat strategi rekomendasi konten yang sukses adalah memastikan Anda mengutamakan tujuan pembaca. Terlalu mudah untuk terjebak dalam pemikiran tentang apa yang Anda ingin pembaca lakukan untuk mempromosikan model bisnis Anda.

Alih-alih, tempatkan diri Anda pada posisi pembaca dan rancang strategi rekomendasi konten Anda seputar apa yang akan membantu pembaca menemukan konten yang ingin mereka temukan. Itu akan menjadi yang terbaik untuk bisnis Anda dalam jangka panjang. Mengatasi kebutuhan pembaca akan meningkatkan keterlibatan, yang merupakan tujuan utama.