VWO Logo
Solicitar demo
Panel
Síganos y manténgase al día en temas CRO.

¿Cómo funciona la personalización de Amazon y Netflix?

9 min. de lectura

En los últimos años, la personalización ha dado pasos concretos para salir del «bombo publicitario» y ha encontrado su vocación en los despliegues de marketing B2B y B2C con el mismo vigor. Incluso tú, querido lector, has formado parte inadvertidamente de experimentos de personalización cada vez que te conectas a Netflix para darte un atracón de esa serie web para la que por fin has encontrado tiempo. Entonces, ¿cómo emular sus modelos de recomendación personalizada a escala? Este artículo intenta descifrar cómo dos de los mayores gigantes de Internet, Netflix y Amazon, enfocan la personalización desde el punto de vista de los ingresos.

Descargar gratis: Guía de personalización de sitios web

The Universe of Personalized Recommendations

La fórmula secreta de Netflix para personalizar la experiencia del cliente

Todo lo que hace Netflix está impulsado por datos y potenciado por algoritmos inteligentes de IA. La empresa siempre está pensando y probando ideas para asegurarse de que todo lo que se difunde en su plataforma coincide exactamente con los procesos de pensamiento de sus usuarios. Y sus esfuerzos son bastante evidentes. 

Entendamos cómo su mecanismo de personalización está haciendo maravillas para Netflix y qué podemos aprender del gigante del streaming de vídeo online.

1. El uso de tests A/B

Nadie entiende mejor la técnica de los tests A/B que Netflix. Según Todd Yellin, Vicepresidente de Producto de Netflix, la empresa realiza unos 250 tests A/B al año. Cada una de estas pruebas presenta dos versiones diferentes de experiencias a los usuarios para ver cómo reaccionan y responden a los cambios sugeridos. De media, Netflix elige a unos 100.000 usuarios para probar sus hipótesis. Una de las razones por las que no hay dos personas que tengan la misma experiencia en su plataforma.

Siguiendo aquí un enfoque empírico, Netflix se asegura de que todo lo que se muestra en la plataforma (contenido, imágenes y vídeos) se basa en datos reales recogidos de los tests A/B que realiza y no en la opinión de una persona. 

Las tarjetas de aterrizaje de Netflix son un ejemplo perfecto para citar aquí. Las tarjetas de aterrizaje suelen ser imágenes o teasers de vídeo visibles para un usuario que navega por la categoría de recomendaciones de Netflix. Ahora bien, ¿cómo pueden marcar la diferencia estas tarjetas? El concepto es bastante sencillo. Tanto las imágenes como los vídeos tienen un mayor impacto en la mente de los clientes que el contenido (es decir, las palabras) redactado a su alrededor. Es más probable que la gente vea un vídeo si se le muestran imágenes o teasers atractivos y convincentes.

Los tests A/B de estas tarjetas de aterrizaje permiten a la plataforma comprender la psicología de sus clientes, utilizando además los datos recopilados para personalizar su experiencia de la forma más eficaz posible. 

Netflix Content Recommendation
Fuente de la imagen: Netflix TechBlog

2. El uso de la IA para potenciar el motor de recomendación

Al igual que Amazon, Netflix también apuesta mucho por utilizar la IA y el aprendizaje automático para potenciar sus motores de recomendación. La empresa utiliza los datos de visionado de los clientes, el historial de búsquedas, los datos de valoración, así como la hora, la fecha y el tipo de dispositivo que utiliza un usuario para predecir lo que se le debe recomendar. Las estadísticas muestran que Netflix utilizó en 2014 76.897 «géneros alternativos» o formas únicas de determinar el tipo de películas y programas que debe recomendar a cada uno de sus usuarios, no sólo para personalizar su experiencia, sino también para hacer que vuelvan a por más.  

Además, la empresa también utiliza los datos de los clientes para crear páginas de inicio únicas para cada uno de sus usuarios. Muestra el contenido que cree que mejor se ajusta a los intereses de sus usuarios, además de mejorar su experiencia general con la plataforma.

Netflix Personalized View
Fuente de la imagen: Página principal de Netflix

El quid de la cuestión: las recomendaciones sólidas basadas en la IA y el aprendizaje automático no sólo te permiten ofrecer a tus usuarios una experiencia personalizada que les encantará, sino también reducir significativamente tu tasa de bajas.

3. El uso del contenido adecuado en el momento adecuado

Dejando a un lado los algoritmos para alimentar las recomendaciones, el contenido tiene la capacidad de hacer o deshacer la experiencia general y la relación de un usuario con tu plataforma. Y Netflix lo entiende muy bien.

El gigante del streaming de vídeo en línea utiliza el contenido para trazar el éxito o fracaso de sus recomendaciones en función de lo que gusten o no a los usuarios. Por ejemplo, si a un usuario le gusta mucho ver películas de terror como El ritual, La niñera o Apóstol, Netflix le recomendaría películas similares para mantenerlo enganchado a su plataforma. No puede recomendar directamente películas de comedia que, viendo los datos de navegación del usuario, parecen una sugerencia muy vaga.

screenshot of the home page for Netflix
Fuente de la imagen: Página principal de Netflix

Además de esto, Netflix también utiliza el tiempo como una variable importante para recomendar programas a sus clientes. Es decir, la plataforma te sugerirá programas más cortos o aquellos que estés a medio ver cuando te conectes tarde por la noche, en lugar de recomendarte programas de mayor duración.

Lo que entendemos aquí es que mostrar el contenido adecuado en el momento adecuado no sólo puede ayudar a aumentar la participación de los clientes en tu plataforma, sino también a mejorar significativamente la experiencia del usuario.

Descargar gratis: Guía de personalización de sitios web

Sistema integral de recomendación de productos de Amazon

El viaje de transformación de Amazon comenzó en 2010, cuando empezó a recomendar productos a sus clientes a través de su widget «Clientes que compraron». Esto les dio un gran salto entonces y sigue haciendo maravillas para el gigante del comercio electrónico. Según la empresa, casi el 35% de sus ventas proceden de estas recomendaciones personalizadas, ¡incluso hoy! Y es probable que casi el 56% de ellas se conviertan también en compradores habituales.  

Su intento de personalizar la experiencia de compra del cliente no se ha quedado ahí. Amazon ha realizado notables avances en personalización en los dos últimos años con la ayuda de la inteligencia artificial, el aprendizaje automático y el análisis predictivo.

Esto es lo que hay que aprender de los esfuerzos de personalización de Amazon.

1. El uso de la IA y las técnicas de aprendizaje profundo

Accede a tu cuenta de Amazon y verás que la plataforma siempre tiene algo nuevo que recomendarte, que, estés de acuerdo o no, coincide perfectamente con tus intereses. ¿Cómo lo hace? La respuesta es ¡aprendizaje profundo!

El aprendizaje profundo, una rama ampliada de la IA y el aprendizaje automático, utiliza algoritmos para comprender de forma natural el comportamiento humano y ofrecer resultados en consecuencia. En el contexto de Amazon, el aprendizaje profundo ayuda a la plataforma a analizar qué producto(s) es probable que un cliente compre a continuación, recomendándoselo además mientras esté en el sitio o cuando vuelva a iniciar sesión. En este caso, la tecnología tiene en cuenta los productos y las páginas de productos que un cliente ha visto, comprado, valorado y reseñado.

2. El uso de la analogía de la recomendación de productos

Una cosa que nos enseña la empresa (y que se desprende de las estadísticas antes mencionadas) es que las recomendaciones tienen la capacidad de disparar las ventas.

La incorporación de un sofisticado motor de recomendación basado en IA permite a Amazon aprovechar el «descubrimiento», mostrando a los usuarios los artículos que tienen más probabilidades de comprar (basándose en sus datos de comportamiento en el sitio web) y también arrojando luz sobre artículos que probablemente no descubrirían por sí mismos. La personalización del sitio web desempeña aquí un papel crucial.

personalized dress recommendations on Amazon
Fuente de la imagen: Amazon

3. El uso del enfoque «talla única – no sirve para todos».

Otra cosa que hay que aprender de Amazon es su capacidad única para mimar a cada uno de sus clientes a nivel personal. Esto significa que, cada vez que un cliente entra en el sitio del gigante del comercio electrónico, es recibido con una página de inicio que parece diseñada especialmente para él. Estos cambios no se producen una sola vez, sino todos los días y se basan en el comportamiento en tiempo real del cliente en la plataforma. De este modo, Amazon ofrece constantemente una experiencia personalizada con artículos relevantes y recomendados que hacen que los usuarios vuelvan a por más.

homepage for Amazon
Fuente de la imagen: Amazon

Amazon no sólo ha cambiado la forma de comprar de los clientes, sino que les ha mimado con una experiencia distintiva y personalizada. Es bastante evidente por el hecho de que el 57% de los clientes afirman que Amazon les ofrece más información, características y calidad de los productos, lo que mejora su experiencia de compra en general. 

¿Te sientes inspirado? Mira el Webinar para aprender a alimentar los datos de los clientes para la personalización.

Webinar VWO hacia la personalización

El hambre de evolucionar

Con más de mil empresas compitiendo en el mercado online, una cosa que hace de Amazon y Netflix las empresas en las que inspirarse es su hambre constante de evolucionar. Desde la segmentación por comportamiento hasta el aprendizaje profundo, pasando por la personalización de contenidos y la optimización de la tasa de conversión, no hay nada que los dos gigantes no hayan explorado y utilizado en su beneficio. Aprender de su experiencia y de la forma en que han profundizado en el concepto de personalización puede ayudarte a crecer exponencialmente y a hacerte un hueco en el mercado actual, impulsado por los clientes. Haz una prueba gratuita de VWO Personalize o solicita una demostración a nuestros expertos en productos para comprender cómo VWO puede ayudarte con lo mismo.

Lea Marks
Lea Marks Creadora de contenido multilingüe con cierta afición por las historias que unen a las personas, sin importar lo lejos que estén en un mapa. Como hablante nativa de español, alemán, inglés y catalán, tengo un gran interés por la lingüística y la traducción creativa. Cuando no estoy escribiendo, puedes encontrarme leyendo, viajando y ocasionalmente llevando una historia de la página al escenario.
Share
Contenido relacionado

Escala tus tests y experimentación A/B con VWO.

Iniciar prueba gratuita Solicitar demo