Вместо вступления: Товар должен соответствовать трем параметрам что бы его купили Соответствие потребностям Соответствие представлениям Личностное отождествление 1. Принятие решений происходит по принципу, удовлетворяется выгода человека или не удовлетворяется. 2. Оценивается общий комфорт использования продукта. Эргономичность, удобство, долговечность и пр… 3. Оценивается возможность индивидуализации продукта и объединение товара и личности покупателя. Цвет, настройки, функционал, активация через личный пароль и пр

Как интегрировать цифровые медиа и технологии для увеличения доли онлайн маркетинга

Мне повезло, что я наблюдал за некоторыми из удивительных серьезных изменений в цифровом маркетинге и технологиях за последние 15 или 20 лет. Я уверен, вам понравится жить и действовать в этих изменениях тоже. Оглядываясь назад, мы увидели феноменальный рост важности органического, затем платного поиска, а затем социальных сетей и, в последнее время, невероятного мирового роста в мобайле и, в частности, использовании смартфонов.

Заглядывая в будущее, в этой статье я собираюсь рассмотреть 10 новых тенденций, которые основаны на моем опыте консалтинга и обучения, актуальны для маркетологов различного калибра по всему миру. Во-первых, мне интересно узнать, что, по вашему мнению, будет важно для вас и вашего бизнеса в 2018 году.

Какая маркетинговая тенденция будет наиболее важна для вас и вашего бизнеса в 2018 году?

Мы задавали этот вопрос в течение последних нескольких лет, и было действительно интересно посмотреть, что определяет ваш «цифровой мир», так как есть общие темы среди трех лучших, а некоторые виды деятельности на удивление низко популярны. Вопрос, который мы задавали, касался самых важных коммерческих тенденций. У нас было около 850 голосов от маркетологов в разных видах бизнеса со всего мира. Спасибо, что вы проголосовали! Вот что вышло:

Есть четкие три лучших метода, каждый взял более 10%, но с длинным хвостом многих других методов, показывающих потенциал для оптимизации различных областей цифрового маркетинга. Давайте посмотрим на тройку лидеров …

Неудивительно, что контент-маркетинг — «царь горы», а также он был в первой тройке за все предыдущие года, в которые мы проводили этот опрос. Мы рассматриваем контент-маркетинг как «топливо», которое вовлекает во все цифровые коммуникации — от поиска до социального маркетинга, электронной почты и веб-сайтов.

Больше удивляет то, что Big Data находится на второй позиции. Я думаю, это связано с тем, что маркетологи знают о возможности использования данных в качестве того, что мы называем «действенным пониманием». Чтобы помочь решить, какой методике отдать предпочтение, мы расширили определение понятия «Биг Дата», включив аналитику и прогноз, оно показывает ценность конкретных методов маркетинга для больших данных, и это объясняет, почему это занимает второе место.

В третьей позиции — искусственный интеллект и машинное обучение. Мы добавили его в опрос в этом году и он уже прямо на третьем месте! Приятно видеть интерес к этим методам, которые мы много освещали в блоге и в наших ресурсах в минувшем году. В тренде номер 8 мы показываем, как различные методы ИИ могут быть сопоставлены с общей ценностью клиента.

Вот полный список методов цифрового маркетинга:

• Большие данные (включая анализ рынка, клиентов и интеллектуальную аналитику)
• Сообщества по маркетингу контента (фирменная ниша или вертикальные сообщества)
• Оптимизация скорости конверсии (CRO) / улучшение веб-сайта
• Дисплей (баннеры у издателей, рекламные сети, в том числе в соцсетях, включая ретаргетинг и программные инструменты)
• Маркетинг-приложения Интернета Вещей (IoT)
• Маркетинговая автоматизация (включая CRM, поведенческий маркетинг электронной почты и веб-персонализацию)
• Мобильный маркетинг (мобильная реклама, разработка сайтов и приложений)
• Платный поисковый маркетинг. Например: Google AdWords
• Онлайн-PR (в том числе кампании от лидеров мнений)
• Партнерства, включая партнерские программы и ко-маркетинг
• Поисковая оптимизация (SEO или органический поиск)
• Маркетинг в социальных сетях, включая социальный CRM и социальный клиент
• Носимые гаджеты (например, Apple Watch, отслеживающие активность, дополненная реальность)

Ни одна из этих топовых маркетинговых технологий не является особенно новой, поэтому их сложно описать как новые тенденции или инновации. Тем не менее, такие технологии, как «Большие данные» и аналитика, «Контент Маркетинг» и «Маркетинговая автоматизация электронной почты », продолжают возрастать по значимости и будут использоваться многими компаниями.

Поэтому в моем взгляде на тенденции в этом году я буду рассматривать интеграцию как тему. В наших исследованиях по управлению цифровым маркетингом только 6% компаний считают, что их интеграционный процесс полностью оптимизирован, но многие активно работают над интеграцией.

Интегрированные маркетинговые коммуникации или IMC — это не одна из тех концепций, о которой часто пишут в блогах или в социальных сетях, так как она на слуху, и все в восторге от последних незначительных нововведений — например, на момент написания мы слышим везде об Animojis в iPhone X. Весело, но они не помогут предоставить наиболее актуальное сообщение и предложение для человека, такое как IMC.

Итак, давайте посмотрим на 10 тенденций

Вы заметите, что во многих этих предсказаниях я расскажу об искусственном интеллекте и механическом обучении. Это то, что я считаю самой большой тенденцией к рассмотрению в предстоящем году. В 2017 году вокруг него было много шумихи, и мы начинаем понимать возможности. В 2018 году станет больше решений и внедрений.

Тренд 1. Интеграция маркетинговой деятельности в жизненный цикл клиента

Учитывая то, как увеличилась сложность маркетинга и цифрового маркетинга, такие методы, как карта перемещений клиентов для разных лиц, приобретают все большее значение, чтобы помочь определить наиболее релевантные коммуникации и опыт для разных точек соприкосновения в перемещениях клиентов.

Как повысить эффективность цифрового маркетинга? — подумать с точки зрения клиентов о возможностях общения, доступных через жизненный цикл клиента для разных видов бизнеса.

Мы определяем маркетинг жизненного цикла как:

Создание управляемой коммуникационной или контактной стратегии для определения приоритетов и интеграции полного спектра маркетинговых коммуникационных каналов и опыта для поддержки потенциальных клиентов и клиентов на их пути к покупке с использованием таких методов, как убедительная персонализированная передача сообщений и повторный таргетинг.

Мы разработали этот смарт-инструмент, чтобы помочь коллегам продумать все потенциальные сенсорные точки через платные, собственные или нанятые медиаканалы. Затем вы можете выполнить «анализ пробелов» в использовании и эффективности коммуникаций с жизненным циклом, которые вы используете, против тех, которые вы могли бы использовать, чтобы повысить релевантность и реакцию на сообщения.

Тренд 2. Интеграция персонализации в карту перемещений пользователя и опыт работы с клиентами
Чтобы повысить релевантность и реакцию коммуникаций, персонализация веб-сайта широко используется в транзакционных секторах электронной коммерции, таких как торговля, путешествия и финансовые услуги в течение длительного времени.

Совсем недавно более дешевые варианты стали доступны с различными типами решений. Существует множество форм персонализации веб-сайтов, которые отличаются от тех, которые интегрированы в системы управления контентом или коммерцией; те, которые интегрированы в аналитические решения или автономные параметры персонализации программного обеспечения как службы (SaaS), которые интегрируются с вашей CMS и аналитикой. Полезным методом для обзора использования персонализации на верхнем уровне является эта пирамида персонализации опыта:

Три уровня, показанные на диаграмме:

1. Оптимизация . Структурированные эксперименты. AB Тестирование или многовариантное тестирование. Google Optimize — пример одной из этих служб, запущенной в 2017 году.
2. Сегментация . Целевые группы посетителей сайта, каждая — со специальным контентом для повышения релевантности и конверсии.
   Для каждого из них все еще требуются отдельные ручные правила и креатив. Таким образом, отдача для этого подхода в конечном итоге уменьшается после достижения максимального устойчивого количества сегментов аудитории.
3. Персонализация 1 к 1. Использование технологии искусственного интеллекта (AI) для предоставления индивидуального опыта каждому клиенту. 1-к-1 использует некоторые из тех же принципов, что и оптимизация и сегментация, но предлагая решение двух самых больших ограничений предыдущих подходов — отсроченные результаты и неспособность к масштабированию — это принципиально иной подход.Таким образом, основной тенденцией в персонализации является увеличение использования искусственного интеллекта, а не ручных правил. Кроме того, мы также можем ожидать, что услуги персонализации веб-сайтов будут использоваться во многих секторах, а не только в транзакционных, в которых он стал популярным.

Тренд 3. Интеграция машинного обучения в автоматизацию маркетинга

Персонализация также может применяться на протяжении всего жизненного цикла в электронной почте. Тем не менее, наши исследования по маркетингу электронной почты показывают, что, несмотря на широкое использование систем электронной почты и автоматизации маркетинга, многим компаниям не удается создать полноценную контактную систему жизненного цикла, как показано на рисунке выше.

Мы оценивали сегментацию и таргетинг писем на основе количества критериев — от ни одного и до динамического контента.

Результаты нашего отчета по маркетингу в государственном секторе шокируют: половина (50%) не использует никакого таргетинга, менее трети (29%) используют базовую сегментацию для таргетинга и менее 15% используют правила сегментации и персонализации для достижения конкретной аудитории в своей базе данных. Это означает, что они могут упустить возможности для автоматических электронных писем с динамическим контентом для приветствия и удержания потенциальных клиентов.

Хотя автоматизация электронного маркетинга является еще одним методом, когда более часто применяется искусственный интеллект и машинное обучение — использование машинного обучения дает возможность автоматизировать как таргетинг, как и для веб-персонализации. Однако персонализация потенциально сложнее, поскольку электронные письма по своей природе имеют более сложный творческий подход. Эти данные говорят мне о том, что многие предприятия не готовы к ИИ и компьютерному обучению в рамках маркетинга электронной почты, и им необходимо сначала внедрить основные функции автоматизации.

Тренд 4. Интеграция приложений социальных сообщений в коммуникацию

Растущее использование приложений для обмена сообщениями — это тенденция, о которой мы упоминали в предыдущих обзорах тенденций. Согласно последним исследованиям Ofcom Communications Market, более половины всей мобильной аудитории использовали Facebook Messenger (61%) и половина — WhatsApp (50%). Оба — принадлежат Facebook. Мобильное приложение Snapchat достигло 28% — 10,1 миллиона уникальных посетителей.

Мы изучали некоторых ранних пользователей маркетинговых приложений для социальных сообщений на Smart Insights. Примеры включают использование Pizza Hut с помощью Messenger для бронирования столов и IKEA для исследований клиентов.

Тренд 5. Интеграция видео в путешествие клиента
Видео также растет в популярности. Эта разбивка популярности Google показывает доминирование YouTube. Мы говорили, что YouTube является второй по величине поисковой системой, но эти данные показывают, что теперь она более популярна, чем Google Search , исходя из количества пользователей за данный месяц (это исследование также из панели comScore через Ofcom):

Этот визуал напоминает нам о возможностях использования видеорекламы в жизненном цикле клиента на YouTube (только один вариант, Google имеет 10 вариантов видеообъявлений), видеообъявления на сайте и ретаргетинг через видео.

Расширенная и виртуальная реальность тесно связаны с привлечением видео, но, хотя мы отслеживали их, в этом году мы видели меньше примеров и тематических исследований. Так что дайте нам знать о каких-либо примерах, если увидите.

Тренд 6. Интеграция маркетинга контента в путешествие клиента с использованием стратегии взаимодействия с клиентами
Видео — это всего лишь один тип контента, хотя и важный. В предыдущих опросах о технике, которая принесет наибольший подъем в будущем, контент-маркетинг был популярен, в верхней части — номер один или два в списке.

Тенденция, которую я вижу здесь, заключается в том, что компании серьезно относятся к рассмотрению контента как стратегического ресурса, что означает разработку стратегии взаимодействия с клиентами с использованием различных средств массовой информации, как показано на диаграммах жизненного цикла выше, и на практическом уровне — разработка контента для разных аудиторий используя методы, такие как Personas и Content Mapping. Наши исследования показывают, что эти ориентированные на клиента методы анализа приобретают все большее значение, что должно быть хорошо для потребителей и бизнеса!

Тренд 7. Интеграция поискового маркетинга в ваши маркетинговые мероприятия
Если мы посмотрим на топовые цифровые каналы продаж, доминирует поисковый маркетинг. Социальные медиа значительно отстают в большинстве секторов, несмотря на постоянную популярность среди потребителей. Теперь мы знаем, что во многих секторах социальные сети могут стать отличным инструментом для привлечения аудитории и улучшения удобства и осведомленности, но, как правило, это не приводит к увеличению объема продаж. Поэтому я не предоставил социальным сетям собственный раздел, хотя его интеграция с другими каналами, такими как веб-сайты, поиск и маркетинг по электронной почте, остается актуальной. (См. наш обзор SMW London о последних тенденциях в социальных сетях.)

Тем не менее, в рамках поискового маркетинга сегодня относительно мало инноваций, о которых мы слышим по сравнению с прошлым. Глядя на органический поиск, показано, что история изменения алгоритма на Moz не имеет записей после неспецифического обновления Fred в марте, тогда как в предыдущие годы у него было бы 5+ с новыми обновлениями Panda и Penguin. Отчасти это объясняется тем, что Google меньше делится, а Мэтт Каттс больше не занимается евангелизацией, хотя обновления доступны от Джона Мюллера в их Команде Поиска.

В рамках обычного поиска одна тенденция, о которой, я думаю, маркетологи должны знать, — это изменение лица SERPs, как показано в обновлении функций службы Mozcast SERP, в котором показаны типы ссылок в топ 10K ключевых слов, которые они мониторят.

Он показывает важность таких методов, как панели знаний (важные для брендов и местных предприятий); Связанные вопросы; отличные / богатые сниппеты / быстрые ответы и обзоры. Мы обнаружили, что способ, которым они варьируются в топе от 3 до 5 позиции, может существенно повлиять на объем посещений информационных запросов.

В рамках AdWords ссылки на список новых функций Google показывают больше инноваций. Значительная часть из них связана с сообщениями по сравнению с новыми функциями рекламы для мобильных устройств в предыдущие годы. Но есть несколько новых вариантов, например, с помощью ставок расширенного CPC (ECPC) и кампаний Smart Display. Это пример развертывания Google различных типов машинного обучения, включая автоматическое назначение ставок с использованием целевого CPA; Автоматизированный таргетинг, который означает, что ваши объявления все чаще показывают, где вы получите наибольшую выгоду и автоматическое создание объявлений из строительных блоков, которые вы предоставляете, например заголовки, описания, логотипы и изображения.

Тренд 8. Интеграция маркетинговой технологии

Вы могли бы ожидать, что будет наблюдаться тенденция к увеличению использования облаков для маркетинга, но наши исследования показывают, что их широко не применяют.

Как мы уже упоминали в этой статье, машинное обучение и ИИ — одна из самых больших тенденций в этой области.

Тенденция здесь заключается в том, бренды будут нуждаться в инструментах, предлагающих инновационные методы для анализа или автоматизации, и нет возможности отказаться. Наши последние две категории выделяют некоторые из них.

Тренд 9. Интеграция разных источников данных
Эта проблема была подчеркнута для использования недавно в нашей группе Facebook, в которой один из членов спросил о инструментах для интеграции сведений о различных инструментах для рекламных кампаний, например, Facebook, Twitter, объявления LinkedIn и Google AdWords. Rivery.io — это новый вариант, который недавно запущен, и он должен преуспеть. Тенденция здесь — новые интегрированные средства информации, отличные от Google или Adobe, которые могут помочь вам сравнить производительность различных медиа.

Эти услуги удивительно дороги, особенно потому, что они являются дополнительными инструментами анализа. Они не являются инструментом, который напрямую увеличивает количество потенциальных клиентов или продаж для бизнеса. Например, недавно я рекомендовал эту услугу (Funnel.io), которая стоит минимум 200 долларов США в месяц, даже если она используется исключительно для интеграции данных из нескольких источников в Google Таблицы. Очень многого стоит, когда аналитика качественно проверена и действует достаточно точно.

Тренд 10. Интеграция источников цифрового маркетинга
Здесь я говорю конкретно об услугах и ресурсах, которые помогут вам оставаться в курсе последних событий. Мы являемся активными пользователями таких сервисов, так как они помогают нам держать в курсе наших читателей через наш собственный блог, два раза в неделю — через информационные бюллетени и ежемесячно — через «горячую» рубрику.

В недавней статье о том, как держать в курсе событий маркетинговые команды, Марк Келли объясняет, что мы рекомендуем использовать Feedly в качестве способа агрегирования первичных маркетинговых новостей через RSS. Кроме того, я рекомендую взглянуть на Zest, который является расширением Google Chrome, выпущенным в 2017 году, которое я и команда Smart Insights используют, и стоит его проверить.

Его кураторский контент специально разработан и обновлен профессиональными маркетологами. Как и Feedly, вы можете использовать его для просмотра наиболее полезного контента, рекомендованного «толпой», в данном случае «вашего племени» маркетологов. Если же вам нужны русскоязычные ресурсы — просто погуглите по аналогам сервисов и ресурсов, данных в этой статье и я уверен — вы найдете массу полезной информации для себя и своих людей (Прим. пер.).

В заключении. Все это означает — цифровое преобразование

Итак, были 10 трендов, которые показывают, как компании стремятся управлять возможностями цифровых медиа, технологий и данных, интегрируя их в свой маркетинг-план. Это подводит нас к нашей окончательной тенденции — к цифровым преобразованиям. Наши маркетинговые исследования «Управление цифровым маркетингом» показывают, сколько предприятий активно участвует в проектах трансформации:

Как вы можете видеть, более четверти (30%) компаний уже имеют программу трансформации на борту, и многие компании хотят запустить свою программу цифровой трансформации в ближайшее время. Значительная часть организаций не намерена внедрять программу. Возможно, потому, что они считают ее неприемлемой для своего типа бизнеса, например, стартапов и небольших предприятий или предприятий, которые не сталкиваются с онлайном вообще.

По материалам статьи Д. Чаффи,
кофаундера Смарт Инсайтс.

Веб-персонализация — одна из самых ярких тенденций последнего времени. Но прежде, чем ее использовать в своей маркетинговой стратегии, стоит разобраться во всех тонкостях и подводных камнях данного термина.

Персонализация сегодня

Персонализация — это модное слово, которые можно увидеть практически в каждой статье о прогнозах развития рынка веб-технологий: оно вертится на языке у любого профи в сфере маркетинга.

Персонализация тесно связана с таргетингом. Этот элемент индивидуализированного маркетинга (one-to-one marketing) определяется как «предоставление различных типов пользовательского взаимодействия, или UX, для определенных категорий посетителей». Другими словами, направленных на адаптацию внешнего вида и контента сайта под разные категории посетителей. Треть опрошенных маркетологов уверенно заявляет, что именно персонализация будет иметь все возрастающее значение в будущем.

О важности этой тенденции говорят и другие исследования. К примеру, 94% клиентов и специалистов по маркетингу в различных отраслях высказались, что персонализация «важна», «очень важна» и даже «чрезвычайно важна» для достижения текущих маркетинговых задач. Многие эксперименты установили, что большинство посетителей ждут именно индивидуализированного подхода от онлайн-ресурсов.

Чего ждут пользователи: 85% знают, что сайты отслеживают их поведение во время онлайн-шоппинга, но понимают, что это позволяет компаниям предоставлять им наиболее релевантные предложения. 75 % предпочитают, чтобы ритейлеры использовали персональную информацию для улучшения их покупательского опыта.

Но согласно исследованию Gartner, менее 10% компаний на рынке считают, что применяют этот инструмент эффективно. Кроме того, одна треть опрошенных вообще практически не учитывает таргетирование аудитории и не адаптирует контент. В исследовании 2016 года также отмечается, что 64% респондентов вообще никогда не пробовали хоть какой-нибудь вид персонализации.

Большинство респондентов (64%) вообще не используют персонализацию. Наиболее распространенные техники на сегодня: геолокация, источники трафика, поведение пользователя, сезонность, рекомендованные продукты, сегментация.

В чем же причина такого несоответствия: компании понимают, что персонализация — это важный элемент при создании ресурса, но не используют его?

Сложность персонализации

Конечно, причины этого несоответствия могут быть разными в каждом конкретном случае. Но одним из весомых доводов, которые работают против персонализации, остается стоимость и ее сложная структура.

По словам Мэтта Гершоффа (Matt Gershoff), CEO облачного сервиса оптимизации конверсии Conductrics, четкое таргетирование и персонализация всегда ведут к большей организационной сложности, что, в свою очередь, приводит к увеличению затрат. Но далеко не все игроки рынка это осознают.

Можно выделить три элемента персонализации:

• Данные (информация)
• Контент
• Логика таргетинга (Targeting Logic)

1. Данные

Данные — это та информация, которую вы собрали о посетителях вашего сайта. С подключением идеи персонализации работа усложняется в разы. Вам необходимо убедиться в следующем:

• У вас есть точные данные о пользователях
• Эти данные доступны в любой момент времени (это необходимо для быстрых и своевременных решений).

Значит, вам не обойтись без источника данных, который будет предоставлять качественную и своевременную информацию в удобном для анализа виде.

2. Контент

Контент — это тот опыт, который вы обеспечиваете посетителям. Если вы не используете сегментацию, то просто публикуете один и тот же контент для всех пользователей. Сплит-тест предполагает два варианта для двух категорий посетителей (которые формируются случайным образом). Но в случае, когда вы применяете персонализацию, количество ваших вариантов может вырастать до бесконечности (как и ).

Вот что говорит об этом Эндрю Андерсон (Andrew Anderson), руководитель отдела оптимизации в Malwarebytes:

«Я могу менять самые разные вещи, например, макеты, включать различные особенности опыта, менять потоки и т.д. Даже для одного пользователя в зависимости от данных можно придумать тысячу вариантов. К примеру, я сам тоже пользователь, который обычно заходит на сайт в обеденное время из Google, посещал ресурс уже 12 раз, сделал 3 покупки и т.д.».

3. Логика таргетинга

Используя логику, вы соединяете воедино первые два элемента для обеспечения персонализированного опыта. Вы можете использовать бизнес-логику (определенные сегменты имеют определенную стоимость) или автоматизированный подход.

На этом этапе вы столкнетесь с определенным уровнем сложности, который заставляет многих оказаться от этой игры.

Где таргетинг, там и сложности

Как говорит Мэтт Гершофф, сложность — это обратная сторона таргетинга.
Все слышали о преимуществах подход 1:1 (один параметр — один UX), но мало кто задумывается о том, что существует и вторая сторона медали: с каждым дополнительным правилом таргетинга увеличивается и сложность всей системы, и каждого UX в частности.

Стоит задуматься над тем, что чем больше опыта вы решаетесь разработать, тем большими ресурсами придется управлять. С каждым новым шагом ваша система становится все более сложной. Вот что говорит об этом Мэтт:

«Со сложностью вы столкнетесь еще во время сбора информации. Вам нужны максимально точные данные, которые должны быть доступны в момент принятия решения. Эти данные должны быть легко управляемыми и своевременными. Таким образом, вам понадобится целая система менеджмента данных. И, конечно, вся эта сложность скажется на ваших затратах. Кроме того, в менеджменте будут нуждаться и другие элементы, к примеру, различные алгоритмы сортировки т.д.».

Когда речь идет о сложности, то имеется в виду не только технический аспект создания персонифицированного UX. Есть немало инструментов, которые позволяют максимально упростить эту задачу и выполнить ее в сжатые сроки. Однако сам процесс создания опыта не является главной целью. Как утверждает Эндрю Андерсон, главная цель — это создать алгоритм, который приносит компании максимальный ROI.

Итак, две основные причины сложности персонализации:

• Проблема выбора
• Проблема управления

1. Проблема выбора: какой подход использовать?

Таргетинг — это выбор правила, или подхода. Персонализация является, по своей сути, процессом назначения пользователю определенного опыта. Задайте себе следующие вопросы: как вы оптимизируете UX, считаете ли вы оптимальными ваши варианты, почему вы решаете назначить опыт Х в сегменте У?

Бизнес-подход

Один из способов, которым пользуются разработчики, подчиняется общепринятым бизнес-правилам. Проще говоря, вы решаете, какие сегменты имеют максимальную ценность с точки зрения взаимодействия, исходя из ROI. Этот метод, конечно, имеет много недостатков (большинство из которых вскроется на этапе управления), но одним из главных является повышение стоимости ресурсов для ручного назначения. Найти лучший вариант — это непростая задача, решить которую можно только путем проб и ошибок.

Еще менее эффективными являются решения, принятые на основании догадок. Однако многие компании продолжают надеяться на «авось» и выбирают произвольное назначение опыта без использования точных данных и тестов.

Путь оптимизации/поиска

Путь поиска включает в себя несколько процессов:

• Создайте два или три сообщения (одно из них, скорее всего, будет «по умолчанию» и другой контент, например, особые предложения сайта). Не стоит просто копировать то, что вы увидели на других ресурсах.
• Подготовьте эти сообщения «для всех».
• Посмотрите на результаты в каждом сегменте и рассчитайте совокупный доход в случае предоставления дифференцированного опыта.

Если вы все сделали правильно, то лучшим вариантом для покупателей станет один или оба варианта «особого» сообщения. Контент «по умолчанию» станет №1 для сегмента посетителей, но не покупателей. В противном случае предпочтения распределятся произвольно. Не отчаивайтесь и тестируйте: иногда «выстреливает» та идея, на которую вы не делали ставки в начале разработки. Ваши ошибки при создании персонифицированного ресурса должны приносить не разочарование, а опыт.

Персонализация должна кардинально отличаться от привычного подхода, который обычно включает две стадии:

• Используем один и тот же контент для каждого посетителя
• Надеемся на чудо

Не стоит забывать о разнице между персонализацией на основе логики таргетинга и персонализацией на основе личного мнения. Второе — это та самая надежда на «авось».

Автоматизированный подход

Рид Брайант (Reid Bryant) из Brooks Bell считает, что базовая сегментация может оказаться неэффективной, потому что во многом зависит от произвольного выбора аналитика. Более выигрышным методом может стать машинное обучение с использованием алгоритмов:

«Лучший подход наиболее алгоритмичен. Аналитик может использовать техники, не требующие контроля, такие как кластеризация или скрытый анализ для максимально точного определения числа групп и характеристик каждой из них. Алгоритм поможет частично ответить на вопрос (и бизнесу будет необходимо его решить), выгодна ли данная кампания для каждой группы».

2. Проблема управления: поддержка и оптимизация в долгосрочной перспективе

Еще один из компромиссов, на которые придется решиться при разработке персонализации, это стоимость обслуживания. Вот что советует Эндрю Андерсон:

«Учитывайте, что вам придется нести расходы на техническое обслуживание за каждый опыт, который вы поддерживаете. К примеру, если у вас есть три динамических правила на странице, теперь вы должны поддерживать уже три UX, а не один. Это делает будущий процесс тестирования значительно сложнее и может привести к различным несоответствиям, если вы не продумывали создание похожих сегментов в других частях UX».

Понять принципы персонализации поможет сплит-тестирование, считает Мэтт:

«Использование этого типа тестирования вдохновляет. Даже если это не связано с взаимодействием с пользователем, отныне ваш ресурс, в некотором смысле, может находиться в разных состояниях. Вы можете выбрать опыт А или опыт Б. Это почти такое же ощущение, как если бы вы находились в мультивселенной. Обычно мы живем только в одном из миров, но этот эксперимент позволяет жить в нескольких мирах. И тогда вы сможете сравнить и увидеть, какой мир лучше, свернуть все другие миры и просто остаться в этом навсегда.

Но с таргетингом дело обстоит немного по-другому: вы держите открытыми эти вселенные. И они всегда должны быть доступны для ваших пользователей, потому что именно одна из них и должна стать тем лучший вариантом для каждого из посетителей. Именно поэтому управление вашим ресурсом усложняется. Специалисты уже более 20 лет говорят о неоспоримых преимуществах 1:1 маркетинга, но некоторые компании до сих пор не используют его инструменты. Я думаю, что причина именно в этом — в увеличении сложности разработки, обслуживания и стоимости».

Расходы не ограничатся лишь внутренней оптимизацией (on-page optimization), вам нужно думать об обслуживании ресурса целостно. Вот как эту проблему иллюстрирует Мэтт:

«Допустим у вас есть клиент, который обращается к нам с вопросом, касающимся его опыта цифрового взаимодействия (digital experience). Если вы не используете таргетинг, то довольно легко определить, какой именно опыт был у клиента. Но с таргетированной системой маркетинга получить ответ становится сложнее: опыт пользователя зависит и от элемента «данные», и от элемента «логика таргетинга», которые были активны в момент взаимодействия. Если раньше такой анализ был сущим пустяком, то сейчас он превращается в сложный вопрос, в некоторых случаях даже неразрешимый. И эта сложность будет только возрастать с увеличением количества новых элементов в системе, с увеличением вариантов взаимодействия».

1:1 маркетинг — это просто святая святых персонализации, тот самый подход, который обеспечивает уникальный опыт взаимодействия для каждого посетителя.

Различие между масс-маркетом и персонифицированным подходом.

Каждый новый опыт приносит дополнительные возможности и дополнительные сложности. По словам Рида Брайана, в случае с 1:1 маркетингом, предельная полезность каждого подмножества снижается из-за расходов на уникальный креативный дизайн и изменение цифрового UX. Все вышеописанные сложности вовсе не доказывают, что игра не стоит свеч. Но, используя персонализацию, помните о повышении расходов.

Как узнать, что персонализация работает

Другой проблемой управления является отслеживание ROI персонализации. Если вы произвольно устанавливаете правила таргетинга, то без исследования сложно сказать, насколько эффективно работает персонифицированный опыт.

Эндрю Андерсон приводит в пример два случая, когда с помощью продуманной стратегии компании были спасены от негативного воздействия персонализации:

«Одна группа разработчиков пыталась таргетировать аудиторию и создать базу с использованием точного статистического анализа данных, опираясь на три важных пункта UX. Мы просто взяли три версии контента и запустили тестирование. Если бы они таргетировали посетителей этим же методом, то потеряли бы в целом 18% лидов по всему сайту, однако тот же тест показал, что в зависимости от времени суток они могли бы получить прирост до 20%, и это только для одного динамического изменения с одной из частей контента.

Другая история произошла с компанией, которая занималась путешествиями и отелями. Ее специалисты хотели запустить . Но вместо дифференцированного опыта (с приоритетом на территории восточного побережья) после тестов остался вариант «для всех», который в итоге обеспечил увеличение заказов на бронирование на 14% по всей территории».

Идея — это скоропортящийся продукт

Наконец, стоит помнить о том, что идея, актуальная сегодня, может оказаться неэффективной завтра (по ряду причин). Мэтт уверен, что регрессия, к примеру, в интернет-магазинах, которые рекомендуют сопутствующие товары, может происходить из-за множества внешних факторов и, в том числе, из-за неактуальности идеи:

«Все течет, все изменяется, говорят люди. Наши решения могут стать неактуальными не только в вопросе персонализации — мы сталкиваемся с этой проблемой каждый день. Будет ли ваше решение нужным/важным завтра? Если ответ утвердительный, то подход с применением сплит-тестирования будет эффективным.

Кроме того, ваши пользователи могут изменить свое видение (свои вкусы, привычки) с течением времени. Мир меняется постоянно, и с этим процессом ничего нельзя поделать. Казалось бы, мы уже видели сотни фильмов, но новые истории и сиквелы, тем не менее, продолжают выходить на экраны».

В действительности вы никогда не сможете остановить процесс оптимизации (и процесс управления). Чем больше UX вы создали, тем больше стоит заботиться о сохранении рабочего состояния, о работе с настройками и улучшении в будущем.

Почему большинство компаний «проваливает» персонализацию?

Многие компании таргетируют аудиторию не ради дальнейших манипуляций, а ради самого таргетинга. Этот подход — просто бессмысленная трата времени, которая не принесет каких-либо результатов. Сам Эндрю избегает термина «персонализация», используя вместо него « ». По его словам, это помогает конкретизировать понятие и избавиться от многих «модных» элементов, которые приписывают персонализации.

Эндрю так объясняет распространенную проблему несистемного и беспланового использования персонализации:

«Без стадии поика, без детального анализа посетителей вы не получите качественных данных. Но многие компании в конечном итоге таргетируют аудиторию на основе случайных, доступных в данный момент времени и порой незначимых характеристик. Такой подход приводит к массе проблем: к примеру, вы не сможете провести результативные тесты в будущем, чтобы понять, на сколько процентов работает ваша персонализация».

При создании персонифицированного UX помните об одном феномене: вы должны быть ориентированы вовсе не на то, чему (как вы думаете) нужно уделять больше всего внимания. Делать всего один вариант, потому что он кажется вам лучшим — большая ошибка. Тесты часто показывают, что рабочими являются вовсе не те опции, которые вы выбрали на интуитивном уровне.

Полная оптимизация аудитории

Стивен Павлович (Stephen Pavlovich) из Conversion.com считает, что что одна из самых больших ошибок, которую компании совершают, — это попытка скопировать сложные тестовые программы прежде, чем они к этому готовы:

«Полная оптимизация аудитории означает, что вы адаптируете UX под каждого пользователя, а не под сегмент. Этот процесс даст четкое понимание того, какие действия совершают пользователи, как они реагируют на разные офферы и как это можно использовать при разработке персонализации. Если вы начинаете разработку, перепрыгнув эту стадию, то фокусируетесь на отдельных сегментах трафика, а не на всей аудитории, и рискуете получить разветвление воронки до момента конверсии».

Этика персонализации

Система персонализации одного сайта «вычислила» беременность девочки-тинэйджера и начала оправлять ей предложения о покупке товаров для молодых мам еще до того момента, когда отец узнал, что она беременна. Вокруг этого случая разгорелось немало споров.

Будьте готовы к тому, что перед вами встанет еще одна проблема управления, связанная с этикой, когда вы разработаете систему таргетинга. К примеру, специалисты Conductrics уделяют немало времени созданию алгоритмов, которые будут работать по правилам таргетинга и в то же время учитывать человеческий фактор.

Конечно, вам не придется вручную строить все алгоритмы, но правила стоит оценивать и с человеческой точки зрения (не только на этапе разработки, но и на этапе управления).

Выводы

Персонализация, конечно, является перспективной возможностью для компании. Вы можете настроить релевантный UX, который поможет улучшить пользовательский опыт и ROI. Но стоит помнить, что персонализация ведет к усложнению ряда процессов: принятия решений, управления и оптимизации.

Вышеописанное вовсе не значит, что нужно оказываться от персонализации в пользу более простых вариантов, ведь простой — не всегда значит лучший. Используйте тесты: они помогут принять вам верное решение.

В работе проведён анализ осуществления электронного обучения по сценарию «персонализация», выявлены и описаны формы реализации этого сценария в российских и зарубежных учреждениях высшего образования: расширение автономности обучающегося вплоть до самообразования, дифференцированное обучение, адаптивное обучение. Автором описана применяемая в зарубежных исследованиях трёхуровневая классификация обучающих систем адаптивного обучения: системы, обеспечивающие «пассивную» адаптивность, «активную» и «умную» адаптивность, определены различия между системами разного уровня. В работе обобщены положительные и отрицательные эффекты реализации персонализации электронного обучения, описано применение адаптивных обучающих систем разных уровней в России, Европе и США. Автор обосновывает тезис о возникновении в процессе осуществления сценария «персонализация» возможности частичной реализации индивидуального подхода к обучающимся.

электронное обучение

персонализация

дифференцированное обучение

адаптивное обучение

адаптивная обучающая система

пассивная адаптивность

активная адаптивность

умная адаптивность

аналитика обучения

индивидуальный подход к обучающимся.

1. Дулин С.К., Репьев А.В. Программная реализация обучающей системы на основе адаптивной модели обучения // Программные продукты и системы. – 2007. – № 1. – С. 52-55.

2. Ферейра Хосе. Что такое адаптивное обучение. 08.05.2014. - URL: http://www.edutainme.ru /post/ chto-takoe-adaptivnoe-obuchenie.

3. Хэррингтон Чарли. Анализируй это: большие данные в образовании. Открытая лекция 01.12. 2016 г. в Центре Digital October [Электронный ресурс]. - URL: http://digitaloctober.ru/ ru/events/analiziruy_eto_kak_big_data_sovershit_revolyutsiyu_v_obrazovanii.

4. Ambient Insight"s 2016 Learning Technology Research Taxonomy, Research Methodology, Product Definitions, and Licensing Model. Updated: January 2016. - URL: http://www.ambientinsight.com/Resources/ Documents/ Ambient Insight_Learning_Technology_ Taxonomy.pdf.

5. Digitale Lernszenarien im Hochschulbereich. Vorgelegt von HIS-Institut für Hochschulentwicklung (HIS-HE). Dr. Klaus Wannemacher. Unter Mitwirkung von Imke Jungermann, Julia Scholz, Hacer Tercanli und Dr. Anna von Villiez. Arbeitspapier Nr. 15 | Januar 2016. – 114 р.

6. Fleming Brian. Adaptive Learning: The Real Revolution in Online Learning. Eduventures, Mar. 2015. - URL: http://www.eduventures.com/2015/03.

7. Goertz Lutz. Digitales Lernen adaptiv. Technische und didaktische Potenziale für die Weiterbildung der Zukunft. Dr. Lutz Goertz (MMB-Institut) im Auftrag der Bertelsmann Stiftung. Bertelsmann Stiftung. – 2014. –30 р.

8. Johnson L., Adams Becker S., Cummins M., Estrada V., Freeman A. and Hall C. (2016). NMC Horizon Report: 2016 Higher Education Edition. Austin, Texas: The New Media Consortium.

9. Learning Analytics Community Exchange. - URL: http://www.laceproject. eu/lace.

10. Online Lexikon für Psychologie und Pädagogik. - URL: http://lexikon.stangl.eu/982/ adaptivitaet.

11. Pearson MyLab Mastering. - URL: http://www.pearsonmylabandmastering. com/global.

13. Stepik contest. Adaptive learning content competition. - URL: http://adaptive.stepik.org.

14. Universidad Internacional de La Rioja. - URL: http://www.unir.net.

Термин «электронное обучение» в научной литературе имеет множество определений, которые можно в основном свести к следующему: электронное обучение - обучение, построенное с использованием информационно-коммуникационных технологий, охватывающее весь спектр педагогических, организационных и технических действий преподавателей, администрации, инженерно-технического персонала учебных учреждений и обучающихся по применению в обучении и самообразовании электронных инструментов, а также по разработке электронного учебного контента, программированию последовательности его изучения, доставке его обучающимся, организации работы с учебным цифровым контентом и проверке результатов (само) обучения.

Сценарий «Персонализация» назван в материалах исследования группы немецких учёных «Сценарии электронного обучения в высшей школе» одним из восьми основных сценариев электронного обучения . В значительной мере сценарию «персонализация» соответствует «Программное обеспечение учебного курса, рассчитанного на индивидуальную скорость обучения», - один из семи основных типов продукта для электронного обучения, выделенных в ежегодном (2016 г.) отчёте компании Ambient Insight, многие годы занимающейся изучением мирового и региональных рынков продуктов и услуг электронного образования .

Анализ текущей ситуации развития средств и методов электронного обучения показывает, что именно сценарий «Персонализация» становится в настоящее время мировым трендом в электронном обучении. Авторы исследования, проведённого американским консорциумом новых медиа (New Media Consortium), относят персонализацию к актуальным сложно решаемым проблемам высшего образования: «проблема, которую мы понимаем, но способ решения которой пока неуловим» . Растущую популярность персонализации у потребителей (обучающихся) можно объяснить, с одной стороны, отражением естественного для человеческой природы желания индивидуального подхода к личным запросам, с другой - обусловленным технологическими достижениями ростом потребности людей в ещё большей производительности и комфортности работы по овладению новыми компетенциями. Преподаватели обращаются к электронным инструментам персонализации, с одной стороны, удовлетворяя растущий рыночный спрос, с другой - для интенсификации процесса обучения. Спрос потребителей - и обучаемых, и преподавателей - рождает соответствующие технологические предложения от разработчиков электронных платформ обучения.

Значение педагогической составляющей описываемого сценария обусловлено появлением возможности существенно приблизиться в электронном обучении к реализации педагогического принципа «индивидуальный подход к обучающимся», принципа, признаваемого всеми современными педагогическими теориями.

Анализ описанного в научной литературе мирового опыта электронного обучения позволяет утверждать, что сценарий «Персонализация» в электронном обучении может быть реализован в нескольких формах: через дифференцированное обучение , через расширение автономности обучающегося вплоть до самообразования, через адаптивное обучение .

Дифференцированное обучение подразумевает разделение обучающихся на группы, для каждой из которых с учётом интересов, способностей, мотивации обучающихся подбираются специфические методы и приёмы учебной работы. Этот путь характерен и для персонализации неэлектронного обучения, и реализуем он с меньшими затратами, чем остальные формы, поскольку для его осуществления не требуется дорогостоящая разработка программного обеспечения.

Расширение автономности обучающегося особенно востребовано для больших вводных курсов в американских университетах и колледжах, в процессе изучения которых студенты определяют, какой набор дисциплин они будут изучать. Для российского высшего образования, к сожалению, такой подход не характерен: учебные программы, как правило, спланированы заранее с жёстко фиксированным набором дисциплин, образовательная траектория едина для всех и спланирована без участия обучающегося.

Самообразование - электронное обучение предоставляет обучающемуся возможность самому выбирать учебные задачи, контент и дидактические средства для достижения образовательной цели. На наш взгляд, для обеспечения персонализации при самообразовании можно использовать все формы учебной работы, определённые исследователями как характерные для другого сценария электронного обучения - для сценария «Взаимодействие и совместное обучение»: использование социальных сетей, пиринговое и совместное онлайн-обучение.

Следует отметить, что путь «расширение автономности обучающегося вплоть до самообразования» доступен только пользователю, обладающему высокого уровня информационными, в частности мультимедийными, компетенциями и, добавим, способному составить собственную программу продвижения к учебной цели. Этот путь наиболее полно реализуем в дополнительном образовании специалистов. Среди студентов вузов, в частности - российских, на сегодняшний день составить такую программу смогут лишь единицы, поэтому на первый план выходит третья форма персонализации электронного обучения - адаптивное обучение.

Адаптивное обучение определяется аналитиками образования и как концепция, и как инструмент и предполагает возможность предоставления студенту подходящих лично ему инструментов обучения, выбора объёма получаемых знаний и индивидуальной траектории обучения. В идеале при предоставлении учебного контента и заданий обучаемому должны учитываться его эмоциональное состояние, пол, особенности восприятия текстовых и аудиовизуальных видов учебного контента, особенности культуры, уровень сформированности учебных навыков. К адаптивным учебным платформам по версии исследователей Eduventure в 2015 году можно было отнести платформы 2U, Wiley, Canvas, Loud Cloud, Blackboard, Knewton, RealizeIT, Adaptcourseware, Anewspring, к компаниям, производящим адаптивный контент - Adaptcourseware, Wiley, Pearson, Mc Graw Hill Education, Jones& Bartlett Learning, sixRedMarbles, Smart Sparrow, Acrobatiq, Cengage Learning, Toolwire .

Адаптивная обучающая система (АОС) «adaptive training system», «tutorielle assistive systeme», «Intelligent Tutoring Systems» - система, отражающая некоторые характеристики обучаемого в «модели обучаемого» и применяющая данную модель для адаптации различных аспектов программированного обучения и контроля знаний. Можно выделить три уровня обучающих систем адаптивного обучения: системы, обеспечивающие «пассивную», «активную» и «умную» адаптивность. Такая классификация как устоявшаяся приводится в онлайн-словарях европейских стран по психологии и педагогике .

Системы, обеспечивающие «пассивную адаптивность» : активная роль делегируется обучающемуся: на основе рекомендованного набора параметров обучающийся, исходя из собственных интересов, сам планирует траекторию своего продвижения в учебном материале, сроки изучения того или иного контента. В таких системах используются пассивные схемы «если…, → то…», простые системы гипертекста.

Системы, обеспечивающие «активную адаптивность» : сама система определяет на основании уже пройденного обучающимся учебного материала и на основе его ответов на тестовые вопросы траекторию его дальнейшего обучения. В таких системах используются активные схемы «если…, → то…», применяется программирование.

Пример российской обучающей системы, обеспечивающей «активную адаптивность» и созданной более десяти лет назад, - АОС «Безопасность» для персонала, обслуживающего Куйбышевскую железную дорогу. Система использует совокупность графических заданий с вариантами ответа и пояснениями ошибочных действий обучаемого. В случае принятия неправильного решения система выдает обучаемому поясняющий кадр, в котором есть полное разъяснение допущенной ошибки с рекомендациями. При формировании отображения адаптивного обучающего курса программная система поэлементно обращается к курсу и определяет доступность контента в соответствии с имеющейся моделью обучаемого. Система определяет маркер в лекции, указывающий наличие дополнительного объяснения, определяет доступность данного объяснения для соответствующей группы обучаемых и в случае подтверждения доступности дополняет лекцию найденным материалом .

В виртуальном кампусе испанского частного университета Universidad Internacional de La Rioja (UNIR) разработана автоматизированная система помощи преподавателям в составлении персонализированных учебно-методических рекомендаций студентам, названная iLIME. Адаптивная по своей сути система учитывает, наряду с уровнем знаний обучающихся, возможности их формального и неформального обучения. В 2012 году модель iLIME была успешно внедрена в модуле «Мастер в области электронного обучения и социальных сетей» .

К системам, обеспечивающим «активную адаптивность», можно отнести SmartBook -адаптивную цифровую версию учебного курса на базе электронной книги, реализованный фирмой McGraw-Hill Education проект датчанина Ульрика Кристенсена. SmartBook представляет собой систему, доступную пользователям нетбука или смартфона через браузер или как мобильное приложение. Система подстраивает учебный контент под индивидуальный темп его изучения студентом, расставляя приоритеты, вычленяя ключевые понятия темы, заставляя пользователя сосредотачиваться на неусвоенном содержании. SmartBook от McGraw-Hill интегрируется с LMS Angel, Blackboard, Canvas, De-sire2learn, Moodle, Pearson Learning Studio, Sakai .

В 2015 году командой российской образовательной платформы Stepik началась разработка адаптивной рекомендательной системы, цель которой - подбирать образовательный контент и задания индивидуально каждому учащемуся, основываясь на его уровне знаний и подготовке, и советовать изучать только то, что важно на конкретном этапе обучения. Первые прототипы адаптивных курсов появились в 2016 году: два курса по обучению языку программирования Python на русском и английском языке. В декабре 2016 года стартовал конкурс онлайн-уроков, результаты которого будут учтены при доработке системы .

Создатель платформы Knewton Хосе Феррейра такие системы, «способные сделать несколько хороших догадок на основе простых данных и выстроить более или менее верный индивидуальный маршрут для каждого студента», отделяет от адаптивного обучения, относя его к обучению дифференцированному . Созданная Х. Феррейрой платформа обеспечивает «умную» адаптивность процесса электронного обучения.

Системы, обеспечивающие «умную адаптивность» : система создаёт и постоянно корректирует полную психологическую картину обучающегося, картину его предпочтений и траекторию продвижения в освоении контента. В таких системах используются методы программирования на основе использования аналитики больших данных в области обучения - Learning Analytics. Разработка систем Learning Analytics предшествует созданию систем адаптивного обучения, предоставляя исходные данные для их проектирования.

По мнению Ч. Хэррингтона, на сегодняшний день Интернет хорошо справляется с двумя задачами: распространением информации и анализом данных. Адаптивное обучение в цифровой среде делают возможным обозначенные Хэррингтоном три тренда современного электронного образования: 1) Masssive amounts - наличие огромного количества образовательных данных в Интернете; «накоплена критическая масса данных»; 2) Smaller chunks - возможность детализации образовательной информации; 3) High correlation - высокая корреляция данных .

Задача систем Learning Analytics - сбор и анализ на конкретных обучающих платформах огромных массивов деталей учебной онлайн-деятельности с учётом её технического, культурного и социального аспектов и любых организационных изменений. Система должна учитывать уникальные проблемы анализируемых деталей и влияние на них любых аспектов и изменений. Ещё одна аналитическая функция Learning Analytics - сравнение по тем или иным параметрам реализуемых вузами онлайн-курсов, в частности сравнение курсов одного вуза.

Вполне очевидно, что любой новый класс информационных систем подлежит стандартизации. В рамках проекта LACE, объединяющего существующих ключевых европейских игроков в области обучения аналитике (Открытый университет, Нидерланды; Европейская сеть дистанционного образования, Великобритания; Центр образовательных технологий и функциональной совместимости стандартов в Университете Болтона, Великобритания; Национальное агентство образования Швеции и др.), для хранения в стандартизированной форме данных, собранных из любой обучающей среды, разработана спецификация Dutch X API (DSLA). Большое внимание в проекте уделяется этическим вопросам и вопросам конфиденциальности в дизайне аналитических приложений Learning Analytics .

Пример реализации адаптивного обучения - проект MyLab & Mastering series, в рамках которого студенты обучаются по программам Pearson, «переформатированным» с помощью алгоритмов Knewton. Курсы Pearson MyLab используют аналитику процесса изучения учебного контента пользователями (ежедневный контингент - 11 миллионов) для разработки алгоритмов, которые адаптируют материал и темп изучения учебного курса к потребностям каждого студента, его сильным и слабым сторонам . Для разработки алгоритмов обобщается огромный массив данных об успехах пользователей, изучающих одинаковые темы по-разному: по разным траекториям, в разном темпе, с помощью решения разных промежуточных задач. Созданный системой алгоритм позволяет рекомендовать обучаемому на основе анализа особенностей его учебной работы траекторию дальнейшего продвижения - получение определённой сложности и продолжительности текстового или видеопояснения, выполнение интерактивного задания, прохождение учебной игры. Выявляя схожесть интересов, ритма учебной работы, уровней продвижения в изучении образовательного контента у разных пользователей, система может рекомендовать пользователям партнёров для совместного обучения.

В адаптивных системах применяется стиль персонификации образовательного опыта «Дерево принятия решений» - пока пользователь не уяснил концепции А или Б, он не может приступить к работе с концепциями В, Г, Д. Этот стиль приводит к созданию единого алгоритма персонификации для всех обучающихся в курсе.

В алгоритмах Knewton применяется более сложный подход - «Интерактивная система»: системой создаётся гипотеза о возможных путях изучения образовательного контента. Не выполнив контрольный тест по концепции А, пользователь может быть направлен системой к изучению концепции Е или Ж или какой-либо другой.

Преимущества персонализации электронного обучения при помощи систем, обеспечивающих «умную адаптивность»:

• учебное планирование становится активным процессом, опирающимся на объективные данные;
• уровень сложности обучения соответствует индивидуальным особенностям обучаемого: учитывается уже имеющийся уровень подготовки, рационализируются конкретные пути достижения положительного результата;
• повышается мотивация обучающихся;
• при помощи системы пользователи могут выбрать для совместного обучения партнёров, равных ему по образовательным возможностям и потребностям;
• предупреждается отчисление части обучающихся из-за неуспеваемости.

Трудности и недостатки персонализации как сценария электронного обучения можно свести к следующему перечню:

• есть риск неправильной трактовки учебных потребностей обучающихся из-за неправильной трактовки данных системами Learning Analytics;
• очень высоки затраты на создание адаптивных систем обучения и необходимых для их конструирования систем Learning Analytics;
• сколь дробными ни были бы классификации обучаемых, полностью отразить многообразие личностных характеристик пользователя на сегодняшний день никакая система не в состоянии;
• единый стиль персонификации - использование средних значений, выявляемых Learning Analytics и используемых для выстраивания типовых траекторий обучения (стиль персонификации образовательного опыта «Дерево принятия решений») - противоречит индивидуальному подходу к обучаемому;
• при использовании адаптивных систем снижается способность обучающегося к самоорганизации своего продвижения в учебном процессе.

Таким образом, хотя индивидуальный подход - осуществление педагогического процесса с учётом индивидуальных особенностей учащихся: темперамента и характера, способностей и склонностей, мотивов и интересов и др. - в настоящее время по-прежнему в полной мере возможен лишь при работе преподавателя с обучаемым «лицом к лицу», в процессе реализации сценария «Персонализация» возможности реализации этого подхода в электронном обучении существенно расширяются.

Библиографическая ссылка