Cos'è il Propensity Modeling?

Il Propensity Modeling assegna a ciascun cliente una probabilità che compia un'azione specifica, come acquistare in una categoria, convertire su una campagna, abbandonare (churn) o rispondere a uno sconto. In uno storefront composable questi punteggi risiedono nella customer data platform e vengono letti dal decision engine, dal recommendation engine e dai worker di personalizzazione all'edge per scegliere l'esperienza giusta in tempo reale.

Definizione

Il Propensity Modeling usa machine learning supervisionato addestrato su dati first-party e comportamenti collegati tramite identity graph per stimare la probabilità di un evento futuro. Le feature provengono da attività osservata, storico transazionale, Zero-Party Data e appartenenza a coorte; le etichette provengono da esiti storici. I punteggi vengono ricalcolati a intervalli programmati e su richiesta, poi pubblicati come attributi di profilo che lo storefront può interrogare all'inizio della sessione. Regole d'uso vincolate al consenso garantiscono che i punteggi vengano applicati solo ai canali e ai contesti a cui il cliente ha dato il proprio assenso, anche quando il modello stesso è stato addestrato su dati aggregati.

Perché è importante

La personalizzazione senza scoring è una serie di ipotesi che dipendono da regole scritte a mano. I punteggi di propensity comprimono migliaia di segnali debili in un piccolo insieme di feature forti e comparabili che un decision engine può classificare. Alimentano la selezione della next best offer, il perfezionamento della segmentazione dell'audience e le automazioni di marketing triggerate. In un setup composable, gli output di propensity si collocano al confine tra dati ed esperienza: il CDP calcola, il livello esperienziale consuma, il commerce service resta focalizzato sulle transazioni. Questa separazione permette ai team di riaddestrare i modelli senza rideployare lo storefront.

Casi d'uso

Un retailer di moda ordina gli articoli della PLP per un punteggio di propensity d'acquisto specifico per categoria, cosicché gli acquisti più probabili si posizionino above the fold. Un brand in abbonamento inserisce una propensity di previsione del churn nel checkout, attivando un'offerta di retention quando il punteggio supera una soglia. Un marketplace B2C usa la propensity di upsell per scegliere tra due moduli di cross-sell nel carrello, alternando tra contenuto dinamico bundle e singolo articolo. Un sistema di email marketing usa la propensity sul momento di invio per programmare le consegne, aumentando il click-through rate senza modificare la creatività.

Correlati

Scopri Agentic Frontend Management Platform · Personalization.