Statistik personalisasi e-commerce
Apa yang membuat suatu pengalaman relevan. Di mana data pelanggan yang lebih baik dapat membantu.
Personalisasi harus menghubungkan konteks produk dan pelanggan yang andal dengan rekomendasi yang bermanfaat. Bukti memisahkan kemampuan dan harapan konsumen dari hasil rekomendasi terkontrol historis.
Takeaway kunci
Mulailah dengan sinyal pelanggan yang dapat digunakan. Dalam survei lintas industri Salesforce, 98% pemasar melaporkan hambatan personalisasi dan hanya 51% yang memiliki akses data perdagangan yang lengkap. [1]
Pilih rekomendasi yang menjawab pertanyaan belanja selanjutnya. Eksperimen ItemSage historis Pinterest mengukur peningkatan GMV per pengguna sebesar 6.85% pada Closeup. [6]
Hormati preferensi yang sebenarnya dibagikan oleh pelanggan. Dalam survei pelanggan Attentive, 48% mengaitkan pemasaran personalisasi dengan penggunaan preferensi yang mereka nyatakan. [7]
Fakta-fakta penting sekilas
Pemasar menghadapi hambatan personalisasi
98%Para pemasar melaporkan adanya hambatan dalam personalisasi.
Survei pemasar lintas industri Oktober-November 2025
SalesforceBisnis yang melaporkan personalisasi AI
63%Sebagian besar bisnis yang disurvei oleh DHL melaporkan pengalaman personalisasi AI.
Laporan mandiri bisnis DHL 2026
eCommerce DHLPeningkatan GMV relatif dalam uji rekomendasi
6.85%Peningkatan GMV per pengguna relatif mengikuti rekomendasi ItemSage di Pinterest Closeup.
Uji A/B Pinterest 2022; peningkatan GMV relatif
Riset PinterestKonsumen mengharapkan interaksi yang dipersonalisasi.
71%Sebagian besar konsumen mengharapkan interaksi yang dipersonalisasi dalam riset McKinsey.
Ekspektasi konsumen historis tahun 2021
McKinseyKonsumen merasa frustrasi karena kurangnya personalisasi.
76%merasa frustrasi ketika personalisasi tidak ada.
Frustrasi yang dinyatakan pada tahun 2021
McKinseyPersonalisasi dan pernyataan niat pembelian kembali
78%mengatakan konten yang dipersonalisasi membuat mereka lebih cenderung untuk membeli kembali.
Niat pembelian kembali yang dinyatakan pada tahun 2021 secara historis
McKinsey
Hambatan kemampuan dan data
98% Para pemasar melaporkan adanya hambatan dalam personalisasi. [1]
Survei ini mencakup berbagai industri, bukan hanya ritel online.
51% memiliki akses penuh ke data perdagangan. [1]
Konteks yang tidak lengkap dapat membatasi rekomendasi yang bermanfaat.
84% melaporkan menjalankan kampanye generik. [1]
Penerapan AI tidak secara otomatis menghasilkan pesan yang relevan.
69% kesulitan untuk merespons pelanggan dengan cepat. [1]
Sebuah percakapan membutuhkan tindak lanjut operasional.
50.9% Para pemilik program loyalitas menawarkan personalisasi berbasis AI. [2]
Survei loyalitas terpisah mengukur kemampuan yang dilaporkan, bukan efektivitas.
63% Sebagian besar bisnis yang disurvei oleh DHL melaporkan pengalaman personalisasi AI. [3]
Halaman 30, pertanyaan fitur bisnis. Ini adalah kemampuan yang dilaporkan, bukan dampak pendapatan yang terukur.
Harapan konsumen dan privasi
71% Sebagian besar konsumen mengharapkan interaksi yang dipersonalisasi dalam riset McKinsey. [4]
Bukti historis tahun 2021, bukan survei baru tahun 2026.
76% merasa frustrasi ketika personalisasi tidak ada. [4]
Sentimen konsumen tidak menetapkan penalti pendapatan tertentu.
78% mengatakan konten yang dipersonalisasi membuat mereka lebih cenderung untuk membeli kembali. [4]
Niat yang dinyatakan, tidak ada peningkatan pembelian berulang yang teramati.
27% Sebagian besar konsumen yang disurvei menolak untuk berbagi data dengan agen AI, bahkan untuk pengalaman yang lebih personal. [5]
Survei konsumen AS/Inggris, akhir 2025. Preferensi yang dinyatakan, bukan seluruh pembeli global atau tingkat persetujuan yang diamati.
Hasil rekomendasi yang terukur
6.85% Peningkatan GMV per pengguna relatif mengikuti rekomendasi ItemSage di Pinterest Closeup. [6]
Eksperimen platform historis tahun 2022, dibandingkan dengan sistem rekomendasi sebelumnya. GMV bukan merupakan keuntungan kontribusi.
5.13% Peningkatan relatif dalam rata-rata transaksi per pengguna terjadi dalam eksperimen Closeup tersebut. [6]
Eksperimen yang sama dengan temuan GMV. Ini adalah hasil yang saling terkait, bukan studi pendukung independen.
Rekomendasi yang relevan dan preferensi yang dinyatakan
73% Sebagian besar pelanggan yang disurvei mengatakan bahwa saran produk yang relevan membuat pembelian lebih mungkin terjadi. [7]
Survei pelanggan Februari 2026. Kemungkinan yang dilaporkan sendiri, bukan tingkat konversi 73% atau peningkatan rekomendasi yang terukur.
48% mengatakan pemasaran terasa lebih personal ketika menggunakan preferensi yang telah mereka bagikan. [7]
Contohnya termasuk ukuran, gaya, dan minat. Ini adalah pertanyaan persepsi dengan pilihan jawaban berganda, bukan izin untuk setiap penggunaan data atau bukti peningkatan pendapatan.
Mulailah dengan konteks yang dapat diandalkan, bukan dengan lebih banyak variasi.
Catat input yang dibutuhkan oleh suatu aturan, siapa yang menyediakannya, dan kapan input tersebut kedaluwarsa. Ketersediaan produk dan varian yang dipilih harus terkini pada saat digunakan. Preferensi yang diberikan oleh pelanggan memiliki asal yang berbeda dari kesimpulan yang didasarkan pada penelusuran.
Siapkan variasi produk yang relevan: jelajahi variasi gambar.
Sesuaikan taktik personalisasi dengan informasi yang tersedia.
Pilih input dan perilaku data yang hilang secara bersamaan. Peta perencanaan berikut membedakan rekomendasi item dari perubahan pada pengaturan waktu pesan atau materi kreatif.
| Taktik | Memasukkan | Fallback |
|---|---|---|
| Rekomendasi barang | Perilaku yang relevan dan saham yang memenuhi syarat | Pilihan kategori yang tersedia |
| Pengaturan waktu pesan | Status saluran dan acara yang diikuti | Menekan pemicu yang tidak memenuhi syarat |
| Varian visual | Produk yang dipilih dan konteks yang diizinkan | Gambaran umum produk yang akurat. |
| Penawaran berdasarkan preferensi | Preferensi yang diberikan pelanggan | Penawaran umum dengan ketentuan yang sama |
Gunakan gambar iklan produk untuk materi iklan yang telah disetujui; aturan rekomendasi tetap berlaku di platform perdagangan.
Ukur satu keputusan personalisasi dalam satu waktu.
Jika memungkinkan, tetapkan pengunjung yang memenuhi syarat ke kelompok kontrol yang stabil. Tentukan hasil pembelian, kontribusi, dan pengembalian sebelum peluncuran, dan jaga agar ketersediaan produk dan jendela pengamatan tetap konsisten.
Dalam uji coba video, riwayat pembelian menjadi dasar pesan dan pemasar manusia mengendalikan skrip. Membandingkan video yang dipersonalisasi dengan video generik mengubah relevansi serta produksi. Membandingkannya dengan gambar yang dipersonalisasi juga mengubah format. Pilih tolok ukur yang mengisolasi keputusan yang dibuat toko Anda.
Setujui detail produk sebelum mengubah penempatan: jaga konsistensi detail produk dalam katalog.
Tentukan rekomendasi pakaian berdasarkan preferensi.
Gunakan preferensi gaya yang diberikan pembeli dan stok yang tersedia saat ini untuk memilih rekomendasi. Uji peringkat tersebut terhadap pilihan kategori umum yang tersedia. Pertahankan harga, penawaran, dan foto produk agar hasilnya menjawab pertanyaan rekomendasi.
Tes konteks visual berbeda: pertahankan item yang direkomendasikan tetap dan bandingkan tampilan produk umum dengan tampilan spesifik konteks. Fotogenic AI dapat menyediakan aset kreatif; toko atau sistem perpesanan bertanggung jawab atas pemilihan audiens, persetujuan, dan pengiriman.
| Keputusan | Spesifikasi |
|---|---|
| Masukan | Preferensi gaya yang diberikan pelanggan dan ketersediaan produk/varian saat ini. |
| Fallback | Pilihan umum yang tersedia saat preferensi tidak ada atau barang yang dipilih tidak tersedia. |
| Penugasan | Pertahankan setiap pembeli yang memenuhi syarat dalam perawatan atau kontrol yang stabil. |
| Pemeriksaan aset | Pakaian yang sama, warna yang dipilih, dan detail produk yang akurat dalam kedua konteks tersebut. |
| Evaluasi | Pembelian dan kontribusi yang ditahan per pembeli yang memenuhi syarat, dengan pengembalian yang relevan ditindaklanjuti. |
FAQ (Pertanyaan Umum)
Pertanyaan tentang penelitian
Eksperimen A/B ItemSage Pinterest historis pada platform Closeup-nya melaporkan peningkatan GMV per pengguna sebesar 6.85% dan peningkatan checkout per pengguna sebesar 5.13% dibandingkan dengan rekomendasi dasar sebelumnya. Ini adalah bukti terkontrol untuk perubahan pemberi rekomendasi tertentu, bukan peningkatan universal bagi pedagang. Evaluasi relevansi, ketersediaan produk, dan kontribusi setelah dikurangi biaya dalam pengujian aturan Anda sendiri.
Sumber dan metode
- Salesforce: Kondisi Pemasaran 2026
salesforce.com
PengembalianRincian studi
Survei 8 Oktober-17 November 2025; rilis 19 Februari 2026
Survei anonim ganda terhadap 4,450 pengambil keputusan pemasaran di seluruh Amerika Utara, Amerika Latin, Asia-Pasifik, dan Eropa. Survei ini mengukur persepsi pemasar, bukan perilaku konsumen atau sensus khusus e-commerce. Kategori kinerja menggambarkan kepuasan terhadap hasil pemasaran.
- Antavo: Temuan Laporan Loyalitas Pelanggan Global 2026
antavo.com
PengembalianRincian studi
2026 Laporan
3,000 profesional, 10,000 anggota program loyalitas, dan kumpulan data aktivitas platform yang terpisah. Beberapa halaman publik menjelaskan penelitian yang sama; ini merupakan satu kelompok bukti, bukan penguat independen.
- DHL eCommerce: Laporan Tren E-Commerce 2026, riset dan metodologi lengkap
dhl.com
PengembalianRincian studi
Kegiatan lapangan Desember 2025-Februari 2026
29,000 pembeli online baru-baru ini di 29 negara dan 5,800 bisnis di 28 negara; 1,000 pembeli per negara. Belanjaan, tiket, dan penerbangan tidak termasuk. Tanggapan pembeli dan bisnis berbeda. Temuan yang dikutip terdapat pada halaman 5, 30, dan 42; metodologi ada di halaman 78. Pengukuran minat mencoba/memeriksa kecocokan pada halaman 42 hanya menyangkut subkelompok pembeli yang mengutamakan aplikasi. Adopsi, alasan, dan preferensi yang dilaporkan sendiri tidak menentukan hasil transaksi.
- McKinsey: Ekspektasi konsumen terhadap personalisasi
mckinsey.com
PengembalianRincian studi
Publikasi November 2021
Temuan survei konsumen historis. Ekspektasi dan niat pembelian yang dinyatakan tidak menghasilkan peningkatan pendapatan yang terealisasi. Artikel ini tidak memaparkan detail sampel lengkap dalam teksnya.
- Braze: Tinjauan Keterlibatan Pelanggan Global 2026
braze.com
PengembalianRincian studi
Survei November-Desember 2025; diterbitkan Februari 2026
Survei terpisah terhadap 2,200 eksekutif pemasaran di perusahaan B2C dengan pendapatan tahunan minimal $10 juta dan 4,000 konsumen di AS/Inggris. Dataset perilaku: 779 pelanggan selama tahun 2025. Jawaban kepercayaan konsumen adalah niat yang dinyatakan, bukan angka churn yang terukur.
- Riset Pinterest: ItemSage: Mempelajari Penyematan Produk untuk Rekomendasi Belanja di Pinterest
arxiv.org
PengembalianRincian studi
kertas 2022
Tabel 4: Pengujian A/B platform yang menggantikan embedding generasi kandidat pada Beranda, Tampilan Lebih Dekat, dan Pencarian. Perubahan relatif dibandingkan dengan baseline embedding sebelumnya yang ditentukan. Bukti rekomendasi spesifik platform historis; bukan tolok ukur personalisasi universal, generasi gambar, atau keuntungan pedagang.
- Perhatian: Personalisasi dan harapan pelanggan tahun 2026
attentive.com
PengembalianRincian studi
Survei konsumen 23 Februari 2026; pembaruan artikel September
Survei online Pollfish terhadap 1,050 konsumen AS, Inggris, dan Australia berusia 18-79 tahun, yang berbelanja online dalam tiga bulan sebelumnya dan memilih untuk menerima setidaknya pemasaran melalui email atau SMS. Empat generasi berkontribusi secara setara, tanpa stratifikasi pasca-analisis lainnya. Pertanyaan mencakup berbagai saluran pesan, bukan hanya SMS. Data konsumen dan pemasar bulan April yang terpisah di halaman tersebut tidak digabungkan dengan temuan ini.
- Inisiatif MIT tentang Ekonomi Digital, merangkum karya Kapoor dan Kumar: Dapatkah AI Generatif Menciptakan Iklan Video Personalisasi Berbiaya Rendah yang Menarik Perhatian Konsumen?
ide.mit.edu
PengembalianRincian studi
Ringkasan penelitian tahun 2025; makalah diterbitkan pada 8 Mei 2025; tanggal eksperimen yang tepat tidak diungkapkan dalam ringkasan.
Eksperimen lapangan WhatsApp dengan paparan tunggal acak yang melibatkan 21,328 penerima dari salah satu pengecer DTC India. Video avatar yang dipersonalisasi menggunakan riwayat pembelian; baseline berupa gambar yang dipersonalisasi dan video generik. CTR adalah keterlibatan, bukan penjualan atau keuntungan. Estimasi biaya produksi adalah perkiraan kasar dan tidak disertakan di sini.
Bagaimana laporan ini menggunakan penelitian
Laporan ini merupakan sintesis editorial oleh Fotogenic AI, yang diperbarui pada 19 Oktober 2026. Tanggal sumber menjelaskan bukti yang mendasarinya. Tanggapan survei, aktivitas terukur, dan perkiraan diidentifikasi secara terpisah. Temuan tidak digabungkan menjadi rata-rata pasar baru. Beberapa halaman yang menjelaskan satu studi diperlakukan sebagai satu kelompok bukti.
Siapkan materi kreatif yang sesuai dengan konteks produk.
Gunakan Fotogenic AI untuk membuat adegan dan variasi gambar untuk produk yang dipilih. Terapkan aturan rekomendasi dan audiens di sistem perdagangan Anda.
Gambar produk Anda berikutnya dimulai di sini.
Ubah foto produk menjadi tampilan baru untuk toko Anda.
