使用 Salesforce Personalization Builder 优化客户旅程：咨询顾问的实时个性化指南

背景与应用场景

在当今竞争激烈的数字市场中，客户期望越来越高。品牌需要超越简单的细分，提供真正个性化和相关的体验，才能在众多竞争者中脱颖而出。实时个性化 (Real-time Personalization) 已不再是一种奢侈品，而是企业成功的必需品。

Salesforce Marketing Cloud Personalization (MCP)，前身为 Interaction Studio，正是为了满足这一需求而设计。其核心功能之一便是 Personalization Builder (个性化构建器)。它是一个强大的工具，旨在帮助企业在客户旅程的每一个触点提供无缝、相关的个性化体验。作为一名 Salesforce 咨询顾问，我深知其在提升客户满意度、转化率和品牌忠诚度方面的巨大潜力。

Personalization Builder 的关键在于其能够实时捕获、分析客户行为数据，并立即采取行动。这意味着当客户正在浏览您的网站、使用您的移动应用或与您的电子邮件互动时，系统可以即时调整其看到的体验。

典型应用场景：

网站个性化 (Website Personalization)：根据客户当前的浏览行为、历史偏好和实时意图，动态地调整网站内容、产品推荐、优惠信息和导航路径。例如，当客户在浏览数码相机时，网站可以推荐相关镜头或配件，并在页面上突出显示相机包的促销信息。
电子邮件内容个性化 (Email Content Personalization)：在营销邮件中插入动态内容块，根据收件人最新的行为（如购物车遗弃、特定产品的浏览记录）来展示最相关的产品、文章或优惠。
移动应用内个性化 (Mobile App Personalization)：为移动应用用户提供定制化的体验，包括个性化的推送通知、应用内消息、产品推荐或功能引导，以提高应用的使用率和用户留存。
“下一步最佳行动”推荐 (Next Best Action Recommendations)：在客户服务中心、销售互动甚至零售门店中，为服务代表或销售人员提供实时洞察和建议，帮助他们为客户提供最相关的支持或销售机会。
广告和活动优化 (Ad and Campaign Optimization)：将个性化数据集成到广告平台，实现更精准的受众定位和广告创意动态优化。

通过这些应用，企业能够实现与客户更深层次的连接，将每一次互动转化为有价值的、提升转化和忠诚度的机会。

原理说明

Personalization Builder 的强大之处在于其背后复杂的实时数据处理和决策能力。它构建在一个统一的客户视图之上，能够聚合来自各种数字触点的数据，并在微秒级别内做出个性化决策。

核心原理与组件：

数据捕获 (Data Capture)：
这是个性化之旅的第一步。Personalization Builder 通过多种渠道收集客户数据：
- JavaScript SDK：用于跟踪客户在网站和移动应用上的行为，如页面浏览、点击、搜索、加入购物车、购买等。
- Server-Side API：允许后端系统（如 CRM、ERP、POS 系统）将离线数据、事务数据或特定事件数据发送到 MCP。
- 批量导入 (Batch Imports)：用于导入历史数据或定期更新客户属性。
这些数据流入 MCP 的统一数据存储，构建起客户的实时数字足迹。
身份解析 (Identity Resolution)：
收集到的大量数据可能来自不同的来源，并可能关联到不同的标识符（如网站访客 ID、电子邮件地址、登录 ID）。身份解析是 MCP 的关键能力，它能够智能地将这些碎片化的数据片段统一关联到单个客户档案 (Customer Profile)。这意味着无论客户是在PC端浏览、手机端购物，还是通过客服电话咨询，MCP 都能将其行为和偏好归结到同一个客户身上，形成完整的 360度客户视图。
实时行为跟踪与分析 (Real-time Behavioral Tracking and Analysis)：
系统持续不断地跟踪客户的每一个数字交互。这些行为数据会立即被分析，以识别客户的实时意图和兴趣。例如，如果客户刚刚浏览了一个特定品牌的三件商品，系统就会立即更新其档案，并标记其对该品牌的兴趣。
动态细分 (Dynamic Segmentation)：
基于实时和历史行为，MCP 可以创建高度动态的客户细分。这些细分不是静态的，而是根据客户不断变化的活动而实时调整。例如，一个细分可能是“对运动鞋感兴趣且在过去30天内访问过网站三次的潜在客户”。
策略与人工智能 (Strategies and Artificial Intelligence)：
策略 (Strategies) 是 Personalization Builder 的大脑。它们是一组预定义的规则和算法，用于决定何时、何地、向谁展示何种内容或产品。策略可以非常简单（如“向所有首次访问者展示欢迎信息”），也可以非常复杂，融合了先进的机器学习 (Machine Learning) 模型和人工智能 (AI) 来实现：
- 协同过滤 (Collaborative Filtering)：基于“与您兴趣相似的客户也购买了/浏览了...”的原则进行推荐。
- 内容相似度 (Content Similarity)：推荐与当前浏览内容相似的产品或文章。
- 热门趋势 (Trending Items)：推荐当前最受欢迎的产品。
- 预测性推荐 (Predictive Recommendations)：基于客户的历史行为和预测模型，推荐其最有可能购买或感兴趣的产品。
- “下一步最佳行动”推荐 (Next Best Action)：不仅仅是产品，还可以是服务建议、优惠券发放或特定内容的展示。
这些策略在实时决策引擎 (Real-time Decisioning Engine) 中运行，确保在客户互动的瞬间做出最佳决策。
活动部署 (Campaign Deployment)：
一旦决策引擎确定了最佳的个性化内容或推荐，就需要通过活动 (Campaigns) 将其部署到相应的渠道。Personalization Builder 提供了一个易于使用的界面来创建和管理这些活动，例如：
- 网页个性化活动 (Web Personalization Campaigns)：在网站上动态插入横幅、产品推荐轮播、弹出窗口等。
- 电子邮件活动 (Email Campaigns)：通过与 Marketing Cloud Journey Builder 或 Email Studio 集成，将个性化内容注入电子邮件。
- API 驱动的活动 (API-Driven Campaigns)：将个性化推荐通过 API 提供给其他系统或应用，如移动应用、呼叫中心系统等。

整个过程在毫秒级完成，确保客户体验的连贯性和即时性。咨询顾问在实施过程中扮演着关键角色，需要协助客户定义数据模型、设计个性化策略、规划集成以及衡量成功。

示例代码

Personalization Builder 本身是一个配置和管理界面，通过图形化用户界面来设置策略和活动。因此，并没有直接的 Apex 或 Server-Side API 代码用于“构建”个性化规则。然而，其运作的基础是数据，而这些数据主要通过 JavaScript SDK 或 Server-Side API 传入。以下我们将展示一个使用 Marketing Cloud Personalization JavaScript SDK 跟踪用户行为的示例，这是 Personalization Builder 决策的基础数据来源。

这个示例代码来自 Salesforce 官方文档，展示了如何在网页上发送一个“查看商品”事件。Personalization Builder 会接收并处理这个事件，将其与客户档案关联，并用于后续的个性化决策。

<!-- 首先，确保在您的网站 <head> 部分包含了 Marketing Cloud Personalization JavaScript SDK -->
<script type="text/javascript">
(function(ev) {
    var client = document.createElement('script'); client.type = 'text/javascript'; client.async = true;
    client.src = '//YOUR_EVERGAGE_ACCOUNT.evergage.com/api/YOUR_ACCOUNT_ID/YOUR_DATASET_ID/web.js';
    var s = document.getElementsByTagName('script')[0]; s.parentNode.insertBefore(client, s);
})(Evergage);
</script>

<!-- 示例：在产品详情页加载时发送“查看商品”事件 -->
<script type="text/javascript">
// 假设这里有一些变量，代表当前页面的产品信息
const itemId = 'SKU_12345'; // 商品的唯一ID
const itemName = 'Lightning Fast Shoes'; // 商品名称
const itemUrl = window.location.href; // 商品页面的URL
const itemImageUrl = 'https://example.com/images/shoes_lightning.jpg'; // 商品图片URL
const itemPrice = 129.99; // 商品价格
const itemCategories = ['Footwear', 'Running Shoes']; // 商品分类

// 确保 Evergage SDK 已经加载并可用
if (typeof Evergage !== 'undefined' && Evergage.sendEvent) {
    Evergage.sendEvent({
        action: "View Item", // 事件的动作类型，这里是“查看商品”
        item: {
            _id: itemId, // 商品的唯一标识符，对于个性化推荐至关重要
            name: itemName, // 商品的显示名称
            url: itemUrl, // 商品页面的完整URL
            imageUrl: itemImageUrl, // 商品图片的URL
            price: itemPrice, // 商品价格，有助于价值计算和推荐过滤
            categories: itemCategories // 商品所属的分类列表，用于基于分类的推荐和细分
            // 还可以添加更多自定义属性，如品牌、颜色、尺寸、库存状态等
            // attributes: {
            //     brand: "EverRunner",
            //     color: "Blue",
            //     size: "US 10"
            // }
        }
        // 如果用户已登录，还可以关联用户ID，以实现更精准的身份解析和个性化
        // user: {
        //     id: "USER_LOGGED_IN_ID" // 例如，客户在您的系统中的唯一用户ID
        // }
    });
    console.log(`Evergage Event Sent: View Item - ${itemName}`);
} else {
    console.warn("Evergage SDK not loaded or Evergage.sendEvent is not available.");
}
</script>

代码说明：

第一部分是 Marketing Cloud Personalization JavaScript SDK 的基本加载代码。`YOUR_EVERGAGE_ACCOUNT`、`YOUR_ACCOUNT_ID` 和 `YOUR_DATASET_ID` 需要替换为您的实际账户信息。这是任何网页集成 MCP 的基础。
第二部分是一个实际的事件发送示例。当用户访问某个产品详情页时，这段脚本会执行。
`Evergage.sendEvent()` 是 SDK 的核心方法，用于向 MCP 发送各种类型的事件。
`action: "View Item"` 指定了这是一个“查看商品”事件。MCP 预定义了许多事件类型，也可以自定义。
`item` 对象包含了被查看商品的关键信息。`_id` 是商品的唯一标识符，对于确保推荐的准确性和一致性至关重要。`name`、`url`、`imageUrl`、`price` 和 `categories` 等属性提供了商品的基本描述，供个性化引擎分析和展示。
注释中还提到了可以添加 `attributes` 来自定义更多商品属性，以及 `user` 对象来关联已登录用户的 ID，这对于实现更深度的个性化和身份解析非常有帮助。
在发送事件之前，通过 `typeof Evergage !== 'undefined' && Evergage.sendEvent` 检查 SDK 是否已加载，这是一种良好的编程实践，可以避免在 SDK 未完全加载时报错。

这个代码示例直接体现了如何将客户的实时行为数据输入到 Personalization Builder 所依赖的系统中。一旦这些数据被捕获，Personalization Builder 就可以利用它们来驱动复杂的策略和活动，提供定制化的用户体验。

注意事项

实施 Personalization Builder 是一项战略性工作，需要细致的规划和持续的优化。作为咨询顾问，我通常会强调以下几个关键注意事项：

1. 权限管理 (Permission Management)

角色和职责划分：在 Marketing Cloud Personalization 中，有多种预设的用户角色（如 Admin、Marketer、Developer、Analyst）。务必根据团队成员的职责，合理分配权限。例如，营销人员可能需要创建和管理活动，但开发者可能需要配置集成和数据流。
数据访问控制：确保只有授权人员才能访问敏感的客户数据，尤其是在处理个人身份信息 (PII) 时，以符合数据隐私法规。

2. API 限制与性能 (API Limits & Performance)

Server-Side API 速率限制：如果您使用 Server-Side API 将大量数据推送到 MCP 或从中拉取推荐，需要关注 API 调用速率限制。设计您的集成时，应考虑批量处理、错误重试机制和冷却时间，以避免超出限制并影响系统稳定性。
JavaScript SDK 性能影响：虽然 JavaScript SDK 是异步加载的，但过多的事件发送或复杂的客户端逻辑可能会影响网站的加载速度和用户体验。优化 SDK 的实现，只发送必要的事件，并确保代码高效运行。
实时决策延迟 (Real-time Decisioning Latency)：尽管 MCP 以实时著称，但在极端高并发或复杂策略的情况下，仍可能存在微小的延迟。在规划时，需要考虑对用户体验的潜在影响，并进行充分的压力测试。

3. 数据治理与合规性 (Data Governance & Compliance)

数据隐私法规：严格遵守如 GDPR (通用数据保护条例)、CCPA (加州消费者隐私法案) 以及其他地方性数据隐私法规。这意味着需要：
- 明确告知客户您正在收集哪些数据以及如何使用。
- 提供客户选择退出 (Opt-out) 数据跟踪的机制。
- 确保数据存储和传输的安全性。
- 处理数据删除请求 (Right to be forgotten)。
同意管理 (Consent Management)：集成同意管理平台 (CMP) 以获取和管理用户的 Cookie 和数据收集同意。确保 Personalization Builder 的数据收集与用户的同意状态保持一致。
数据质量 (Data Quality)： “垃圾进，垃圾出”。确保输入 Personalization Builder 的数据是准确、完整和一致的。脏数据会导致错误的个性化推荐和低效的策略。定期进行数据审计和清理至关重要。

4. 集成复杂性 (Integration Complexity)

数据模型设计：在实施之前，仔细规划您的客户、商品、事件数据模型。清晰定义哪些数据需要跟踪，以及它们如何相互关联，这将直接影响个性化策略的有效性。
跨系统集成： Personalization Builder 往往需要与其他系统（如 CRM、电子商务平台、数据仓库）进行集成，以实现全面的客户视图和旅程编排。这需要专业的集成工程师进行规划和实施，可能涉及复杂的 API 开发和数据流管理。
测试与验证：在部署到生产环境之前，务必进行彻底的测试。包括数据流测试、策略逻辑测试、A/B 测试以及不同场景下的用户体验测试，以确保个性化体验按预期工作。

5. 持续优化与迭代 (Continuous Optimization & Iteration)

A/B 测试 (A/B Testing)：个性化不是一劳永逸的。通过持续的 A/B 测试来比较不同策略、内容或推荐算法的效果，并根据数据不断优化。
监测与分析：密切关注个性化活动的关键绩效指标 (KPIs)，如转化率、参与度、平均订单价值等。使用 MCP 提供的报告和分析工具来评估效果并发现改进机会。
业务目标对齐：确保所有个性化努力都与明确的业务目标保持一致。个性化不仅仅是为了“看起来很酷”，更是为了实现可衡量的业务成果。

作为咨询顾问，我的职责是指导客户避免这些陷阱，确保 Personalization Builder 的实施既符合技术最佳实践，又能最大化其业务价值。

总结与最佳实践

Salesforce Personalization Builder 是一个变革性的工具，它赋予了企业在瞬息万变的数字环境中提供高度相关和及时个性化体验的能力。通过将实时数据洞察与强大的 AI 驱动策略相结合，它帮助企业从被动响应转变为主动预测客户需求，从而显著提升客户满意度、加速转化并建立持久的品牌忠诚度。

作为一名 Salesforce 咨询顾问，我坚信，要充分发挥 Personalization Builder 的潜力，企业需要采取一种战略性、以客户为中心的方法。以下是一些关键的总结和最佳实践：

1. 明确业务目标与 KPI

在开始之前，清晰地定义您希望通过个性化实现什么。无论是提高网站转化率、减少购物车遗弃、增加电子邮件打开率还是提升客户服务效率，具体可衡量的 KPIs (关键绩效指标) 将指导您的策略并衡量成功。没有明确的目标，个性化工作就容易偏离方向。

2. 建立统一的客户视图

Personalization Builder 的力量源于其对客户的全面理解。投资于强大的身份解析能力，整合来自所有触点（网站、移动应用、CRM、离线销售点等）的数据，构建一个真正统一的 360度客户视图。这是精准个性化的基础。

3. 优先考虑数据质量和治理

“数据是燃料，个性化是引擎。”确保流入 Personalization Builder 的数据是干净、准确和最新的。实施严格的数据治理流程，包括数据验证、清理和定期审计。同时，要高度重视数据隐私和合规性，确保所有数据收集和使用都符合 GDPR、CCPA 等法规，并建立透明的同意管理机制。

4. 逐步实施，从小处着手

不要试图一次性个性化所有东西。从一两个明确的用例开始，例如优化主页或产品详情页的推荐。通过这些小规模的成功来学习和迭代，逐步扩展到更复杂的场景和更广泛的客户旅程触点。这种迭代方法有助于团队积累经验并证明投资回报。

5. 拥抱 AI 和机器学习

充分利用 Personalization Builder 内置的 AI/ML 能力。除了基于规则的策略外，探索协同过滤、预测性推荐和下一步最佳行动建议。这些高级算法能够发现人工难以察觉的模式，提供更智能、更具预测性的个性化体验。持续监测 AI 驱动策略的表现，并根据需要进行调整。

6. 跨部门协作 (Cross-departmental Collaboration)

成功的个性化需要营销、销售、服务、IT 和数据团队的紧密合作。咨询顾问在此扮演着桥梁的角色，确保各部门对个性化战略有共同的理解，并在数据共享、流程协调和目标对齐方面协同工作。例如，销售团队的洞察可以告知营销个性化策略，而服务团队的反馈可以用于优化客户支持的个性化体验。

7. 持续测试、学习和优化

个性化是一个永无止境的旅程。使用 A/B 测试和多变量测试来持续评估不同个性化方法的效果。密切关注客户行为数据和关键绩效指标，从中获取洞察。不断调整和优化策略，确保您的个性化努力始终为客户提供最大价值，并为企业带来最佳回报。

通过遵循这些最佳实践，企业不仅能够驾驭数字个性化的复杂性，还能将 Salesforce Personalization Builder 转化为其客户体验战略的核心驱动力，从而在竞争激烈的市场中脱颖而出，赢得客户的忠诚与信任。

Salesforce Einstein AI 编程实践：开发者视角下的智能预测

九月 15, 2025

阅读全文

Salesforce中文网