مدیر شخصی‌سازی
Personalization Manager
مدیر شخصی‌سازی تصمیم می‌گیرد هر مشتری در سایت، اپلیکیشن، ایمیل یا پیامک چه محتوا و پیشنهادی ببیند، و با آزمایش ثابت می‌کند این کار واقعاً فروش یا وفاداری را بالا برده است. ابزارش موتورهای شخصی‌سازی و آزمایش مثل Adobe Target، Optimizely، Dynamic Yield یا Salesforce Personalization است و کارش را با تیم‌های CRM، داده و علم داده پیش می‌برد؛ در آگهی‌هایی مثل Landmark Group مدل‌ها را تیم علم داده می‌سازد و این نقش آن‌ها را به تجربه‌ای برای مشتری تبدیل می‌کند. «Real-time Personalization Strategist»، نام قبلی این صفحه، عنوان شغلی کارفرماها نیست: در آگهی‌های ۲۰۲۶ همین کار با عنوان‌هایی مثل Personalization Manager، Senior Manager, CRM & Personalization Strategy یا Head of Personalisation & Experimentation آگهی می‌شود، و Optimizely نام «Personalization Strategist» را برای یکی از ایجنت‌های AI خودش به کار برده است. «بلادرنگ» در آگهی‌ها یک قابلیت است، نه عنوان شغل.
مقدمه و تعریف شغل
مدیر شخصی‌سازی (Personalization Manager) مسئول این است که تجربهٔ هر مشتری، یعنی صفحهٔ اصلی سایت، محصولات پیشنهادی، پیشنهاد ویژه یا پیامی که در اپ و ایمیل می‌گیرد، بر اساس رفتار و دادهٔ خود او تنظیم شود و این تنظیم واقعاً نتیجه بدهد. کار سه بخش دارد: انتخاب جاهایی که شخصی‌سازی بیشترین ارزش را دارد، ساختن تجربه در موتورهایی مثل Adobe Target، Dynamic Yield یا Salesforce Personalization، و اثبات اثر با آزمایش و گروه کنترل. AI در دو جا وارد می‌شود: خود موتورها با یادگیری ماشین برای هر بازدیدکننده تجربه انتخاب می‌کنند، و مدیر شخصی‌سازی خروجی مدل‌های تیم علم داده را به تصمیم‌هایی مثل «پیشنهاد بعدی برای این مشتری» تبدیل می‌کند. Landmark Group این را این‌طور نوشته است: این نقش «صرفاً مدیریت کمپین یا علم داده نیست»؛ مسئول تبدیل دانش مشتری به فعال‌سازی در مقیاس و اثبات اثر افزایشی است.
ایدهٔ رفتار یک‌به‌یک با مشتری تازه نیست. Don Peppers و Martha Rogers در ۱۹۹۳ کتاب The One to One Future را نوشتند و طبق ویکی‌پدیا اغلب آن‌ها را آغازگر موج CRM می‌دانند. آنچه عوض شده ابزار است: Evergage، که طبق ویکی‌پدیا پلتفرم «شخصی‌سازی بلادرنگ و CDP» بود، در ۲۰۲۰ به Salesforce فروخته شد و McDonald's طبق Globes در ۲۰۱۹ پلتفرم Dynamic Yield را به ۳۰۰ میلیون دلار خرید و بعد آن را به Mastercard فروخت. امروز موتورها خودشان یادگیری ماشین دارند و پلتفرم‌ها ایجنت AI هم اضافه کرده‌اند: مستندات Optimizely ایجنتی با نام Personalization Strategist را توضیح می‌دهد که کمپین شخصی‌سازی را برنامه‌ریزی و آماده می‌کند و فقط پس از تأیید انسان اقدام می‌کند. در آگهی‌ها این شغل گاهی کنار CRM و پیام‌رسانی است (7-Eleven و PAYBACK)، گاهی کنار بهینه‌سازی سایت و آزمایش (Thomson Reuters، Frasers Group و Qantas) و گاهی کنار فعال‌سازی AI (Landmark Group).
چه چیزی می‌سازید؟
مثال‌های واقعی از خروجی کار یک مدیر شخصی‌سازی
نقشهٔ راه و فهرست اولویت‌دار use caseها
Landmark Group فهرستی شفاف از use caseها با معیار اولویت، مالک و نتیجهٔ مورد انتظار می‌خواهد و AARP از Personalization Manager می‌خواهد مواردی را پیدا کند که شخصی‌سازی بیشترین اثر را برای اعضا و کسب‌وکار دارد.
تجربه‌های شخصی‌سازی‌شده و توصیه روی سایت
Frasers Group از Personalisation Specialist می‌خواهد استراتژی توصیهٔ محصول را برای همهٔ سایت‌های گروه بسازد، راه بیندازد و موفقیتش را پایش کند.
آزمایش A/B و گروه holdout
Office Shoes آزمایش‌های A/B را برای سایت‌ها و اپ‌هایش با Bloomreach و Dynamic Yield اجرا می‌کند و Landmark Group گروه کنترل و holdout را برای سنجش اثر افزایشی هر use case می‌خواهد.
تصمیم‌گیری next-best-offer
McAfee از Website Personalization Manager می‌خواهد با CDP و Adobe Target شخصی‌سازی بلادرنگ محتوا، هدف‌گیری پیشنهاد و چارچوب‌های تصمیم Next Best Offer را پیاده کند.
سفرهای شخصی‌سازی‌شدهٔ CRM
7-Eleven سفرهای شخصی‌سازی‌شده در ایمیل، پیامک، push و پیام درون‌اپ می‌خواهد و موفقیت را با تعداد مراجعه به فروشگاه، اندازهٔ سبد خرید، سوخت‌گیری و سفارش تحویل می‌سنجد.
مخاطب‌ها و تقسیم‌بندی پویا
Landmark Group می‌خواهد وابستگی به تقسیم‌بندی ایستا کم شود و هدف‌گیری رفتاری و پیش‌بین جای آن را بگیرد؛ Bever همین کار را با CDP و روش‌هایی مثل RFM انجام می‌دهد.
تخصص‌های مختلف مدیر شخصی‌سازی
این شغل یک عنوان واحد نیست — مسیرهای تخصصی متعددی دارد
شخصی‌سازی و بهینه‌سازی سایت و اپ
Web & App Personalization / Optimization
تجربه‌ها و توصیه‌های روی سایت و اپ با Adobe Target، Dynamic Yield یا Bloomreach و آزمایش مداوم. آگهی‌های Thomson Reuters، McAfee، Frasers Group و Office Shoes در این شاخه‌اند.
شخصی‌سازی CRM و lifecycle
CRM & Lifecycle Personalization
سفرهای شخصی‌سازی‌شده در ایمیل، پیامک، push و پیام درون‌اپ. 7-Eleven، PAYBACK و Bever این شاخه را آگهی کرده‌اند و PAYBACK از «هایپرپرسونالیزیشن» برای خبرنامه و push حرف می‌زند.
فعال‌سازی AI و تصمیم‌گیری خودکار
AI Activation & Decisioning
تبدیل مدل‌های propensity، توصیه و next-best-action به تصمیم برای هر مشتری و تعیین قاعده برای آن. آگهی Landmark Group با عنوان Personalisation & AI Activation نمونهٔ روشن این شاخه است.
رهبری برنامهٔ آزمایش
Experimentation Program Leadership
ساختن چارچوب آزمایش برای کل سازمان و جا انداختن تصمیم‌گیری مبتنی بر شواهد. Qantas و CHANEL شخصی‌سازی و آزمایش را زیر یک مدیر گذاشته‌اند و CHANEL پژوهش UX را هم به آن اضافه کرده است.
مهندسی شخصی‌سازی (MarTech)
Personalization Engineering (MarTech)
سمت فنی و کدنویسی همین کار: ساختن مدل‌های پیش‌بین، سیستم‌های RAG برای محتوای شخصی و یکپارچه‌سازی با CDP. McAfee برای Senior MarTech Personalization Engineer تسلط به Python و PyTorch یا TensorFlow می‌خواهد و حقوق ۱۳۵٬۹۱۰ تا ۲۲۳٬۲۸۵ دلار اعلام کرده است. این شاخه به مهندسی ML نزدیک‌تر است تا بازاریابی.
تفاوت با شغل‌های مشابه
کجا این شغل تمام می‌شود و شغل دیگری شروع می‌شود؟
مهندس سیستم توصیه مدل و سیستم را می‌سازد: بازیابی، رتبه‌بندی و سرویس‌دهی با تأخیر کم. مدیر شخصی‌سازی از خروجی همین سیستم‌ها یا از موتورهای آماده استفاده می‌کند و تصمیم می‌گیرد کجا و برای چه کسی به کار بروند و اثرشان چطور سنجیده شود. McAfee این دو را جدا آگهی کرده است: Website Personalization Manager با Adobe Target و تیم تولید صفحه کار می‌کند و Senior MarTech Personalization Engineer با Python، PyTorch و مدل‌های پیش‌بین. Landmark Group هم از مدیر شخصی‌سازی می‌خواهد با تیم‌های تحلیل و علم داده کار کند تا مدل‌ها به «تجربهٔ عملی برای مشتری» تبدیل شوند.
مدیر عملیات بازاریابی بیشتر در B2B کار می‌کند و مالک سیستم‌های زیر بازاریابی است: پلتفرم اتوماسیون، CRM، امتیازدهی و مسیریابی سرنخ و AI SDR. مدیر شخصی‌سازی بیشتر در شرکت‌های مصرفی و عضویت‌محور کار می‌کند و مالک این است که هر مشتری چه محتوا و پیشنهادی ببیند و این کار چه اثری داشته است. همپوشانی در سمت CRM و lifecycle واقعی است: 7-Eleven از Senior Manager, CRM & Personalization Strategy ساختن و بهینه کردن workflowهای اتوماسیون بازاریابی را هم می‌خواهد.
هر دو با آزمایش و سنجش اثر سروکار دارند، اما خروجی‌شان فرق دارد. خروجی دانشمند تصمیم‌گیری تحلیل و توصیه است؛ خروجی مدیر شخصی‌سازی یک برنامهٔ در حال اجراست: تجربه‌هایی که روی سایت و اپ فعال‌اند، نقشهٔ راه و فهرست use caseها. Landmark Group از مدیر شخصی‌سازی می‌خواهد گروه کنترل، holdout و آزمایش را تعریف کند و همبستگی را از اثر اثبات‌شده جدا کند، اما SQL را برای این نقش فقط امتیاز می‌داند، نه شرط، و این نقش را «شریک کسب‌وکاری اصلی» تیم‌های علم داده و تحلیل می‌نامد، نه جایگزین آن‌ها.
مرز این دو در آگهی‌ها باریک است و گاهی یک عنوان هر دو را دارد، مثل CRM & Personalization در 7-Eleven یا Digital Push Marketing & Personalization در PAYBACK. مدیر CRM مالک کانال‌های پیام‌رسانی مثل ایمیل، پیامک و push و تقویم کمپین است. مدیر شخصی‌سازی دامنهٔ وسیع‌تری را می‌گیرد: سایت و اپ هم جزو کار است و تمرکز روی منطق تصمیم و آزمایش است. Frasers Group از Personalisation Specialist می‌خواهد با تیم CRM همکاری کند تا پیام در همهٔ نقاط تماس یکدست باشد.
تأثیر در صنایع مختلف
مدیر شخصی‌سازی در همه صنایع مشغول به کار است — نه فقط شرکت‌های فناوری
خرده‌فروشی و فروشگاه‌های زنجیره‌ای
7-Eleven موفقیت شخصی‌سازی را با مراجعه به فروشگاه، اندازهٔ سبد خرید، سوخت‌گیری و سفارش تحویل اعضای برنامهٔ وفاداری می‌سنجد
سازمان‌های عضویت‌محور
AARP مدیر شخصی‌سازی را در بخش بازاریابی برای تنظیم تجربهٔ اعضا، با رعایت حاکمیت داده و حریم خصوصی، استخدام می‌کند
اطلاعات تخصصی و نرم‌افزار B2B
Thomson Reuters می‌خواهد سایت‌هایش از پیام یکسان برای همه به هدف‌گیری محتوا و سفر مشتری بر اساس مخاطب برسند و تعریف کند بلوغ شخصی‌سازی در B2B یعنی چه
هواپیمایی و برنامه‌های وفاداری
Qantas راهبرد شخصی‌سازی و آزمایش را برای Qantas Loyalty و Qantas Airlines زیر یک مدیر ارشد گذاشته است
خرده‌فروشی چندبرندی در خاورمیانه
Landmark Group در دبی برای همهٔ برندهایش نقشهٔ راه شخصی‌سازی و فعال‌سازی AI می‌سازد
نرم‌افزار امنیت مصرف‌کننده
McAfee هم مدیر شخصی‌سازی سایت در بنگلور و هم مهندس شخصی‌سازی MarTech در آمریکا استخدام می‌کند
کالای لوکس
CHANEL در نیویورک مدیری برای شخصی‌سازی دیجیتال و پژوهش UX در سه بخش خرده‌فروشی‌اش می‌خواهد و تأکید می‌کند «حس انسانی» حفظ شود
برنامه‌های وفاداری و پرداخت
PAYBACK در مونیخ خبرنامه و push را با شخصی‌سازی، آزمایش و AI به محصولات کاملاً شخصی تبدیل می‌کند
تصورات غلط رایج
قبل از تصمیم‌گیری، این باورهای اشتباه را بشناسید
«استراتژیست شخصی‌سازی بلادرنگ» یک عنوان شغلی رایج است
در جستجوی آگهی‌ها با این عنوان هیچ آگهی‌ای پیدا نشد. کارفرماها Personalization Manager یا ترکیبی مثل CRM & Personalization و Personalisation & Experimentation می‌نویسند. «بلادرنگ» در آگهی‌ها قابلیت ابزار است (McAfee از «شخصی‌سازی بلادرنگ محتوا و پیشنهاد» حرف می‌زند) و Optimizely نام Personalization Strategist را به یک ایجنت AI داده است. برای جستجوی کار، عنوان‌های بازار را جستجو کنید.
برای این کار باید مدل یادگیری ماشین بسازید
در بیشتر آگهی‌های این صفحه نه. Landmark Group از مدیر شخصی‌سازی می‌خواهد با تیم‌های علم داده کار کند و مدل‌ها را به تصمیم عملی تبدیل کند و SQL را فقط امتیاز می‌داند. آنچه لازم است فهم مدل است: بدانید مدل propensity یا توصیه چه می‌گوید و کجا قابل اعتماد نیست. ساختن مدل کار شاخهٔ مهندسی است، مثل آگهی Senior MarTech Personalization Engineer در McAfee.
«بلادرنگ» یعنی تجربه با هر کلیک عوض می‌شود
تصمیم می‌تواند در لحظه گرفته شود، اما یادگیری لزوماً لحظه‌ای نیست. طبق مستندات Adobe Target، مدل‌های Automated Personalization هر ۲۴ ساعت دوباره ساخته می‌شوند و تجربهٔ یک بازدیدکننده در طول یک نشست ثابت می‌ماند. بخشی از کار شما این است که بدانید ابزار دقیقاً چه چیزی را بلادرنگ انجام می‌دهد.
ایجنت‌های AI این شغل را حذف می‌کنند
ایجنت‌ها بخشی از کار اجرایی را برمی‌دارند: ایجنت Personalization Strategist در Optimizely فرصت پیدا می‌کند، کمپین را می‌سازد و عملکرد را پایش می‌کند. اما طبق مستندات خودش «فقط پس از تأیید شما اقدام می‌کند». آگهی‌ها هم مسئولیت قاعده‌گذاری و توضیح‌پذیری را به انسان می‌سپارند؛ Landmark Group می‌خواهد use caseهای AI «قابل توضیح» باشند. اینکه تعداد این شغل‌ها در آینده چطور تغییر می‌کند، در منابع این صفحه پیش‌بینی نشده است.
هر شخصی‌سازی که نرخ تبدیل را بالا ببرد موفق است
بالا رفتن نرخ تبدیل گروه هدف ممکن است اثر خود شخصی‌سازی نباشد؛ این مشتری‌ها شاید بدون آن هم می‌خریدند. به همین دلیل Landmark Group گروه holdout و گزارشی می‌خواهد که همبستگی را از اثر افزایشی اثبات‌شده جدا کند. همان آگهی می‌خواهد جلوی هدف‌گیری بیش از حد و تجربه‌های مزاحم گرفته شود؛ نتیجهٔ کوتاه‌مدت نباید به اعتماد مشتری آسیب بزند.
یک روز کاری واقعی
در هر سطح روز کاری چه شکلی است؟
جونیور (۰–۲ سال)
بیشتر وقت صرف اجرای آزمایش‌ها و تجربه‌ها در یک ابزار شخصی‌سازی و گزارش نتیجه‌ها می‌شود. با تیم تجارت الکترونیک، طراحی و CRM زیاد جلسه دارید.
- ◆راه‌اندازی یک آزمایش A/B تازه روی صفحهٔ محصول و QA آن روی موبایل و دسکتاپ
- ◆تنظیم یک قاعدهٔ توصیهٔ محصول برای مشتری‌های بازگشتی
- ◆تهیهٔ گزارش هفتگی نتیجهٔ آزمایش‌ها برای تیم تجارت الکترونیک
- ◆تماس هفتگی با مدیر حساب پلتفرم شخصی‌سازی برای مرور نتیجه‌ها
میانی (۲–۵ سال)
مالک چند use case و تقسیم‌بندی مخاطب هستید و تصمیم می‌گیرید کدام ایده اول آزمایش شود. وقتی داده یا شناسایی مشتری ناقص است، شما علت را پیدا می‌کنید.
- ◆تعریف یک تقسیم‌بندی تازه در CDP بر اساس رفتار و ارزش مشتری
- ◆نوشتن فرضیه و طرح آزمایش با گروه holdout برای یک سفر شخصی‌سازی‌شده
- ◆جلسه با تیم علم داده دربارهٔ اینکه خروجی یک مدل propensity چطور به قاعدهٔ هدف‌گیری تبدیل شود
- ◆بررسی اینکه یک use case با قواعد رضایت و حریم خصوصی سازگار است
ارشد (۵+ سال)
تمرکز روی نقشهٔ راه، اولویت‌بندی، اثبات ROI و رهبری تیم است. بخش زیادی از وقت صرف هماهنگی با محصول، فناوری، داده و مدیران ارشد می‌شود.
- ◆اولویت‌بندی فهرست use caseهای فصل بعد بر اساس ارزش، آمادگی داده و سختی اجرا
- ◆ارائهٔ بازبینی پس از اجرای یک برنامه و اثر افزایشی آن به مدیران
- ◆تعیین قاعده برای اینکه سیگنال‌های پیش‌بین در کجا استفاده نشوند
- ◆ارزیابی یک ابزار یا ایجنت AI تازه برای شخصی‌سازی و تصمیم دربارهٔ آزمودن آن
مسئولیت‌ها و وظایف
مسئولیت‌های اصلی
وظایف روزانه و مهارت‌های مورد نیاز در این شغل
- ◈طراحی تجربه‌های شخصی‌سازی‌شده روی سایت، اپ، ایمیل، پیامک و push، از تعریف مخاطب تا قاعدهٔ هدف‌گیری
- ◈اجرای آزمایش A/B، گروه کنترل و holdout و گزارش اثر افزایشی هر تجربه
- ◈تبدیل خروجی مدل‌های پیش‌بین و توصیه به قاعدهٔ کسب‌وکار، منطق مخاطب و تصمیم next-best-action
- ◈کار با موتورهای شخصی‌سازی و CDP مثل Adobe Target، Dynamic Yield، Bloomreach یا Salesforce Personalization و مدیریت رابطه با فروشنده‌ها
- ◈همکاری با CRM، تجارت الکترونیک، محصول، علم داده و مهندسی برای اجرای یکدست شخصی‌سازی
- ◈ترجمهٔ مفاهیم فنی و نتیجهٔ آزمایش به زبان قابل فهم برای ذی‌نفعان غیرفنی
- ◈تعریف و نگهداری نقشهٔ راه شخصی‌سازی و اولویت‌بندی use caseها بر اساس ارزش مشتری، اثر تجاری و آمادگی داده
- ◈تعیین قاعده و چارچوب برای استفاده از دادهٔ مشتری و AI، هماهنگ با حریم خصوصی و رضایت
- ◈ساختن business case و بازبینی پس از اجرا برای نشان دادن ROI به مدیران
- ◈مستندسازی آموخته‌ها و رساندن آزمایش‌های موفق از مرحلهٔ آزمایشی به مقیاس
مهارت‌های مورد نیاز
مهارت‌های فنی، نرم و حوزه‌ای که یک مدیر شخصی‌سازی موفق به آن‌ها نیاز دارد
مهارت‌های فنی
طراحی فرضیه، گروه کنترل و holdout؛ Thomson Reuters، Landmark Group، Frasers Group و Office Shoes همه آن را می‌خواهند
Adobe Target، Optimizely، Dynamic Yield، Bloomreach یا معادل؛ Thomson Reuters تسلط عملی بر پشتهٔ Adobe یا پلتفرم معادل را شرط گذاشته است
ساختن و فعال کردن مخاطب و قاعدهٔ هدف‌گیری؛ AARP شناخت روش‌های تقسیم‌بندی مشتری را می‌خواهد
Google Analytics، Adobe Analytics و Contentsquare برای سنجش و یافتن نقطه‌های گیر سفر مشتری
McAfee تسلط بر CDPهایی مثل Adobe Real-Time CDP، Salesforce Data Cloud یا Segment را می‌خواهد و Bever تجربه با Bloomreach
Landmark Group تجربهٔ عملی با مدل‌های propensity، موتورهای توصیه یا use caseهای AI را می‌خواهد؛ ساختن مدل لازم نیست، فهم و ارزیابی آن لازم است
طراحی منطق اینکه کدام پیشنهاد به کدام مشتری برسد؛ در آگهی‌های McAfee و Landmark Group آمده است
Bever دانستن SQL یا Power BI را می‌خواهد و Landmark Group آن را امتیاز می‌داند
برای اعمال تغییرهای ساده روی تجربه‌ها؛ Office Shoes تجربهٔ ویرایش HTML و CSS را می‌خواهد
Thomson Reuters استفاده از ابزارهای AI-native برای شخصی‌سازی و سرعت را جزو وظایف آورده و تجربه در استفاده از AI برای شخصی‌سازی را امتیاز می‌داند
مهارت‌های نرم
Thomson Reuters سابقهٔ موفق در سازمان‌های ماتریسی و اثرگذاری بر تیم‌هایی که به شما گزارش نمی‌دهند را شرط گذاشته است
Thomson Reuters و Landmark Group هر دو تبدیل نیاز کسب‌وکار به نیازمندی فنی و منطق سفر مشتری را می‌خواهند
ارائهٔ نتیجهٔ آزمایش و ROI به مدیران؛ CHANEL و Landmark Group توان ارائه به مدیران ارشد را می‌خواهند
Landmark Group سبدی از برد سریع، use caseهای قابل گسترش و قابلیت‌های بلندمدت AI می‌خواهد
Thomson Reuters ۳+ سال مدیریت تیم و 7-Eleven سابقهٔ رهبری تیم را برای سطح ارشد می‌خواهند
Office Shoes رابطه با پلتفرم Dynamic Yield را به این نقش سپرده و CHANEL مدیریت روابط با فروشنده‌ها را
دانش حوزه‌ای
AARP شناخت قوی از حاکمیت داده، مقررات حریم خصوصی و استفادهٔ مسئولانه از داده را شرط گذاشته است
7-Eleven ۸+ سال تجربهٔ رشد مشتری در B2C می‌خواهد و Landmark Group دانش قوی از چارچوب‌های CRM و lifecycle
جست‌وجوی سایت، توصیهٔ محصول و نمایش پیشنهاد؛ در آگهی‌های Office Shoes و Frasers Group آمده است
Qantas، 7-Eleven و PAYBACK شخصی‌سازی را کنار برنامهٔ وفاداری گذاشته‌اند
نقشه راه و مسیر آموزشی
نقشه راه تبدیل شدن به مدیر شخصی‌سازی
این مسیر گام به گام شما را از صفر تا حرفه‌ای هدایت می‌کند.
سفر مشتری، تحلیل وب و SQL
شخصی‌سازی از فهم رفتار کاربر شروع می‌شود: کاربر از کجا می‌آید، کجا گیر می‌کند و کجا می‌خرد. آگهی Frasers Group تجربه با ابزارهای تحلیلی مثل GA و ContentSquare را می‌خواهد و Bever دانستن SQL یا Power BI را. در این مرحله Google Analytics را یاد بگیرید و SQL را تا حد نوشتن کوئری برای تقسیم مشتری‌ها و مقایسهٔ گروه‌ها جلو ببرید.
آزمایش A/B و سنجش اثر واقعی
هستهٔ این شغل این است که نشان دهید یک تجربهٔ شخصی‌سازی‌شده واقعاً نتیجه داده است. Landmark Group می‌خواهد گروه کنترل، holdout و آزمایش A/B را درست تعریف کنید و گزارش‌ها «همبستگی را از اثر افزایشی اثبات‌شده جدا کنند». دورهٔ رایگان A/B Testing در Udacity را که مدرسانش از Google هستند بگذرانید، محاسبهٔ حجم نمونه را تمرین کنید و کتاب Trustworthy Online Controlled Experiments را بخوانید.
پلتفرم‌های شخصی‌سازی و پیام‌رسانی
حالا با یک موتور شخصی‌سازی کار کنید: تعریف مخاطب، قاعدهٔ هدف‌گیری، تجربه‌های مختلف و سنجش. Thomson Reuters تسلط عملی بر Adobe Target یا پلتفرم معادل را شرط گذاشته، Office Shoes با Dynamic Yield و Bloomreach کار می‌کند و Frasers Group با ابزارهای توصیه روی سایت. Adobe Target و Optimizely مستندات و آکادمی رسمی دارند؛ Braze Learning هم برای سمت CRM و پیام‌رسانی شروع خوبی است.
شخصی‌سازی با یادگیری ماشین و AI
لازم نیست مدل بسازید، اما باید بفهمید مدل چه می‌کند تا بتوانید از آن درست استفاده کنید. Landmark Group از این نقش می‌خواهد خروجی مدل‌های پیش‌بین را به «قاعدهٔ کسب‌وکار، منطق مخاطب و مسیر فعال‌سازی» تبدیل کند و مدلی را که از نظر فنی خوب است اما نتیجهٔ کسب‌وکاری ندارد به چالش بکشد. مستندات Adobe Target نشان می‌دهد Automated Personalization با Random Forest برای هر بازدیدکننده تجربه انتخاب می‌کند و Auto-Allocate روش multi-armed bandit است. دورهٔ چهارساعتهٔ Recommendation Systems در Google اجزای اصلی سیستم توصیه را توضیح می‌دهد.
حریم خصوصی، قاعده‌گذاری و رهبری برنامه
در سطح مدیر، کار ساختن برنامه است نه فقط اجرای کمپین. AARP رعایت «استانداردها و چارچوب‌های شخصی‌سازی، از جمله استفاده از داده و منطق تصمیم» را جزو وظایف آورده و Landmark Group می‌خواهد جلوی هدف‌گیری بیش از حد و استفادهٔ نادرست از سیگنال‌های پیش‌بین گرفته شود. Thomson Reuters هم از این نقش می‌خواهد برنامه را «از آزمایش آزمایشی به مقیاس» برساند. قوانین بازاریابی مستقیم و رضایت را یاد بگیرید و اصول طراحی سیستم‌های مبتنی بر ایجنت را بشناسید.
ابزارها و استک فنی
ابزارهایی که هر مهندس AI باید بشناسد، دسته‌بندی‌شده بر اساس اولویت
موتورهای شخصی‌سازی و آزمایش
موتور آزمایش و شخصی‌سازی Adobe؛ Thomson Reuters آن را «موتور تصمیم» می‌نامد و تجربه با آن را می‌خواهد و McAfee شخصی‌سازی بلادرنگ محتوا و پیشنهاد را با آن انجام می‌دهد
پلتفرم آزمایش A/B و شخصی‌سازی وب؛ طبق ویکی‌پدیا در ۲۰۱۰ تأسیس شد و در ۲۰۱۵ محصول شخصی‌سازی وب و موبایل را عرضه کرد
پلتفرم شخصی‌سازی متعلق به Mastercard با بخش‌های تقسیم مخاطب، هدف‌گیری، توصیه و آزمایش؛ Office Shoes هر هفته با مدیر حساب آن نتیجهٔ آزمایش‌ها را مرور می‌کند
دادهٔ مشتری و CDP
پلتفرم دادهٔ مشتری Adobe؛ McAfee آن را در کنار Salesforce Data Cloud و Segment در فهرست CDPها آورده است
پلتفرم دادهٔ Salesforce (نام قبلی Data Cloud) که Salesforce Personalization روی آن ساخته شده است
پلتفرم دادهٔ مشتری (CDP) شرکت Twilio؛ در فهرست CDPهای آگهی Website Personalization Manager در McAfee آمده است
تصمیم‌گیری یک‌به‌یک و CRM
به گفتهٔ Salesforce تجربه‌های یک‌به‌یک و بلادرنگ را در همهٔ نقاط تماس می‌سازد؛ 7-Eleven تجربه با Salesforce Marketing Cloud Engagement و Personalization را ترجیح می‌دهد
بخش تصمیم‌گیری AI در Braze با شعار «شخصی‌سازی یک‌به‌یک در مقیاس»؛ McAfee برای اجرای بازاریابی از Braze استفاده می‌کند
تحلیل رفتار و داده
ابزار سنجش Adobe؛ Thomson Reuters و McAfee آن را کنار Adobe Target برای سنجش اثر شخصی‌سازی می‌خواهند
پلتفرم تحلیل تجربهٔ دیجیتال؛ در آگهی‌های Frasers Group و Office Shoes در کنار Google Analytics آمده است
مسیر پیشرفت شغلی
از جونیور تا Staff Engineer — چه مهارت‌هایی نیاز دارید و چه درآمدی انتظار داشته باشید
متخصص شخصی‌سازی / بهینه‌سازی تجارت الکترونیک
۰ تا ۲ سال
ساختن و اجرای آزمایش A/B، راه‌اندازی توصیهٔ محصول روی سایت و گزارش هفتگی نتیجه‌ها. آگهی Personalisation Specialist در Frasers Group و Ecommerce Optimisation & Personalisation Specialist در Office Shoes نمونهٔ این سطح‌اند
مدیر شخصی‌سازی
۳ تا ۵+ سال
~$105K
میانگین سالانه (آمریکا)
مالکیت use caseها و چارچوب‌های شخصی‌سازی و هماهنگی با تیم‌های داده، فناوری و حقوقی. Bever برای Klantdata & Personalisatie Specialist ۳ تا ۵ سال و AARP برای Personalization Manager دست‌کم ۵ سال سابقه می‌خواهد
مدیر ارشد شخصی‌سازی
۷ تا ۱۰+ سال
~$143K
میانگین سالانه (آمریکا)
مالکیت نقشهٔ راه شخصی‌سازی کل سازمان، رهبری تیم و اثبات اثر افزایشی؛ Landmark Group ۷ تا ۹+ سال، 7-Eleven ۸+ سال، Thomson Reuters ۸ تا ۱۰+ سال و McAfee ۹ تا ۱۰ سال سابقه می‌خواهند
Head / Director of Personalization & Experimentation
۱۰+ سال
~$154K
میانگین سالانه (آمریکا)
تعیین راهبرد شخصی‌سازی و آزمایش برای کل کسب‌وکار و گزارش به مدیران ارشد؛ Qantas و CHANEL هر دو ۱۰+ سال سابقه می‌خواهند و تیم CHANEL یک Manager, Personalization & Experimentation و یک Specialist, Personalization & Testing Operations دارد
چالش‌ها و جنبه‌های منفی
واقعیت‌هایی که کمتر در آگهی‌های شغلی می‌بینید — قبل از ورود بدانید
اثبات اثر واقعی
عمومیساختن یک تجربهٔ شخصی‌سازی‌شده آسان‌تر از ثابت کردن ارزش آن است. Landmark Group می‌خواهد گزارش‌ها همبستگی را از اثر افزایشی اثبات‌شده جدا کنند و برای هر سرمایه‌گذاری business case و بازبینی پس از اجرا وجود داشته باشد.
دادهٔ ناقص و شناسایی مشتری
شرکت بزرگشخصیسازی بدون دادهٔ درست مشتری کار نمی‌کند. Landmark Group از این نقش می‌خواهد کمبودهای داده، هویت مشتری یا ویژگی‌هایی را که اثر شخصی‌سازی را محدود می‌کنند پیدا کند و رفع آن‌ها را با تیم‌های مربوط پیش ببرد.
حریم خصوصی و تجربهٔ مزاحم
عمومیشخصیسازی با دادهٔ شخصی کار می‌کند و اگر زیاده‌روی شود، مشتری احساس می‌کند زیر نظر است. AARP هم‌راستایی با حاکمیت داده و حریم خصوصی را می‌خواهد و Landmark Group قاعده‌هایی برای جلوگیری از هدف‌گیری بیش از حد و تجربهٔ پراکنده یا مزاحم.
رساندن آزمایش‌ها به مقیاس
شرکت بزرگبسیاری از برنامه‌ها در مرحلهٔ آزمایشی می‌مانند. Thomson Reuters از این نقش می‌خواهد فرایند و حاکمیتی بسازد که سازمان را از آزمایش آزمایشی به مقیاس برساند و Landmark Group می‌خواهد آزمایش‌های موفق صنعتی شوند، نه اینکه جدا و منفرد بمانند.
کار با تیم‌هایی که زیر دست شما نیستند
شرکت بزرگشخصیسازی به محصول، مهندسی، داده، CRM و حقوقی وابسته است. Thomson Reuters صریحاً هماهنگی میان چند خط گزارش‌دهی و اثرگذاری بدون اختیار رسمی را می‌خواهد و حل مسئله‌های میان‌تیمی را در صورت لزوم به مدیر ارشد ارجاع می‌دهد.
عنوان‌های پراکنده در بازار کار
عمومیاین شغل با عنوان‌های مختلفی آگهی می‌شود: Personalization Manager، CRM & Personalization، Optimisation & Personalisation یا Personalisation & Experimentation. برای پیدا کردن آگهی باید همهٔ این ترکیب‌ها را جستجو کنید و در رزومه نشان دهید با کدام بخش، یعنی سایت، CRM یا آزمایش، بیشتر کار کرده‌اید.
حقوق و بازار کار جهانی
حقوق جهانی مدیر شخصی‌سازی
حقوق سالانه در کشورهای مختلف بر اساس داده‌های منتشرشده؛ منبع هر ردیف با آیکون کنار نام کشور باز می‌شود.
* ارقام سالانه‌اند. منبع هر رقم:
- AARP posting, Personalization Manager (Washington DC; minimum 5 years), posted Aug 7 2026: salary range; median = midpoint
- Thomson Reuters posting, Sr. Manager, Website Personalization and Optimization (8–10+ years), listed Oct 20 2026: Ontario base range; median = midpoint
- CHANEL posting, Group Director, Personalization & UX Research (New York; 10+ years), listed Oct 14 2026: anticipated base range; median = midpoint
- Bever posting, Klantdata & Personalisatie Specialist (Pijnacker; 3–5 years), listed Oct 1 2026: €4,150–€5,400 gross per month (38 h), shown ×12, excl. holiday allowance; median = midpoint
- ITJobsWatch, 6 months to 23 Oct 2026: UK permanent IT ads citing Personalization, any title (proxy: skill, not job title); 25th–75th pct, median (89 salaries)
چگونه از صفر شروع کنیم
برنامه گام‌به‌گام برای ورود به مهندسی هوش مصنوعی
ماه ۱: تحلیل وب و سفر مشتری
Google Analytics را مرور کنید و یک قیف تبدیل را روی دادهٔ نمونه تحلیل کنید.
ماه ۲: آزمایش A/B
دورهٔ رایگان A/B Testing را بگذرانید و حجم نمونه را برای چند سناریو حساب کنید.
ماه ۳: یک پلتفرم شخصی‌سازی
راهنمای Adobe Target یا دوره‌های Optimizely Academy را بخوانید و مفاهیم مخاطب، تجربه و فعالیت را یاد بگیرید.
ماه ۴: SQL و تقسیم‌بندی
SQL را تا حد ساختن گروه‌های RFM یاد بگیرید و پروژهٔ تقسیم‌بندی را انجام دهید.
ماه ۵: یادگیری ماشین در شخصی‌سازی
بفهمید Automated Personalization و Auto-Allocate در Adobe Target چه می‌کنند و شبیه‌سازی bandit را بسازید.
ماه ۶: پورتفولیو و جستجوی کار
دو یا سه پروژه را با فرضیه، طرح آزمایش و نتیجه مستند کنید و برای عنوان‌هایی مثل Personalisation Specialist، Optimisation & Personalisation Specialist یا CRM & Personalization Specialist اقدام کنید.
پروژه‌های پیشنهادی برای رزومه
طراحی و تحلیل یک آزمایش A/B از صفر
مبتدیبرای یک فروشگاه فرضی یک فرضیهٔ شخصی‌سازی بنویسید (مثلاً بنر متفاوت برای مشتری‌های بازگشتی)، سنجهٔ اصلی و سنجه‌های محافظ را تعریف کنید، حجم نمونه را حساب کنید و روی دادهٔ شبیه‌سازی‌شده نتیجه را تحلیل کنید. در README توضیح دهید چرا نتیجه را می‌پذیرید یا رد می‌کنید.
تقسیم مشتری با RFM و فهرست use caseهای شخصی‌سازی
مبتدیروی یک دادهٔ عمومی تراکنش فروشگاهی، مشتری‌ها را با روش RFM (تازگی، تعداد و مبلغ خرید) گروه‌بندی کنید؛ Bever همین روش را در شرایط آگهی آورده است. برای هر گروه یک use case پیشنهاد دهید و آن‌ها را بر اساس ارزش، آمادگی داده و سختی اجرا اولویت‌بندی کنید.
نمونهٔ اولیهٔ شخصی‌سازی روی سایت با feature flag
متوسطیک سایت سادهٔ فروشگاهی بسازید و با GrowthBook یا ابزار مشابه برای دو گروه کاربر محتوای متفاوت نشان دهید. رویدادها را ثبت کنید، یک گروه holdout نگه دارید و نتیجه را گزارش کنید.
شبیه‌سازی multi-armed bandit در برابر A/B ثابت
پیشرفتهبرای چهار پیشنهاد با نرخ تبدیل متفاوت، یک آزمایش A/B با تقسیم ثابت و یک bandit را شبیه‌سازی کنید و نشان دهید هر روش چقدر تبدیل از دست می‌دهد و چقدر دیر برنده را پیدا می‌کند. نتیجه را با توضیح مستندات Adobe دربارهٔ Auto-Allocate مقایسه کنید.
پیشنهاد بعدی (next-best-offer) با مدل propensity و قاعدهٔ کسب‌وکار
پیشرفتهروی دادهٔ نمونه یک مدل سادهٔ احتمال خرید برای چند دستهٔ محصول بسازید، خروجی را با قاعده‌های کسب‌وکار (موجودی، حاشیهٔ سود، سقف تعداد پیام) ترکیب کنید و یک طرح آزمایش با گروه کنترل برای سنجش اثر افزایشی بنویسید. توضیح دهید کجا تصمیم را به انسان می‌سپارید.
مثال‌های واقعی و Case Studies
داستان‌های واقعی از مهندسانی که در این حوزه تأثیرگذار بوده‌اند
طبق ویکی‌پدیا نویسنده و استراتژیست مشتری آمریکایی و از بنیان‌گذاران شرکت مشاورهٔ مدیریت Peppers & Rogers Group است. دکترایش را از University of Tennessee گرفته و استاد مدعو دانشکدهٔ کسب‌وکار Fuqua در Duke University و از مدیران مرکز مدیریت ارتباط با مشتری Duke است.
در ۱۹۹۳ همراه Don Peppers کتاب The One to One Future: Building Relationships One Customer at a Time را نوشت و طبق ویکی‌پدیا این دو را اغلب آغازگر موج CRM می‌دانند. با Peppers نُه کتاب در استراتژی مشتری نوشته است، از جمله Return on Customer و Extreme Trust.
ایدهٔ اصلی این شغل، یعنی رفتار متفاوت با هر مشتری بر اساس شناخت او، سه دهه پیش از موتورهای امروزی مطرح شده بود. ابزارها عوض شده‌اند، اما پرسش اصلی همان است: این رفتار متفاوت چه ارزشی برای مشتری و کسب‌وکار دارد.
طبق Globes هم‌بنیان‌گذار و مدیرعامل Dynamic Yield بود؛ شرکتی که در ۲۰۱۱ تأسیس شد و یک پلتفرم بازاریابی مبتنی بر AI ساخت.
طبق همان گزارش، Dynamic Yield در ۲۰۱۹ به ۳۰۰ میلیون دلار به McDonald's فروخته شد و در دسامبر ۲۰۲۱ به Mastercard رسید. Agmon از مدیرعاملی کنار رفت، تا دست‌کم پایان ۲۰۲۲ مشاور Mastercard و Dynamic Yield ماند و از آوریل ۲۰۲۲ شریک و مدیر Insight Partners در اسرائیل شد.
اینکه یک زنجیرهٔ رستوران و بعد یک شرکت پرداخت یک موتور شخصی‌سازی را خریده‌اند، نشان می‌دهد این مهارت فقط به فروشگاه‌های آنلاین محدود نیست؛ هر جا مشتری زیاد و دادهٔ رفتاری هست، این کار هم هست.
طبق صفحهٔ کتابش در ناشر Wiley، پیش‌تر مدیر محصول Google Chrome و AdWords در Google بود و در کارزار انتخاباتی Obama در ۲۰۰۸ مدیر تحلیل (Director of Analytics) بود. همان صفحه می‌گوید ایدهٔ Optimizely از همین تجربه آمد.
همراه Pete Koomen، Optimizely را در دورهٔ زمستان ۲۰۱۰ Y Combinator ساخت؛ به گفتهٔ همان صفحه، محصولی که او آرزو داشت در آن کارزار داشته باشد تا هر کسی بتواند به‌راحتی آزمایش A/B اجرا کند. دو نفر با هم کتاب A/B Testing: The Most Powerful Way to Turn Clicks Into Customers را نوشتند که به گفتهٔ ناشر بر درس‌های بیش از ۳۰۰ هزار آزمایش مشتریان Optimizely تکیه دارد و یکی از فصل‌هایش ساختن تجربهٔ شخصی برای هر بازدیدکننده است.
مسیر او نشان می‌دهد شخصی‌سازی و آزمایش از یک ریشه‌اند: پیش از آنکه تجربه‌ای را برای گروهی شخصی کنید، باید راهی داشته باشید که بفهمید کدام نسخه واقعاً بهتر است.
نمونه آگهی استخدام واقعی + تحلیل
یک آگهی واقعی از شرکت فعال در حال استخدام، با تحلیل هر بخش
Senior Manager, CRM & Personalization Strategy
تحلیل نیازمندی‌ها
8+ years of relevant B2C customer growth experience; CRM strategy, marketing automation, and personalization experience preferred.
این نقش برای کسی است که سال‌ها روی رشد مشتری در کسب‌وکارهای مصرفی کار کرده است. جالب است که تجربهٔ مستقیم شخصی‌سازی «ترجیحی» است، نه شرط؛ یعنی کسی که از CRM یا رشد مشتری می‌آید هم می‌تواند وارد شود.
ضروریExperience with Salesforce Marketing Cloud Engagement and Personalization preferred.
Marketing Cloud Engagement ابزار ارسال کمپین است و Personalization موتور تصمیم یک‌به‌یک و بلادرنگ Salesforce. اگر با این دو کار نکرده‌اید، تجربه با ابزارهای معادل مثل Braze یا Adobe Target را برجسته کنید؛ مفاهیم مشترک‌اند.
مهمProven track record of developing and executing successful CRM strategies that drive customer engagement and retention.
کارفرما نتیجهٔ سنجیده می‌خواهد، نه فهرست کمپین‌ها. در مصاحبه باید بتوانید بگویید کدام برنامه چه اثری روی ماندگاری یا تعامل مشتری داشت و آن را چطور سنجیدید.
ضروریStrong analytical skills with the ability to derive insights from data and translate them into actionable strategies.
از شما خواسته نشده مدل بسازید؛ خواسته شده از داده به تصمیم برسید. یعنی بتوانید از یک تقسیم‌بندی یا نتیجهٔ آزمایش، قدم بعدی کمپین یا پیشنهاد را بیرون بکشید.
ضروریLeadership experience, with the ability to inspire and motivate a team towards common goals.
این مدیر تیمی از توسعه‌دهنده‌های Marketing Cloud و تحلیلگر داده دارد. باید بتوانید کار فنی را هدایت کنید، حتی اگر خودتان کد نمی‌نویسید.
مهمExcellent communication and interpersonal skills with the ability to collaborate effectively with cross functional teams.
شخصی‌سازی در 7-Eleven با بازاریابی، مرچندایزینگ، دیجیتال، تحویل و IT گره خورده است. بخش زیادی از کار هماهنگ کردن این تیم‌هاست.
مهمBachelor’s degree in marketing, Business Administration, or related field; master’s degree preferred.
مدرک در بازاریابی یا مدیریت کسب‌وکار خواسته شده، نه علوم کامپیوتر؛ این نشان می‌دهد نقش در اصل بازاریابی است.
مفیدتحلیل مسئولیت‌ها
Lead the development of personalized customer journeys across multiple channels including email, SMS, push notifications and in-app messaging.
هستهٔ کار: سفرهایی که بر اساس رفتار هر مشتری در کانال‌های مختلف پیش می‌روند، مثلاً پیامی که پس از اولین سفارش تحویل یا پس از چند هفته بی‌فعالیتی فرستاده می‌شود.
Utilize data analytics and segmentation techniques to identify customer segments and tailor communications and offers accordingly.
تقسیم‌بندی مشتری و تنظیم پیام و پیشنهاد برای هر گروه. در برنامهٔ وفاداری یک فروشگاه زنجیره‌ای، پیشنهاد درست برای هر گروه مستقیم روی سبد خرید اثر دارد.
Define KPIs and performance metrics to measure the effectiveness of CRM campaigns and initiatives.
خود آگهی سنجه‌های نهایی را گفته است: تعداد مراجعه به فروشگاه، اندازهٔ سبد خرید، سوخت‌گیری و سفارش تحویل. کار شما این است که اثر برنامه‌ها را روی همین‌ها نشان دهید.
Lead the development and optimization of marketing automation workflows to deliver timely and relevant messages to customers.
این خط همپوشانی با عملیات بازاریابی را نشان می‌دهد: workflowهای خودکار که پیام را در زمان درست می‌فرستند. تفاوت در تمرکز است؛ اینجا هدف ارتباط پیام با هر مشتری است، نه مدیریت سرنخ.
Stay informed of industry trends and best practices in CRM, personalization, marketing automation, and relevant AI.
AI در این آگهی فقط در همین خط آمده است. یعنی در این نقش، AI بیشتر در ابزارهایی مثل موتور تصمیم Salesforce Personalization نهفته است تا در وظیفه‌ای جداگانه؛ اما باید بدانید ابزارها چه قابلیت تازه‌ای دارند.
Manage a team including Marketing Cloud developers and data analyst, providing guidance, mentorship, and support to drive results.
مدیریت تیمی که ترکیبی از توسعه‌دهنده و تحلیلگر است. باید بتوانید درخواست کسب‌وکار را برای توسعه‌دهنده روشن بنویسید و پرسش درست را از تحلیلگر بپرسید.
نتیجه‌گیری کلی
این آگهی یک شکل رایج این شغل را نشان می‌دهد: شخصی‌سازی که از CRM می‌آید، با پیام‌رسانی چندکاناله، تقسیم‌بندی، اتوماسیون و برنامهٔ وفاداری. AI در آن پررنگ نیست و بیشتر داخل ابزارهاست. آگهی‌های دیگر این صفحه شکل‌های دیگر را نشان می‌دهند: Thomson Reuters و McAfee روی شخصی‌سازی سایت با Adobe Target تمرکز دارند و Landmark Group روی تبدیل مدل‌های پیش‌بین به تصمیم برای هر مشتری. کارفرما ۸+ سال سابقه می‌خواهد و تجربهٔ مستقیم شخصی‌سازی را ترجیحی می‌داند؛ بازهٔ حقوق در آگهی اعلام نشده است.
آینده و روندها
پیش‌بینی ۵–۱۰ ساله و مهارت‌هایی که باید یاد بگیرید
BLS پیش‌بینی می‌کند اشتغال گروه «مدیران بازاریابی» (Marketing Managers) در آمریکا از ۲۰۲۵ تا ۲۰۳۵، ۷٪ رشد کند و از ۴۲۱٬۶۰۰ به ۴۵۰٬۸۰۰ نفر برسد. BLS گروه جداگانه‌ای برای مدیر شخصی‌سازی ندارد؛ AARP این نقش را در بخش بازاریابی گذاشته است و گروه مدیران بازاریابی نزدیک‌ترین گروه رسمی است.
منبع: BLS Employment Projections 2025–35 (Marketing Managers)
مهارت‌های نوظهور که باید یاد بگیرید
پیش‌بینی‌های آینده
طبق ITJobsWatch، در ۲۵۱ آگهی دائمی IT بریتانیا که در شش ماه منتهی به ۲۳ اکتبر ۲۰۲۶ به Personalization اشاره کرده‌اند، AI و Analytics هر کدام در ۴۳٫۴٪، CRM در ۳۰٫۷٪، A/B Testing در ۱۸٫۷٪ و Machine Learning در ۱۷٫۹٪ آگهی‌ها هم آمده‌اند.
BLS پیش‌بینی می‌کند اشتغال مدیران بازاریابی در آمریکا تا ۲۰۳۵ به ۴۵۰٬۸۰۰ نفر برسد، ۷٪ بیشتر از ۲۰۲۵.
سه خطر در منابع دیده می‌شود. اول، بخشی از کار اجرایی به ایجنت‌ها سپرده می‌شود: ایجنت Personalization Strategist در Optimizely فرصت پیدا می‌کند، کمپین را می‌سازد و عملکرد را پایش می‌کند، هرچند فقط پس از تأیید انسان اقدام می‌کند. دوم، رشد آگهی‌ها را نباید بیش از اندازه تفسیر کرد: طبق ITJobsWatch تعداد آگهی‌های دائمی IT در بریتانیا که به Personalization اشاره کرده‌اند در شش ماه منتهی به ۲۳ اکتبر ۲۰۲۶ به ۲۵۱ رسید، در برابر ۱۰۷ در همین بازهٔ ۲۰۲۵، اما سهم آن از کل آگهی‌ها تقریباً ثابت ماند (۰٫۲۲٪ به ۰٫۲۱٪). سوم، این نقش اغلب با CRM یا بهینه‌سازی سایت ادغام می‌شود و عنوان مستقل آن در همه‌جا وجود ندارد؛ کسی که فقط یک ابزار را بلد است، آسیب‌پذیرتر از کسی است که آزمایش و سنجش اثر را هم بلد است.
منابع
اطلاعات این صفحه در تاریخ ۱ آبان ۱۴۰۵ از این ۳۰ منبع بررسی شده است.
- Senior Manager, CRM & Personalization Strategy — 7-Eleven (job posting)
- Senior CRM and Personalization Specialist — 7-Eleven (job posting)
- Personalization Manager — AARP (job posting)
- Sr. Manager, Website Personalization and Optimization — Thomson Reuters (job posting)
- Senior Manager – Personalisation & AI Activation — CSi, Landmark Group (job posting)
- Martech Manager - Personalisation — CSi, Landmark Group (job posting)
- Head of Personalisation & Experimentation — Qantas (job posting)
- Website Personalization Manager — McAfee (job posting)
- Senior MarTech Personalization Engineer — McAfee (job posting)
- Personalisation Specialist — Frasers Group (job posting)
- Group Director, Personalization & UX Research — CHANEL (job posting)
- Ecommerce Optimisation & Personalisation Specialist — Office Shoes (job posting)
- Klantdata & Personalisatie Specialist — Bever (job posting)
- Head of Digital Push Marketing & Personalization — PAYBACK (job posting)
- Personalisatie teamlead (CRO specialist) — Funnelboost (job posting)
- ITJobsWatch — Personalization: UK job trends and salaries
- BLS Occupational Outlook Handbook — Advertising, Promotions, and Marketing Managers
- Optimizely Agent Platform docs — Personalization Strategist
- Adobe Target — What is an Automated Personalization (AP) activity?
- Adobe Target — What is an Auto-Allocate activity?
- Adobe Target — What is an Auto-Target activity?
- Salesforce Personalization
- BrazeAI Decisioning Studio
- Dynamic Yield (Mastercard)
- Evergage — Wikipedia
- Optimizely — Wikipedia
- Martha Rogers (professor) — Wikipedia
- Globes — Insight Partners appoints Liad Agmon Israel partner (Dec 2021)
- Wiley-VCH — A/B Testing: The Most Powerful Way to Turn Clicks Into Customers (author information)
- Google for Developers — Recommendation Systems course