市场细分，个性化始于细分。好的市场份额在技术上可识别(例如，通过知识产权)、同质化，并且在商业角度相关。细分市场的优秀例子，在B2B设置活动部门，或按婚姻状况或原籍国对客户进行细分。根据客户在销售漏斗中的位置来细分客户也很常见。定义细分市场时，应该窄到需要不同的经验，但又大到足以证明这种问题。集群是在数据上使用的技术，以确定将为其设计进一步体验的细分市场。
　　抵制诱惑，不要把许多特征和过滤器放进去，以至于创造很难保持跟踪的零散景观。那么通过数据科学来提升网站个性化有模式吗?
　　每个细分市场都有其自己的价值观，这些价值观定义了与网站互动的行为和方式。好消息是，个性化主要基于模式和重复的行动，因此一旦你了解了一个群体，就很容易预测其需求、欲望和喜好。始终测试假设并对网站进行相应的修改，千万不要把直觉作为主要的决策手段。这是因为，归根结底，目标是将这个过程完全自动化。
　　创建可定制的网站
　　一旦有了这些细分市场，需要将它们汇集到拥有不同特色的统一框架中。要做到这一点，设计需要作为容器来布置，以便为每个部分填充适当的内容。占位符的填充方式可以像传统编程那样基于规则(if-then-else循环)，也可以由机器学习驱动，或者最可能的是代表两者的结合。
　　虽然基于规则的个性化对于主页或与网站的最初互动是理想的，但随着用户在网站上的行为多样化，跟踪其动作变得过于复杂，而深度学习必须取代决策规则。
　　使用机器学习提供了另一个优势：随着知识库或报价的增长，你只需将分类标记到位并正确完成，就可以依靠这个来获得好的推荐。
　　将此逻辑应用于网站的任何部分：显示与每个细分市场相关的FAQ，从博客文档中提取那些可以使客户在网站上多停留一段时间。

　　了解数据的意义
　　实际的实施和挑战是什么?收集、存储、清理和保护数据所带来的问题足够多，需要充分处理。
　　收集数据
　　并非所有的数据都有价值，也不是所有的数据都能为公司的问题提供答案。收集数据时一定要创建一个策略。考虑到受众可能包括数以百万计的访问者，收集到的每条信息都应该有明确的目的，否则只是在浪费存储空间和计算能力。数据科学顾问建议对收集的数据进行预处理，特别是在处理从社交媒体中检索的信息时。这有助于加快分析过程，并减少存储的必要性。大多数自由形式的数据包含大量的噪音，在使用前需要将其过滤掉。
　　首次访客
　　为了使首次访问的用户体验个性化，最好的方法是检索第三方数据并创建一个档案，动态地改变网站的外观和行为，以匹配相关细分市场。这通常通过IP和存储在访问者浏览器中的cookies来完成。在客人选择不透露任何信息的情况下，始终要有一个通用、表现最好的网站。提醒用户，如果他们决定不那么保密，甚至创建账户，他们可以收集到的好处。
　　回访者
　　一旦建立了最初的关系，最大限度地利用以前收集的所有信息来定制体验。融入每一个元素，不要变得令人毛骨悚然，始终让人感到愉快和欢迎。
　　安全问题
　　安全、数据隐私和个人数据的保护仍然是需要解决的重要问题。一些人提出的解决方案，即对所有通信进行端对端加密，成本很高，几乎不可行，而且可能更危险，因为它有助于掩盖恐怖主义行为。折中的方案最合理。
　　消除营销中的边界?
　　越来越多的个性化导致了意外的边界消解现象。B2C的规则正在进入B2B环境，并帮助公司创造更相关的体验，因为，即使你在解决公司的需求，员工仍然是在情感层面上做出反应的用户。
　　另外，数据科学正在帮助公司通过全渠道的方式消除边界，创造跨设备的无缝转移，甚至延伸到离线方式。这里最重要的教训是，一刀切的时代早已过去。以上就是通过数据科学来提升网站个性化的方法。