载入中…
公告栏:
当前位置: 中国商业智能网 >> 资讯 >> BI分析 >> 文章正文
利用倾向模型有效地改善响应和收益的6个技巧
作者:中国商业智能网    来源:本站原创    点击数:    时间:2012-4-26
【摘要】预测分析是数字营销者试图通过他们的营销活动管理解决方案优化“正确的报价,合适的对象,恰当的时机”时的仙丹。要让它起作用,你需要综合定义人物角色、内容管理策略、有创意的资产库和技术 (例如,它建立在你的市场营销活动管理或自动化营销软件的细分工具中)。
无标题文档

预测分析是数字营销者试图通过他们的营销活动管理解决方案优化“正确的报价,合适的对象,恰当的时机”时的仙丹。要让它起作用,你需要综合定义人物角色、内容管理策略、有创意的资产库和技术 (例如,它建立在你的市场营销活动管理或自动化营销软件的细分工具中)。

最终目标是在分析和预测模型的基础上对你特定的客户基础自动提供选择和配置。然而, 每一个市场营销者都可以通过你现有的响应数据利用模式分析以确定导致购买行为的因素。使用这些数据(即使是人工的数据)来提高你的角色与细分市场,并提供更为相关的产品。

最近,我们和一家美国的主要零售商一起尝试寻找答案。该零售商在他们的分析中包括了倾向性模型,以在在商场、电子商务、数字(电子邮件、手机短信、移动程序,在线广告)这样一些渠道中确定最佳细分市场。倾向性是一种大致基于RFM(达成,频率,货币)的模型,并结合了过去的采购数据、在线行为、社交媒体的状态。倾向性模型也有助于辨识鼓励全额购物者所需要的折扣。最后,倾向性模型在细分市场之上成为一种新的分析层来提高对高端和准备行动的人的响应。
与此同时, 在你自己的分析里要注意五个方面。

客户关系管理(CRM)是新受益对象

如果说营销活动管理被精确的细分规划所驱动,那么细分市场则受你数据的模式分析所驱动。预测建模是伟大的 — 因为它有助于提高在各种各样的消息中内容定位并在顾客“出现在市场上”时为内容计时。远不止这样。利用预测模型和早期测试中那些经验来开发计分模型以提高市场分割和人物角色。这将使你更将提供更为相关的产品, 而且还能识别最佳客户, 预期和向上促销的机会。

客户为上的互动

基于预测模型提高市场细分是不错,但它无法给你实际的结果, 除非客户关系管理(CRM)与分析团队合作伙伴有创意/内容团队。协作、识别顶级细分市场区别于消费者如何购买。然后, 在每个这样的细分市场中,目标产品的提供都是基于人口统计、职位头衔地理, 购买历史以及预测模型中的其他洞察力。有时优化是一天中一封电子邮件讯息的时间。有时它是报价。有时它是哪种产品会是优先级或在主题上引用。只有各方一起合作并分享经验,用户才会完全满意。

考虑内部渠道的优化

通过销渠分析营道效果,以揭示媒体投资之间的取舍,并提高投资回报率(ROI)的计算。

考虑交叉渠道的优化

客户不会通过渠道来区分你的品牌,所以不要因为渠道不同而让他们感到不适。打破各自为阵的工作方式。对各种渠道的供应进行管理,优化电子邮件,短信/移动和社交机会,以及离线或店内的认可。

市场数据经历了大的转变

在过去几年中, 市场销售数据已经变得非结构化和多结构化,它们来源于不同的地点, 其中很多都不为市场营销者所有而且数量庞大。传统的数字营销数据是结构化的,它易于在行列中表达。社交数据和在线网络行为数据则不是这样,它通常由一长串没有什么共同结构的字符组成。点击流是无穷无尽的; 社交网络每小时产生成千上万的唯一的数据串,还有博客每天可以产生多达10 TB的数据,大约相当于200万字的电子书。市场营销者需要分析和不仅仅是捕捉这些数据的市场细分工具。我们需要在这些通常是“原始”数据的庞大的银行中获得洞察力。寻找那些可以用图表,时序和路径分析,并且可以快速执行大数据加载的技术供应商和统计人员。

在谈及洞察力的时候,更多的未必是必要的

基于不当的分析或低劣的信息,做出错误市场营销决策的风险指数倍地提更,这是由于大量和多样性的数据可以转化为可实施的洞察力。让它成为你的项目目标来识别哪些数据应当保留, 哪些可以扔掉或忽略, 以及如何避免重复。

在另一个客户的故事中,一位B2B技术营销者针对通过规定的渠道移动高端预期的体验结合了主导计划和主导培育。计分能确定如何分配奖金内容和庆典邀请,而培育可以在销售周期的关键性研究和发现阶段间进行探索。有时, 这些周期会持续一年,有大的支出。一个重要的教训:在销售团队准备破坏制定的计划之前让他们了解前景预期,谈论所需的纪律!

责任编辑:朱莉   
 
  • 上一篇文章:

  • 下一篇文章:
  • 发表评论】【加入收藏】【告诉好友】【打印此文】【关闭窗口
    ChinaBI版权、投稿与免责申明:
    1)凡本网署名文字、图片和音视频稿件,版权均属中国商业智能网所有。任何媒体、网站或个人未经本网协议授权不得转载、链接、转贴或以其他方式复制发表。已经本网协议授权的媒体、网站,在下载使用时必须注明稿件来源:中国商业智能网,违者本网将依法追究责任。
    2)本网注明“本站来源处不写本站原创”的文章均为转载稿,本网转载出于传递更多信息之目的。如本网转载稿涉及版权等问题,请作者速来电或来函与本网联系。
      网友评论:(只显示最新10条。评论内容只代表网友观点,与本站立场无关!)
    最新热点
    娱乐资讯
    最新推荐
    网站合作、内容监督、商务咨询、投诉建议 电话:0512-62861389  邮箱:chianbi@126.com
    Copyright 2004-2014 中国商业智能网版权所有   |    苏 ICP 备 13004727 号