Grundlagen der Uplift Predictive Analytics-Modelle
So wie Sie wissen, dass der Kunde Sie Predictive Analytics gezielte Verwendung würde sowieso nicht gekauft habe? Um diese Frage zu klären, können Sie es in ein paar verschiedene Möglichkeiten, neu formulieren:
Wie wissen Sie, würde der Kunde nicht einmal erworben haben, wenn sie die Marketing-Kontakt von Ihnen nicht bekommen?
Woher wissen Sie, dass das, was Sie an den Kunden geschickt ihr den Kauf zu tätigen beeinflusst?
Einige Modellierer behaupten, dass die Probleme mit der Antwort-Modellierung sind wie folgt:
Sie einen Teil Ihrer Kunden nehmen, die Sie vorhergesagt haben, wird bereits ein gewisses Interesse an dem Produkt oder eine Dienstleistung.
Sie verschwenden Marketing-Dollar auf Kunden, die den zusätzlichen Einfluss brauchen nicht zu konvertieren.
Sie können Ihre Netto-Margen werden zurück, weil die Rabatte Sie den Kunden zu locken, verwenden kann zu kaufen unnötig.
Sie können Ihre Kundenzufriedenheit werden reduziert, da einige Kunden wollen nicht (ständig) zu sein, in Kontakt gebracht.
Sie sind falsch Kredit für die Reaktion in Ihre Bewertung des Modells nehmen.
Uplift-Modellierung, auch genannt wahre Lift Modellierung und netto-Modellierung unter anderen Bedingungen zielt darauf ab, diese Kritik von Vorhersage- zu beantworten, welche Kunden nur wenn in Kontakt zu konvertieren.
Uplift Modellierung Werke von Kunden in vier Gruppen zu trennen:
Persuadables: Kunden, die überzeugt werden können zu kaufen - aber nur, wenn kontaktiert kaufen.
Sure Things: Kunden, die kaufen, unabhängig davon, Kontakt.
Verlorene Ursachen: Kunden, die nicht kaufen, unabhängig davon, Kontakt.
Do Not stört: Kunden, denen Sie sollten nicht in Verbindung. Kontaktaufnahme mit ihnen kann eine negative Reaktion hervorrufen, wie sie zu provozieren ein Abonnement zu kündigen, ein Produkt zurückbringen, oder für eine Preisanpassung verlangen.
Uplift Modellierung zielt nur die Persuadables. Das klingt vielversprechend, aber ein Auftrieb Modell als ein Antwortmodell viel schwieriger zu schaffen bewährt. Hier ist der Grund:
Es erfordert in der Regel eine größere Probengröße als für Wirkungs-Modell, da es die Probe in vier Gruppen segmentiert ist und verwendet nur die Gruppe der Persuadables. Es hat dann weiter zu zur Messung der Wirksamkeit des Modells aufgespalten.
Diese Gruppe wird möglicherweise viel kleiner ist als die Zielgröße für die Antwort-Modellierung. Mit einem kleineren Zielgröße und die Komplexität jedoch die Bedienungsaufwand und Kosten können nicht die Verwendung über Antwort Modellierung rechtfertigen.
Es ist schwierig zu segmentieren die Kunden perfekt in diesen vier verschiedene Gruppen, wie es schwer ist, die Genauigkeit der Segmentierung zu messen.
Es ist schwierig, den Erfolg eines solchen Modells zu messen, weil es Veränderungen in einem Kundenverhalten zu messen, ist versucht, nicht auf die konkreten Maßnahmen, ob der Kunde gekauft nach dem Kontakt zu empfangen.
Um einen einzelnen Kunden das Verhalten genau zu messen, würden Sie (in der Tat), müssen sie klonen und spalten die identische Klone in Gruppen. Die erste (behandelte Gruppe) würde die Werbe- die zweite (Kontrollgruppe) erhalten würde nicht. Abgesehen von solchen Science-Fiction-Szenarien, müssen Sie einige Zugeständnisse an die Realität umzusetzen und beschäftigen einige alternative (schwieriger) Methoden, um eine nützliche Schätzung für den Erfolg des Modells zu erhalten.
Selbst mit diesen Schwierigkeiten, argumentieren einige Modellierer, dass Uplift-Modell echte Marketing-Wirkung zur Verfügung stellt. Sie halten es für effizienter als Antwort Modellierung, weil es enthält nicht die Sure Dinge in der Ausrichtung (die aufbläst künstlich Response-Raten). Aus diesem Grund fühlen sie Uplift-Modell der Wahl für zielgerichtetes Marketing unter Verwendung von Predictive Analytics ist.
Uplift-Modellierung ist immer noch eine relativ neue Technik in zielgerichtetes Marketing. Weitere Unternehmen beginnen, es zu benutzen und Erfolg gefunden haben, es in ihre Kundenbindung, Marketing-Kampagnen verwenden und sogar Präsidentschaftskampagnen.
Einige Experten sind Kreditierung Uplift-Modell für Präsident Obamas Präsidentenkampagne 2012 zu gewinnen. Die Datenanalyst der Kampagne verwendet Uplift-Modell zu stark Wähler ansprechen, die waren am ehesten durch den Kontakt zu beeinflussen. Sie benutzten personalisierte Nachrichten über mehrere Kanäle Kontakt: Social Media, Fernsehen, Direct Mail und Telefon. Sie konzentrierten ihre Anstrengungen, um die Gruppe von Persuadables zu überzeugen. Sie investierten stark in diesem Strategie- anscheinend hat sich ausgezahlt.