Wie Predictive Analysis für Target-Marketing nutzen
Prädiktive Analysen machen Sie Ihre Marketing-Kampagnen mehr kundenorientiert. Die Idee ist, Ihre Werbung zu gestalten ein Segment Ihrer gesamten Kundenbasis zum Ziel - nicht die ganze. Wenn Sie nur die Anzeigen senden, die zu einem Segment von Kunden relevant sind, erhöhen Sie die Wahrscheinlichkeit, dass diese speziellen Besucher die Aktion durchführen, die Sie hoffen - Kauf.
Wenn Sie das Segment Ihrer Kundenbasis bestimmen kann, wird am besten auf Ihre Nachricht reagieren, können Sie Geld auf die Kosten für einen Kunden zu überzeugen sparen den Kauf (Anschaffungskosten) zu machen, und die Gesamteffizienz zu verbessern.
Zum Beispiel, wenn Sie ein Online-Werbenetzwerk bezahlen - zum Beispiel Google AdWords - Ihre Anzeigen angezeigt werden, in der Regel zahlen Sie für jeden Klick, die Besucher auf Ihre Website durch eine gesponserte Anzeige sendet, die zu einer Suche in Antwort erscheint.
schließlich den Besucher immer zu tun, was Sie hoffen, dass sie werde tun, während sie auf Ihrer Website - ein zahlender Kunde werden - sollte Teil Ihrer Marketing-Strategie sein. Diese Art der Kostenstruktur Marketing genannt wird Pay-per-Klick. Sie zahlen das Netzwerk (in diesem Fall Google) für jeden Klick, ob der Besucher in einen Verkauf umwandelt.
Da Sie für jeden Klick, ohne die Garantie von zahlen jeden Besuch zu einem Verkauf konvertieren, sollten Sie eine Art Filter zu erstellen, die diese wahrscheinlichste, um sicherzustellen, Kunden Ihre Anzeige erhalten zu werden.
Kein Punkt Anzeige Ihre Anzeige nur jemand - eine Schrotflinte Strategie ist bei weitem nicht optimal, und Ihre Anschaffungskosten durch das Dach wäre. Ihre Anzeige Zielgruppe sollten die Besucher sein, die die höchste Wahrscheinlichkeit der Umwandlung haben.
Dies ist, wo Predictive Analytics zur Hilfe für zielgerichtetes Marketing kommen kann. Durch die Schaffung eines wirksamen Prognosemodell, das die Kunden in Ihrer Datenbank zählt nach, die am ehesten zu kaufen, abonnieren oder eine andere organisatorische Ziel zu erreichen, haben Sie die Möglichkeit, die Rendite auf Ihre Marketing-Investitionen zu erhöhen. Insbesondere kann Predictive Analytics für Marketing
Profitabilität steigern
Erhöhen Sie Ihre Conversion-Verhältnis
Steigerung der Kundenzufriedenheit durch die Reduzierung unerwünschter Kontakt
Steigerung der betrieblichen Effizienz
Erfahren Sie, was funktioniert (oder nicht) in jeder Marketing-Kampagne
Traditionelle Marketing zielt auf eine Gruppe von Kunden ohne solche modernen Techniken wie prädiktive Modellierung unter Verwendung von Data-Mining-Anwendung und Maschinenlernalgorithmen zu dem Datensatz. Prädiktive Modellierung, im Bereich des Direktmarketing heißt Antwort Modellierung mit Predictive Analytics (oder einfach Antwort Modellierung von hier an). Manchmal schaffen Analysten Filter auf den Datensatz anwenden, wodurch eine ausgewählte Gruppe zu schaffen Ziel.
Aber das ausgewählte Gruppe möglicherweise nicht optimal konfiguriert. Response-Modellierung, auf der anderen Seite versucht Muster in den Daten zu entdecken, die vorhanden sind, aber nicht sofort apparent- das Ergebnis ist eine optimierte Gruppe abzuzielen.
Im folgenden Beispiel wird eine kleine Probe der Gewinn durch direkte Mailings zu vergleichen - das traditionelle Marketing im Vergleich Antwort Modellierung.
| Traditionelle Marketing- | Wirkungs-Modell | |
|---|---|---|
| Anzahl der Kunden ausgerichtet | 1000 | 100 |
| Kosten pro Kunde gezielt (davon ausgehen, $ 2) | $ 2 | $ 2 |
| Anzahl der Antworten | 20 | 10 |
| Die Ansprechrate | 2 Prozent | 10 Prozent |
| Der Gesamtumsatz ($ 100 pro Antwort annehmen) | $ 2.000 | $ 1.000 |
| Gesamtkosten der Kampagne | $ 2.000 | $ 200 |
| Gesamtgewinn | $ 0 | $ 800 |
Die Reaktion Modellierung hat 10 Prozent der herkömmlichen Anzahl von Kunden gezielt (100 statt 1000) zu einer optimierten Teilmenge. Die Antwortquote sollte höher mit Wirkungs-Modell - 10 Prozent statt der 2 Prozent, die für traditionelle Marketing-typisch ist.
Das Nettoergebnis ist ein Gewinn von $ 800 unter Antwort Modellierungs- traditionellen Marketing-Break-even. Auch, wie pro-Kosten für den Kunden zu erhöhen, Wirkungs-Modell der Wert-Targeting wird noch besser - ohne auch nur unter Berücksichtigung der impliziten Vorteile nicht unqualifizierte Kunden abzielen.
Wenn Sie keinen Nutzen ohne Angabe ständigem Kontakt mit einem Kunden zu machen, laufen Sie Gefahr, in Zukunft ignoriert.
Nun wollen wir ein Beispiel betrachten, die den Gewinn Vergleich zwischen Direct Mailings zeigt mit traditionellen Marketing-und-Antwort-Modellierung mit einer größeren Probengröße.
| Traditionelle Marketing- | Wirkungs-Modell | |
|---|---|---|
| Anzahl der Kunden ausgerichtet | 10000 | 1000 |
| Kosten pro Kunde gezielt | $ 2 | $ 2 |
| Anzahl der Antworten | 200 | 100 |
| Die Ansprechrate | 2 Prozent | 10 Prozent |
| Der Gesamtumsatz ($ 100 pro Antwort annehmen) | $ 20.000 | $ 20.000 |
| Gesamtkosten der Kampagne | $ 20.000 | $ 2.000 |
| Gesamtgewinn | $ 0 | $ 18.000 |
Hier ist die Antwort Modellierung hat (wieder) gezielt nur 10 Prozent der 10.000 Interessenten traditionell ausgerichtet. In einer optimierten Teilmenge von 1000 sollte die Response-Rate höher sein. Wenn Sie eine Antwortrate von 2 Prozent für eine traditionelle Direktmailing-Marketing-Kampagnen- mit Wirkungs-Modell angenommen, ist die Reaktionsrate von 10 Prozent, weil die Kunden likelier sind in erster Linie zu kaufen.
Response-Modellierung schafft einen Gewinn von $ 18.000 im Rahmen dieser Szenario- traditionellen Marketing bricht sogar. Wie im vorherigen Szenario, verdient diese Einnahmen traditionellen Marketing mit von Marketingkosten verbraucht wird. Somit wird, wie die Genauigkeit der Kunden erhöht gezielte, erhöht den Wert des Ansprechens Modellierung auch.