Database-Marketing hängt wesentlich von der Lage, direkt mit Ihren Kunden zu kommunizieren. Das bedeutet, dass Sie Ihren Kunden Adressbuch müssen so sauber wie möglich zu sein. Im Folgenden sind einige der wichtigsten Schritte, die Sie ergreifen können, dieses Ziel zu erreichen. In den meisten Fällen von Drittanbietern können Service-Provider diese Dienste zu angemessenen Kosten zur Verfügung stellen. Diese Überlegungen gelten nicht nur auf physikalische Adressen, sondern zu E-Mails und Handy-Gerätenummern als auch:
Standardisieren Namen und Adressen in ein gemeinsames Format. Dies ist eine Voraussetzung für beide Datenbereinigung und House tun.
Überprüfen Sie, dass Adressen lieferbar sind. ein Stück Post oder E-Mail senden, die geliefert werden können, ist ineffizient.
Update-Adressen für die Bewegungen zu berücksichtigen. Mail (physische oder E-Mail) nicht immer leitet werden.
Halten Sie Ihre Opt-out-Datei auf dem neuesten Stand. Es ist sehr wichtig, dass Sie machen nicht senden Marketing-Botschaften an die Menschen, die nicht wollen, von Ihnen zu hören.
Entfernen Sie doppelte Adressen aus Ihrem E-Mail-Dateien. mehrmals auf die gleiche Adresse Sie wollen nicht die gleiche Kommunikation zu senden.
Segmentieren Kunden in Gruppen
Marketer Gruppe Kunden zusammen in Segmente in mehrfacher Hinsicht. Diese verschiedenen Ansätze werden durch die Art der Daten charakterisiert sie verwenden. Hier sind einige gemeinsame Kundensegmentierung Systeme:
Der demografische Segmentierung: Der demografische Segmente werden durch einen Blick auf Alter, Einkommen, Familienstand, Vorhandensein von Kindern und andere ähnliche Züge entwickelt. Ihr Kunden finanzielle Mittel und Lifes Verständnis hilft Ihnen, relevante Produkte und Dienstleistungen anbieten.
Geographische Segmentierung: Die Bedürfnisse der Kunden und Einstellungen variieren je nachdem, wo sie leben. Wetter treibt unterschiedliche Produktanforderungen in den verschiedenen Regionen. Und man muss suchen Sie nicht weiter als die rot Zustand / blau Zustand teilen der amerikanischen Politik zu sehen, dass sich die Einstellung dramatisch durch die Geographie variieren.
Behavioral Segmentierung: Vergangenheit Kaufverhalten und Web-Browsing-Verhalten Ausbeute eindrucksvoller Einblicke über Ihre Kunden. Diese Daten können Sie zeigen, welche Kunden preissensibel gegenüber Premium-Nutzen orientiert sind. Es zeigt auch, welche Kunden treuesten Ihrer Marke sind.
Kundenrentabilität: Gruppieren Sie Ihre Kunden nach, wie viel sie Ihr Endergebnis beitragen können Sie Zielgruppen für Ihre Kampagnen zu priorisieren.
Psychographische Segmentierung: Basierend weitgehend auf Umfrageforschung ist psycho Segmentierung ein Versuch, die Bedürfnisse und Einstellungen der verschiedenen Kunden zu verstehen. Dieses Verständnis ist sehr nützlich, in Nachrichten und Angebote Crafting, die mit den Kunden Anklang finden werden.
Statistische Daten für in Data Driven-Marketing
Jeder, der eine Tabelle immer verwendet wird ist vertraut mit der Idee Datentypen. Daten gibt es in zwei Grundgeschmacksrichtungen: numerische und Charakter - Zahlen und Text. Zeichendaten werden in der statistischen Analyse nicht beteiligt. Numerische Daten gliedert sich in ganze Zahl Daten und dezimal Daten und kann auf verschiedene Arten formatiert werden.
Aber wenn es darum geht, die statistische Analyse der Daten durchgeführt wird, sind einige Unterschiede wichtig, im Auge zu behalten. Nicht alle Daten werden gleich geschaffen, wenn es um die Berechnung Statistiken kommt.
Im Folgenden werden die grundlegenden Datentypen zusammen mit einer kurzen Beschreibung der Arten von Statistiken, die Sie mit ihnen sinnvoll durchführen können. Beachten Sie, dass jeder Datentyp in dieser Liste, die in allen vorhergehenden beschriebenen Typen Berechnungen unterstützt:
Kategorische Daten: Dies sind Daten, die aus statistischer Sicht ist, nicht numerisch. Sie klassifiziert einfach Aufzeichnungen nach Kategorien. Die Zahlen auf Fußball-Trikots sind ein Beispiel dafür. Mit dieser Art von Daten ist die einzig sinnvolle Statistik die Anzahl der Datensätze in jeder Kategorie.
Ordinal Daten: Diese Art von Daten zeigt einfach eine Art, in welcher Reihenfolge Aufzeichnungen fallen. Ein typisches Beispiel ist eine Umfrage Frage, die Responder auf Rang etwas auf einer Skala von 1 bis 10. Diese Art von Daten unterstützt die Berechnung der Perzentile fragt. Der Begriff der Median ist auch hier sinnvoll. Es ist wichtig zu beachten, dass Mittelwerte sind nicht sinnvoll mit ordinale Daten.
Intervalldaten: Intervalldaten unterstützt Vergleiche von Intervallen. Dollar beträgt, Alter und Temperatur alle haben diese Eigenschaft. Zum Beispiel ist der Unterschied zwischen 1 Dollar und 2 Dollar genau die gleiche wie die Differenz zwischen $ 100 und $ 101. Diese Art von Daten unterstützt die meisten gängigen statistischen Berechnungen wie Mittelwert und Standardabweichung.
Verhältnisdaten: Verhältnisdaten ist die robusteste Datentyp. Es ist, indem sie Vergleiche von Verhältnissen aus. Zehn Jahren ist doppelt so lang wie fünf Jahren zum Beispiel. Diese Art von Daten unterstützt praktisch jede statistische Berechnung vorstellbar, einschließlich der Variationskoeffizient sowie esoterischer Mittel wie das geometrische Mittel.