Como usar Análise Preditiva de Marketing de Destino
A análise preditiva fazer o seu campanhas de marketing mais orientado para o cliente. A idéia é personalizar seus anúncios para atingir um segmento da sua base total de clientes - e não o todo. Se você enviar apenas os anúncios que são relevantes para um segmento de clientes, você aumenta a probabilidade de que os visitantes particulares irá executar a ação que você espera para - compra.
Se você pode determinar qual segmento da sua base de clientes irá responder melhor à sua mensagem, você economiza dinheiro com o custo de convencer um cliente para fazer a compra (custos de aquisição) e melhorar a eficiência global.
Por exemplo, quando você paga uma rede ad online - por exemplo, o Google AdWords - para exibir seus anúncios, normalmente você paga por cada clique que envia o tráfego para o seu site através de um anúncio patrocinado que aparece em resposta a uma pesquisa.
Obtendo o visitante finalmente, para fazer o que você espera que ela vai fazer enquanto ela está em seu site - tornar-se um cliente - deve ser parte de sua estratégia de marketing. Este tipo de estrutura de custos de marketing é chamado pago por clique. Você paga a rede (neste caso, o Google) por cada clique, ou não o visitante se converte em uma venda.
Porque você está pagando por cada clique, sem qualquer garantia de converter cada visita em uma venda, você vai querer criar algum tipo de filtro para garantir que aqueles mais provável de se tornar clientes recebem o anúncio.
Nenhum ponto exibindo o seu anúncio a qualquer pessoa - uma estratégia shotgun está longe de ser ideal, e os custos de aquisição seria através do telhado. público-alvo do seu anúncio deve ser aqueles visitantes que têm a maior chance de conversão.
Este é o lugar onde a análise preditiva pode vir em seu auxílio para o marketing de destino. Ao criar um modelo preditivo eficaz que classifica os clientes em seu banco de dados de acordo com o que é mais provável para comprar, subscrever, ou encontrar algum outro objetivo organizacional, você tem o potencial de aumentar o retorno do seu investimento em marketing. Especificamente, a análise preditiva para o marketing pode
aumentar a rentabilidade
Aumentar a sua taxa de conversão
Aumentar a satisfação do cliente, reduzindo o contato indesejado
Aumentar a eficiência operacional
Saiba o que funciona (ou não) em cada campanha de marketing
O marketing tradicional tem como alvo um grupo de clientes sem a aplicação de tais técnicas modernas como modelagem preditiva utilizando-mineração de dados e algoritmos de aprendizado de máquina para o conjunto de dados. modelagem preditiva, na área de marketing direto é chamado modelagem de resposta usando análise preditiva (Ou simplesmente modelagem de resposta daqui em diante). Às vezes, os analistas criar filtros para aplicar ao conjunto de dados, criando assim um seleto grupo de destino.
Mas esse seleto grupo não pode ser configurado de maneira otimizada. modelagem de resposta, por outro lado, procura descobrir padrões nos dados que estão presentes mas não imediatamente aparente- o resultado é um grupo optimizado para segmentar.
O exemplo a seguir utiliza uma pequena amostra para comparar o lucro gerado por mala direta - o marketing tradicional contra a modelagem de resposta.
| O marketing tradicional | Modelagem resposta | |
|---|---|---|
| Número de clientes alvo | 1000 | 100 |
| Custo por cliente alvo (assumir US $ 2) | $ 2 | $ 2 |
| Número de respostas | 20 | 10 |
| Taxa de resposta | 2 por cento | 10 por cento |
| A receita total (assumir US $ 100 por resposta) | $ 2.000 | $ 1.000 |
| Custo total da campanha | $ 2.000 | $ 200 |
| Lucro total | $ 0 | $ 800 |
A modelagem de resposta tem como alvo 10 por cento do número tradicional de clientes (100 em vez de 1000) a um subconjunto optimizado. A taxa de resposta deve ser maior com modelagem resposta - 10 por cento em vez dos 2 por cento que é típico para comercialização tradicional.
O resultado líquido é um lucro de US $ 800 sob o marketing tradicional resposta modelação quebra mesmo. Além disso, de acordo com o cliente visando aumento de custos, o valor da modelagem de resposta fica ainda melhor - sem mesmo tendo em conta os benefícios implícitos de não segmentação de clientes não qualificados.
Se você faz o contato constante com um cliente sem fornecer qualquer benefício, você corre o risco de ser ignorado no futuro.
Agora, vamos considerar um exemplo que mostra a comparação do lucro entre mala direta usando o marketing tradicional e modelagem de resposta com um tamanho de amostra maior.
| O marketing tradicional | Modelagem resposta | |
|---|---|---|
| Número de clientes alvo | 10000 | 1000 |
| Custo por cliente alvo | $ 2 | $ 2 |
| Número de respostas | 200 | 100 |
| Taxa de resposta | 2 por cento | 10 por cento |
| A receita total (assumir US $ 100 por resposta) | $ 20.000 | $ 20.000 |
| Custo total da campanha | $ 20.000 | $ 2000 |
| Lucro total | $ 0 | $ 18.000 |
Aqui a modelagem de resposta tem (mais uma vez) destinada apenas 10 por cento dos 10.000 potenciais clientes tradicionalmente alvo. Num subconjunto optimizado de 1000, a taxa de resposta deve ser maior. Se você assumiu uma taxa de resposta de 2 por cento para um campaign- marketing de mala direta tradicional, com modelagem de resposta, a taxa de resposta de 10 por cento, porque os clientes estão propensos a comprar, em primeiro lugar.
modelagem de resposta cria um lucro de $ 18.000 sob esta encenação breaks tradicionais de marketing mesmo. Como no cenário anterior, qualquer receita obtida usando o marketing tradicional é consumida por custos de marketing. Assim, como a precisão dos clientes, aumenta-alvo, o valor da modelagem de resposta também aumenta.