Como criar a classificação das respostas para Marketing Data Driven

Uma abordagem comum para respostas de campanha de marketing dirigida modelagem de dados é tentar estimar a probabilidade de obter uma resposta com base em suas variáveis ​​de previsão. Esta técnica usa geralmente um procedimento de chamada regressão logística. Esta abordagem pode levar em conta tanto os dados categóricos e de medição.

Quando um tal modelo é aplicado a um determinado público, o resultado é que cada um dos consumidores, é dada uma pontuação de resposta. Normalmente, este é um número entre 0 e 1 e pretende medir a probabilidade de que o cliente responder à sua campanha.

Estas pontuações de resposta realmente não se assemelham realmente probabilidades em tudo. Em outras palavras, se você apenas envia a pessoas com pontuação de resposta acima 0,9, você não está indo para obter uma taxa de resposta de 90 por cento. A coisa importante sobre eles é que as pontuações mais elevadas deve ser associada a maiores taxas de resposta. Em outras palavras, essas pontuações são uma boa ferramenta de triagem.

Isso traz de volta a noção de um gráfico de ganhos. Quando você testar seu modelo contra o seu grupo de validação e novamente quando você realmente implementá-lo, ganha gráficos são uma maneira muito fácil de visualizar como o modelo está realizando. A ideia é simples. Você classificar o seu público, pontuação resposta do maior para o menor. Em seguida, represente a porcentagem de respostas totais contra o percentual de clientes acima de cada nível de pontuação.

As pontuações modelo são representados na parte inferior. Estas são as fileiras de percentis dos escores modelo. O mais à esquerda 10 por cento representa o 10 por cento da pontuação modelo. O eixo vertical representa a percentagem de respostas que vieram de clientes cuja pontuação ultrapassado um determinado percentil. Por exemplo, este gráfico está lhe dizendo que aproximadamente 70 por cento dos que responderam veio da mais alta 30 por cento da pontuação modelo.

Ao utilizar um gráfico de ganhos para avaliar um modelo, você está procurando, qualitativamente, pelo menos, por uma coisa só. Você quer que ele seja íngreme. Quanto mais rápido o seu percentual de resposta total levanta-se perto de 100 por cento, menos os clientes que você teve para entrar em contato para obter essas respostas.

Uma aplicação comum das informações fornecidas em um gráfico ganhos relaciona-se com o dimensionamento seu público para uma campanha. Quando chega a hora de selecionar um público-alvo usando seu modelo, você pode usar o gráfico ganhos para descobrir quantos clientes para enviar para. Ganhos gráficos são uma maneira poderosa de visualizar a eficiência segmentação que os modelos podem proporcionar.