Comment utiliser des traits de la clientèle, combinées à des données entraînés commercialisation

La puissance de poids lourds de l'analyse de données dans les données marketing axée vient vraiment en jeu lorsque vous commencez à regarder plusieurs traits à la fois. Ceci est connu comme analyse multivariée

Sommaire

.

Comment trouver des regroupements utiles de clients dans le marketing guidé par les données

Regardant à travers de multiples traits de clients à la fois est pas facile. Pour une chose, ça se complique rapidement. Et le nombre de clients qui partagent plusieurs traits en commun devient rapidement faible.

Vous pouvez avoir un grand nombre de clients dans leur 20s, beaucoup qui ont des enfants, beaucoup qui sont mariés, et un lot avec des revenus entre 40-50K $. Mais si vous recherchez votre base de données pour les clients qui ont tous de ces traits, vous serez surpris de voir combien peu vous trouvez.

Ceci est un problème universel dans le traitement des données des clients, ou pratiquement toutes les données pour cette question. Quand vous vous concentrez sur le regroupement des clients ainsi que sur la base des valeurs de variables particulières, vous vous retrouvez avec un grand nombre de très petits groupes.

Dans le marketing, vous souhaitez identifier les groupes ou segments, des clients avec un oeil vers leurs besoins et préférences communes. En divisant vos clients en groupes de cette manière est connue comme segmentation. Parce que vos segments sont axés sur les besoins des clients, ils ne doivent pas nécessairement être complètement uniforme. Les clients dans un segment ne doivent pas être simplistes copies les uns des autres.

Parce que les segments de clientèle sont le résultat de certaines analyses très avancées, il est souvent difficile de savoir comment les segments sont définis. Il peut en effet être un processus assez compliqué de décider quel segment un client appartient à. Laissez ce à vos gens techniques.

Concentrez-vous plutôt sur ce que les segments ressemblent vraiment. En d'autres termes, se concentrer sur la description de ces groupes de clients. Qu'est-ce qu'ils ont en commun et comment les groupes diffèrent les uns des autres?

Un segment de clientèle qui est commun à presque toutes les entreprises est le client de haute affinité. Ce sont les clients qui sont très fidèles à votre marque. Ce segment de haute affinité est identifié par l'analyse des données sur les achats passés. Mais ce segment est généralement loin d'être uniforme à l'égard de l'âge, lifestage, et d'autres données démographiques. Le public de haute affinité pour les jouets des enfants comprend à la fois les parents et les grands-parents, par exemple.

Comment faire des prédictions dans le marketing guidé par les données

En fin de compte, vous voulez savoir qui est susceptible de répondre à une campagne de commercialisation donnée. Beaucoup de techniques statistiques peuvent vous aider à atteindre cet objectif. Encore une fois, ces techniques nécessitent une certaine connaissance préalable de l'analyse de données, qui devrait être laissée à votre geek. Mais un certain nombre de choses sont à noter.

Une prédiction obtenue par calcul statistique est connu comme un prédictive modèle. Dans le marketing de base de données, ces modèles sont généralement utilisés pour prédire les réponses à une campagne et sont donc appelés modèles de réponse. Pour développer un tel modèle, vous avez besoin d'avoir des données des campagnes précédentes de réponse.


Il est souvent pas évident pourquoi ou comment le modèle fait son prédiction. Ce mystère est typique des modèles prédictifs.

À un certain moment dans votre vie vous avez probablement reçu une lettre de votre compagnie de carte de crédit vous disant que votre taux d'intérêt a augmenté ou que vous devez commencer à payer une cotisation annuelle. Ces lettres peuvent être ennuyeux.

Il est cette phrase qui dit, “ Cette action peut être dû à l'une des suivantes ” Il passe ensuite à la liste un tas de choses comme les retards de paiement ou des soldes élevés, de nombreux ou tous qui ne vous concerne pas.

Qu'est-ce qui se passe ici est que la société de carte de crédit est nécessaire pour vous dire non seulement qu'ils prennent “ une action défavorable, ” mais pourquoi. Le problème est que la véritable raison pour laquelle ils prennent des mesures défavorable est due à un modèle statistique, comme un pointage de crédit. Et il est difficile de démêler exactement pourquoi tel score est un modèle alla haut ou le bas.

Vous pouvez certainement comprendre les variables du modèle utilise. Vous pouvez habituellement comprendre quels sont ceux qui sont les plus importants. Mais une fois que tout est jeté ensemble, il est préférable de laisser simplement le modèle que vous dire ce qu'il pense.


» » » » Comment utiliser des traits de la clientèle, combinées à des données entraînés commercialisation