Autotarget: Mesin Pemasaran Kelakuan untuk E-mel

Depositphotos 86049558 m 2015

Pemasaran pangkalan data adalah penting tingkah laku pengindeksan, demografi dan melakukan ramalan analisis mengenai prospek anda agar dapat memasarkannya dengan lebih bijak. Saya sebenarnya menulis rancangan produk beberapa tahun yang lalu untuk statistik Perincian pelanggan e-mel berdasarkan tingkah laku mereka. Ini akan membolehkan pemasar membagi populasi pelanggan berdasarkan siapa yang paling aktif.

Dengan mengindeks tingkah laku, pemasar dapat mengurangi pemesejan, atau menguji pemesejan yang berbeda, kepada pelanggan yang tidak membuka, mengklik, atau melakukan pembelian (penukaran) dari e-mel. Ini juga membolehkan pemasar memberi ganjaran dan menargetkan pelanggan mereka yang paling aktif. Ciri ini tidak pernah disetujui untuk menjadikannya produk dengan syarikat itu, tetapi syarikat lain telah meningkat ke tahap pemasaran pangkalan data dan kecanggihan segmentasi, iPost.

iPost telah melancarkan enjin penargetan tingkah laku yang sangat mantap ke barisannya, yang disebut AutoTargetTM (klik untuk membesarkan gambar):

autotarget

Craig Kerr, VP Pemasaran iPost, telah memberikan maklumat berikut mengenai produk:

AutotargetTM

Autostarget iPost membolehkan pemasar meningkatkan hasil kempen pemasaran e-mel secara dramatik menggunakan ramalan analisis. Penggunaan Autotarget telah terbukti dapat meningkatkan keuntungan kempen e-mel sekurang-kurangnya 20 peratus dan untuk mengurangkan potongan harga dan meningkatkan kadar terbuka dengan ketara.

Sebagai contoh, satu syarikat telah meningkatkan keuntungan pemasaran e-mel sebanyak 28%, penurunan diskaun, walaupun di pasaran yang sukar ini, sebanyak 40% dan kenaikan kadar buka sebanyak 90% setelah hanya beberapa bulan menggunakan Autotarget. Autotarget menghilangkan tekaan dan menggantinya dengan metodologi automatik yang terbukti dan memastikan bahawa e-mel yang tepat dihantar kepada orang yang tepat pada masa yang tepat.

Banyak pemasar e-mel bangga dengan seberapa banyak mereka mengembangkan senarai e-mel mereka. Dan, secara tradisional, mereka meledak sekerap yang mereka dapat kepada seberapa banyak orang dalam senarai e-mel yang mungkin. Pendekatan ini adalah pembaziran sumber dan cara yang pasti untuk kehilangan pelanggan: Walaupun sebilangan pelanggan ingin menerima e-mel komersial yang kerap, yang lain dengan cepat menganggap e-mel sebagai spam dan pengirim sebagai spammer.

Teknologi analitik ramalan unik Autotarget melakukan kerja keras bagi pemasar dengan memanfaatkan maklumat yang mereka kumpulkan mengenai pelanggan secara automatik? tingkah laku di semua saluran mereka. Dan, baru dengan versi terbaru mereka, Autotarget berfungsi dengan mana-mana penyedia perkhidmatan e-mel (ESP).

Cara Autotarget berfungsi

Autotarget didorong oleh dua aliran data: pertama, tingkah laku klik melalui e-mel dan tontonan klik dan, kedua, tingkah laku pembelian rentas saluran. Autotarget secara automatik dan berterusan memperoleh klik e-mel dan melihat data tingkah laku secara langsung dari penyedia perkhidmatan e-mel syarikat semasa.

Data tingkah laku pelanggan yang bersejarah secara automatik menjadi data yang dapat ditindaklanjuti

Autotarget mengakses data tindak balas e-mel setiap hari dan memaparkan secara visual sehingga 125 personaliti pelanggan bersamaan dengan 12 bulan? ketinggalan data mengenai tingkah laku kempen e-mel mereka. Setelah personel ini ditubuhkan, Autotarget dapat dengan cepat mengirim mesej e-mel yang disasarkan kepada pelanggan berdasarkan keperibadian mereka, meningkatkan kemungkinan tindak balas positif.

Menggunakan metodologi yang terbukti termasuk analisis RFM

Komponen utama pengelompokan persona adalah analisis RFM (Keterkinian interaksi terakhir, Kekerapan interaksi, dan Nilai wang pelanggan). Autotarget adalah penyelesaian e-mel pertama untuk mengautomasikan dan mengemas kini analisis RFM untuk kempen pemasaran e-mel dalam talian.

Analisis RFM digunakan secara meluas di dunia luar talian untuk mengelompokkan pelanggan ke dalam kumpulan berdasarkan tindak balas tingkah laku mereka terhadap mesej tertentu. Nilai analisis RFM adalah bahawa telah terbukti selama beberapa dekad untuk secara tepat meramalkan tingkah laku pelanggan masa depan berdasarkan tingkah laku masa lalu mereka sendiri di pelbagai saluran dan tingkah laku pelanggan lain dengan profil yang serupa.

Apa yang diberitahu oleh sel RFM mengenai pemasaran dan potongan harga

Secara intuitif, pelanggan dengan nilai sel RFM tertinggi jauh lebih terlibat dengan jenama tersebut, dan lebih cenderung untuk menanggapi tawaran dan memerlukan potongan yang lebih rendah, lebih sedikit atau, mungkin, tanpa kemungkinan. Grafik Autotarget RFM iPost menunjukkan dengan tepat berapa banyak pelanggan setiap sel RFM yang benar-benar memberi respons (yang diklik, dilihat, dan dibeli) ke semua set surat yang dipilih. Dengan menggunakan data ini, pemasar dapat membuat segmen pelanggan dengan cepat dan mudah berdasarkan tindak balas sel RFM mereka untuk pemasaran susulan yang berkesan.

Autotarget mengambil masa 5 minit untuk digunakan

Tidak memerlukan tinjauan atau borang, namun 100% asas pelanggan diprofilkan dengan Autotarget. Pelanggan menjana data setiap kali mereka berinteraksi dengan mesej e-mel atau membuat pembelian di mana-mana tempat hubungan (laman web, POS, atau pusat panggilan). Ringkasnya, Autotarget adalah penyelesaian yang kuat, namun cepat dan mudah digunakan.

Apa yang anda fikir?

Laman web ini menggunakan Akismet untuk mengurangkan spam. Ketahui bagaimana data komen anda diproses.