Comment utiliser l'analyse prédictive pour le marketing cible

L'analyse prédictive rendre votre campagnes marketing plus orientée vers le client. L'idée est de personnaliser vos annonces afin de cibler un segment de votre clientèle totale - pas tout. Si vous envoyez seulement les annonces qui sont pertinentes pour un segment de clients, vous augmentez la probabilité que ces visiteurs particuliers vont effectuer l'action que vous espérez - achat.

Si vous pouvez déterminer quel segment de votre clientèle répondra le mieux à votre message, vous économisez de l'argent sur le coût de convaincre un client de faire l'achat (frais d'acquisition) et d'améliorer l'efficacité globale.

Par exemple, lorsque vous payez un réseau de publicité en ligne - par exemple, Google AdWords - pour afficher vos annonces, généralement vous payez pour chaque clic qui envoie le trafic vers votre site à travers une annonce parrainée qui apparaît en réponse à une recherche.

Obtenir le visiteur finalement à faire ce que vous espérez qu'elle va faire alors qu'elle est sur votre site web - devenir un client payant - devrait faire partie de votre stratégie de marketing. Ce type de structure de coûts de marketing est appelé payer par clic. Vous payez le réseau (dans ce cas, Google) pour chaque clic, si oui ou non le visiteur se transforme en une vente.

Parce que vous payez pour chaque clic, sans aucune garantie de transformer chaque visite en une vente, vous aurez envie de créer une sorte de filtre pour assurer que les personnes plus probable pour devenir les clients reçoivent votre annonce.

Aucun point figurent à ne importe votre annonce - une stratégie de fusil de chasse est loin d'être optimale, et vos coûts d'acquisition serait à travers le toit. Le public cible de votre annonce devrait être les visiteurs qui ont le plus de chance de la conversion.

Cette est l'endroit où l'analyse prédictive peuvent venir à votre aide à la commercialisation cible. En créant un modèle prédictif efficace qui classe les clients dans votre base de données en fonction de qui est le plus susceptible d'acheter, de souscrire, ou de rencontrer un autre objectif de l'organisation, vous avez la possibilité d'augmenter le retour sur investissement marketing. Plus précisément, l'analyse prédictive pour le marketing peut

• 
  
  
  
  

  Augmenter la rentabilité

• Augmentez votre taux de conversion

• Accroître la satisfaction client en réduisant les contacts indésirables

• Augmenter l'efficacité opérationnelle

• Apprendre ce qui fonctionne (ou pas) dans chaque campagne de marketing

Le marketing traditionnel vise un groupe de clients, sans l'application de ces techniques modernes comme la modélisation prédictive en utilisant l'extraction de données, et des algorithmes d'apprentissage automatique à l'ensemble de données. La modélisation prédictive, dans le domaine du marketing direct est appelé la modélisation de la réponse en utilisant l'analyse prédictive (ou simplement modélisation de la réponse à partir d'ici). Parfois, les analystes créer des filtres à appliquer à l'ensemble de données, créant ainsi un groupe sélect de cibler.

Mais ce groupe sélect ne peut être configurée de manière optimale. Modélisation de la réponse, d'autre part, cherche à découvrir des motifs dans les données qui sont présents mais pas apparent- immédiatement le résultat est un groupe optimisé à la cible.

L'exemple suivant utilise un petit échantillon de comparer le bénéfice généré par les mailings directs - le marketing traditionnel par rapport à la modélisation de la réponse.

La modélisation de la réponse a ciblé 10 pour cent du nombre de clients traditionnel (100 au lieu de 1000) à un sous-ensemble optimisé. Le taux de réponse devrait être plus élevé avec la modélisation de réponse - 10 pour cent au lieu des 2 pour cent qui est typique pour le marketing traditionnel.

Le résultat net est un bénéfice de 800 $ en vertu de la commercialisation traditionnelle de réponse rompt même. En outre, comme par client ciblant les coûts augmentent, la valeur de la modélisation de la réponse est encore mieux - sans même prendre en compte les avantages implicites de ne pas cibler les clients non qualifiés.

Si vous faites un contact constant avec un client, sans donner aucun avantage, vous courez le risque d'être ignoré dans l'avenir.

Voyons maintenant un exemple qui montre la comparaison des bénéfices entre mailings directs en utilisant le marketing traditionnel et de la modélisation de réponse avec un échantillon plus large.

Voici la modélisation de la réponse a (encore) ciblé seulement 10 pour cent des 10.000 clients potentiels traditionnellement ciblé. Dans un sous-ensemble optimisé de 1000, le taux de réponse devrait être plus élevé. Si vous avez pris un taux de 2 pour cent de réponse pour un campaign- de marketing direct-mailing traditionnel avec la modélisation de réponse, le taux de réponse est de 10 pour cent parce que les clients sont plus susceptibles d'acheter en premier lieu.

La modélisation de la réponse crée un profit de 18 000 $ en vertu de ce SCÉNARIO pauses de commercialisation traditionnels même. Comme dans le scénario précédent, tout revenu gagné en utilisant le marketing traditionnel est consommée par les coûts de commercialisation. Ainsi, comme l'exactitude des clients, des augmentations ciblées, la valeur de la modélisation de réponse augmente également.