Campagnes d'email personnalisées: utilisation des données Web des clients pour informer le marketing personnalisé.<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Je travaille actuellement sur un projet avec des collègues de mon organisation sur un "Projet de parcours client", qui sera lancé peu de temps après les résultats de mon travail actuel. L'objectif de ce projet est de placer chaque client de notre liste de diffusion sur un parcours basé sur nos programmes. Nous avons développé quatre parcours principaux basés sur les programmes auxquels ils ont participé dans le passé et sur leurs comportements en ligne avec référence aux données de la liste de souhaits, aux activités du panier, aux devis, aux commandes, à la connexion Web, aux données du journal des appels, aux pages vues, , recherche par mot clé sur notre site, etc. Les voyages que nous avons formulés sont basés sur les programmes que nous proposons et chaque client est placé dans chaque base de voyage selon ses "préférences de programmes inférées". Les voyages sont:
1. Destination (ex: Alaska, Californie, Amérique centrale, Atlantique Sud, Europe occidentale, Europe, Asie, etc.). Le voyage de destination est ensuite subdivisé en états primaires, pays primaires, régions primaires et continent primaire).
2 Voyage de style de vie (ex. voyageurs indépendants, voyageurs intergénérationnels, voyageurs ayant besoin de services, voyageurs vivant et apprenant, voyages à intérêt physique Programmes difficiles).
3 Voyage d’intérêt (ex. Observation des oiseaux, cyclisme, bricolage, musique, fêtes et festivals, sports, marche / randonnée, etc.).
4 Programme Line Journey (Ex. Intérêt pour les programmes nationaux, intérêt pour les programmes internationaux, intérêt pour les programmes à flot (navires, navires de croisière, insignes, bateaux fluviaux, etc.).
Ainsi, en utilisant un large éventail de jeux de données, ma tâche consiste à dresser une liste des trajets "recommandés" pour chaque client, qui seront utilisés par l'équipe de campagne d'e-mail pour cibler les clients sur une base de trajets spécifique sur la base du résultat de mon analyse.
La première partie de ce processus est simple, c’est-à-dire qu’elle utilise les données disponibles et celles dérivées pour calculer un score pour chaque clientèle sur les variables par programme. À la fin de la journée, j'obtiendrai un résultat semblable à celui d'un tableur, qui indiquera l'adresse électronique de chaque client, les programmes auxquels il a assisté, sur lesquels il aurait peut-être cliqué ou visité, en fonction de ses pages vues, de sa liste de souhaits et de nombreux autres éléments, ainsi que en tant que leur score prédictif global / score classé ainsi que la ligne de programme et les trois autres trajets énumérés ci-dessus.
Ainsi et compte tenu du résultat, il est plus probable que chaque client aura ou aura une activité dans plusieurs des voyages énumérés ci-dessus. Ainsi, je veux pouvoir sélectionner le voyage le plus dominant pour chaque client (base sur les données) et, dans ce processus, recommander le voyage avec lequel ils doivent être promus par courrier électronique. Existe-t-il un moyen simple de faire cela dans JMP?
Re: campagnes personnalisées par courrier électronique: utilisation des données Web des clients pour informer le marketing personnalisé.Merci peter.bartell@jmp.com
Re: campagnes personnalisées par courrier électronique: utilisation des données Web des clients pour informer le marketing personnalisé.Je pense que le regroupement pourrait montrer certaines idées et une foule d’autres offres JMP. Merci pour vos contributions.
Re: campagnes personnalisées par courrier électronique: utilisation des données Web des clients pour informer le marketing personnalisé.Jenkins: Le regroupement est certainement l’une des méthodes d’analyse de données exploratoires à plusieurs variables qui pourrait donner un aperçu. Avec des projets comme le vôtre, souvent, l'évier de la cuisine (ou proche de celui-ci) examine les données et avance au fur et à mesure que vous obtenez un aperçu. Certains chemins porteront leurs fruits, d'autres moins. Mais comme un de mes collègues me disait autrefois: "Savoir que le" n’est pas "est aussi informatif que de le savoir."
Re: campagnes personnalisées par courrier électronique: utilisation des données Web des clients pour informer le marketing personnalisé.Les processus que vous avez énumérés sont exactement ce que je suis en train de faire. Je me demande si le regroupement de ses voyages de groupe pourrait-il reposer sur les préférences des clients en matière d’intérêts?
Re: campagnes personnalisées par courrier électronique: utilisation des données Web des clients pour informer le marketing personnalisé.Jenkins: Pour commencer, il s’agit d’un projet typique, mais assez complexe, qui peut prendre de nombreux rebondissements. Je suggère de suivre un flux de travail classique d'exploration de données / modélisation prédictive comprenant les composants principaux suivants ... dont JMP et, si vous possédez JMP Pro, mieux encore, peuvent certainement jouer un rôle.
1. Articulez le problème commercial ... il semble que, d'après votre message d'origine, votre équipe ait réfléchi à la question.
2 Recherchez / collectez des données pertinentes… pas seulement des données auxquelles vous avez accès… mais des données nécessaires… pour les réponses et les facteurs.
3 Explorez les données pour la pertinence, la qualité, le désordre, les données manquantes, etc. JMP peut vous aider ici avec les plates-formes Column et Modelling Utilities. Décidez comment vous allez gérer les variables / observations problématiques. Réfléchissez à la manière dont vous allez gérer la validation croisée dans la modélisation ... Ajoutez peut-être une variable de construction de validation à l'ensemble de données.
4 Explorez les données pour les corrélations, où est le milieu, quelle est l'étendue, la forme, tout ce qui est inhabituel ... plusieurs plates-formes JMP jouent dans cet espace: Graph Builder, Distribution, Ajustement Y par X, Multivarié (et toutes les sous-plates-formes qu'il contient).
5 Commencez à créer et à évaluer des modèles ... OLS, Logistique (pour les réponses catégoriques), PLS, sous-plateformes de régression généralisée, GLM, etc., pourraient jouer un rôle ici. Si vous avez JMP Pro, évaluez vos modèles dans la plate-forme Comparaison de modèles.
6 Communiquez vos résultats, en utilisant éventuellement l'exportation en masse vers des applications MS telles que Word ou PowerPoint, ou avec l'interface HTML5 avec données.
7. Piloter une solution pour vérifier le travail de modélisation.
8 Résoudre un problème pratique? Si oui, célébrez ... non, revenez en arrière pour savoir pourquoi.
Bonne chance ... j'aimerais être là pour vous aider
