Campagne e-mail personalizzate: utilizzo dei dati Web dei clienti per informare il marketing personalizzato.<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Attualmente sto lavorando a un progetto con i colleghi della mia organizzazione su un "Progetto di viaggio del cliente", che verrà lanciato poco dopo i risultati del mio attuale lavoro. L'obiettivo di questo progetto è quello di mettere ogni cliente sulla nostra lista e-mail in un viaggio basato sui nostri programmi. Abbiamo sviluppato quattro viaggi principali in base ai programmi che hanno frequentato in passato e anche in base ai loro comportamenti online in riferimento ai dati della lista dei desideri, attività del carrello della spesa, preventivi, ordini, accesso al web, dati del registro chiamate, visualizzazioni di pagina, clic , ricerca per parole chiave sul nostro sito Web, ecc. I viaggi che abbiamo formulato si basano sui programmi che offriamo e ogni cliente è inserito in ogni base di viaggio sulle "preferenze del programma dedotte". I viaggi sono:
1. Viaggio di destinazione (es: Alaska, California, America centrale, Sud Atlantico, Europa occidentale, Europa, Asia, ecc.). Il viaggio di destinazione è ulteriormente suddiviso in stato primario, paese primario, regione primaria e continente primario).
2. Viaggio nello stile di vita (es. viaggiatori indipendenti, viaggiatori intergenerazionali, viaggiatori che imparano il servizio, viaggiatori che vivono e imparano, viaggi di interesse fisico (facile vs. Programmi stimolanti).
3. Viaggio di interesse (Es. Birding, ciclismo, artigianato, musica, feste e festival, sport, passeggiate / escursioni, ecc.).
4. Programma Linea Viaggio (Es. Interessi di programmi nazionali, interessi di programmi internazionali, interessi di programma di Afloat (navi, navi da crociera, distintivi, barche fluviali, ecc.).
Pertanto, utilizzando un'ampia gamma di set di dati, il mio compito è quello di fornire un elenco di percorsi "raccomandati" per ciascun cliente che verrà utilizzato dal team della campagna e-mail per indirizzare i clienti attraverso una specifica base di viaggio sul risultato della mia analisi.
La prima parte di questo processo è diretta, cioè utilizzando i dati disponibili e quelli derivati per calcolare un punteggio per ogni base di clienti sulle variabili per programma. Alla fine della giornata, avrò un foglio di calcolo come risultato, che mostra l'indirizzo email di ciascun cliente, i programmi a cui hanno partecipato o che potrebbero aver fatto clic o visitato in base alle loro visualizzazioni di pagina e lista di desideri e al resto di altre cose, come il loro punteggio predittivo complessivo / punteggio in classifica così come la linea del programma e gli altri tre viaggi sopra elencati.
Pertanto, dato il risultato, è più probabile che ogni cliente si trovi o abbia un'attività in più di una delle rotte elencate sopra. Pertanto, voglio essere in grado di selezionare il viaggio più dominante per ogni cliente (basato sui dati) e in tale processo raccomandare quale viaggio di viaggio dovrebbero essere promossi via email. C'è un modo semplice per farlo in JMP?
Oggetto: campagne e-mail personalizzate: utilizzo dei dati Web dei clienti per informare il marketing personalizzato.Grazie peter.bartell@jmp.com
Oggetto: campagne e-mail personalizzate: utilizzo dei dati Web dei clienti per informare il marketing personalizzato.Penso che il clustering possa mostrare alcune intuizioni e molte altre offerte JMP. Grazie per i tuoi input.
Oggetto: campagne e-mail personalizzate: utilizzo dei dati Web dei clienti per informare il marketing personalizzato.Jenkins: Il clustering è certamente uno dei metodi di analisi dei dati esplorativi multivariati che potrebbero fornire alcune informazioni. Con progetti come i tuoi spesso getta il lavandino della cucina (o vicino ad esso) ai dati e vai avanti mentre ottieni conoscenza. Alcuni percorsi porteranno frutti, altri non così tanto. Ma come un mio collega una volta era affezionato a dire: "A volte conoscere un 'non è' è tanto informativo quanto conoscere un 'è'".
Oggetto: campagne e-mail personalizzate: utilizzo dei dati Web dei clienti per informare il marketing personalizzato.I processi che hai elencato sono esattamente ciò che sto facendo attualmente. Mi chiedo se il clustering possa viaggiare nel suo gruppo basandosi sulle preferenze di interesse dei clienti.
Oggetto: campagne e-mail personalizzate: utilizzo dei dati Web dei clienti per informare il marketing personalizzato.Jenkins: Per i principianti questo è un tipico, ma piuttosto complesso progetto che può prendere molti colpi di scena. Suggerisco di seguire un classico flusso di lavoro di modellazione di dati / previsione predittiva che presenta i seguenti componenti principali ... di cui JMP e JMP Pro, meglio ancora, possono sicuramente svolgere un ruolo.
1. Descrivi il problema aziendale ... sembra che dal tuo post originale la tua squadra ci abbia pensato.
2. Trova / raccogli dati rilevanti ... non solo dati a cui hai accesso ... ma dati necessari ... per risposte e fattori.
3. Esplora i dati per rilevanza, qualità, disordine, mancante, ecc. JMP può aiutare qui con le piattaforme Column and Modeling Utilities. Decidi come gestirai le variabili / osservazioni problematiche. Pensa a come gestirai la convalida incrociata nella modellazione ... magari aggiungi una variabile costruttiva di convalida al set di dati.
4. Esplora i dati per le correlazioni, dove è il mezzo, quanto è esteso, forma, qualcosa di insolito ... più piattaforme JMP giocano in questo spazio da Graph Builder, Distribuzione, Adatta per X, Multivariata (e tutte le sottogruppi in esso contenute).
5. Iniziare a costruire e valutare i modelli ... OLS, Logistica (per risposte categoriali), PLS, sottotappressioni di regressione generalizzata, GLM e altri potrebbero svolgere un ruolo qui. Se hai JMP Pro, valuta i tuoi modelli nella piattaforma Confronto modelli.
6. Comunicare i risultati, magari utilizzando l'esportazione in massa in applicazioni MS come Word o PowerPoint o l'HTML5 con interfaccia dati.
7. Pilotare una soluzione per verificare il lavoro di modellazione.
8. Risolvi il problema pratico? Se sì, festeggia ... no, torna indietro per scoprire perché.
Buona fortuna ... vorrei essere lì per aiutarti
