衡量定向营销效果的 3 个错误
Posted: Sat Dec 07, 2024 9:50 am
在评估定向营销的结果时，管理者经常会犯一些误判：
没有评估有效性的标准。
在这种情况下，可能会涉及到不相关的参数，从而影响结果的评估，并妨碍您充分了解CRM营销。
主要标准是不具有决定性重要性的特征，例如点击次数、转换到网站的百分比。
这些参数以及其他一些参数对于评 饭团数据库 估负责开展广告活动的专家的工作有效性非常重要。但是，它们没有提供有关收入金额或是否有利润的深入信息。
衡量定向营销效果的错误
在评估直接广告的效果时，不考虑使用其他推广工具的结果。
这种公关的高效率可能是所谓的“蚕食”的结果，它扭曲了定向营销的结果。让我们用一个具体的例子来看看这种情况。
由于用户根据搜索引擎结果点击查看材料中的链接，该公司收到了大量请求。然后，流入量减少，同时通过电子邮件发送的信件中的链接发现的客户数量有所增加。因此，SEO推广的请求数量有所减少。
也就是说，CRM营销并没有变差，只是各种促销工具吸引消费者数量的比例发生了变化。
正确计算绩效指标的2种方法
我们已经说过，组织有针对性的营销活动分为几个阶段：市场细分、选择潜在客户群和定位。但同样重要的是计算有效性和分析所采取措施的阶段。让我们看看有哪些计算方法。
按归因模型划分的收入
归因模型被理解为一组标准，根据这些标准确定使用哪种促销工具来转换为应用程序。它允许您估算总收入和单次循环的收入。
归因有几种类型：
第一次点击（字面意思是——第一次点击）。这意味着转化是由消费者了解广告优惠的唯一工具提供的。并没有显示这个工具的类型，直接提示客户联系该公司。
最后一次点击（分别为-最后一次点击）。相反，这种类型反映了消费者过渡到公司之前的最后一个工具。这是最常用的方法，可以在提供直接推广服务的领先搜索引擎中进行跟踪。
这些类型有一个显着的缺点。他们没有考虑消费者与其他工具的联系，这也促使消费者决定联系该公司。
分布式归因提供了更客观的情况，因为每种促销媒体在衡量转化有效性方面都会获得一定的份额。
同时，组织本身根据受众的特征来确定任何工具将获得的份额。您可以给出每个平均值的平衡值，或者将它们按不同的比例划分在第一次、最后一次和中间交互之间。人工智能系统也非常适合于此。但无论如何，所有工具在评估广告效果时都会获得一定的份额。
与对照组的差异
对照组是满足指定通信标准的特定对象样本，与研究的其他对象集进行比较。
与对照组的差异
对照组 (CG) 可以用以下两个选项之一表示：
全局- 意味着不再让 CG 评估所有工具的有效性，从而可以获取有关 CRM 活动整体生产力的数据；
本地——涉及从单个工具的定义中删除 CG，从而可以评估该特定工具的生产力。
研究组与对照组的比较可以让我们了解广告活动的有效性，使我们能够了解消费者的目标行动是营销活动的结果还是独立于营销活动而进行。
例如，您可以考虑客户流失。在他们的总人口中，90% 的人会收到退货信函，其余 10% 的人不会收到此类消息。如果对照组的退货率大约等于收到退货信的前客户的退货率，那么我们可以得出结论，这些营销努力没有效果。如果数据不相同，那么这种差异的大小将表征发送消息的效果。
基于对照组行为的评估比使用任何归因模型提供了更客观的情况。然而，CG研究是困难的，因为它需要仔细选择抽样标准和评估结果。另一个缺点是目标群体不会收到广告信息，这部分客户与公司失去了沟通。
下载有关该主题的有用文档：
清单：如何在与客户谈判中实现您的目标
目标群体应包括那些持续与品牌互动的消费者。在这种情况下，他们与一般群体的比较结果可以认为是可靠的。如果企业从事重复性、系统性的消费品销售，则更容易正确形成目标群体。如果销售本质上是一次性的，那么使用这种方法来评估广告活动的结果可能是不可能的。
衡量定向营销效果的示例
转换效率是根据单个工具的生产力和广告信息的内容来评估的。在股票信息中，您需要分析每一个，以了解扩展给定工具的使用是否有意义。我们来看几个真实的例子来分析精准营销的效果。
没有评估有效性的标准。
在这种情况下，可能会涉及到不相关的参数，从而影响结果的评估，并妨碍您充分了解CRM营销。
主要标准是不具有决定性重要性的特征，例如点击次数、转换到网站的百分比。
这些参数以及其他一些参数对于评 饭团数据库 估负责开展广告活动的专家的工作有效性非常重要。但是，它们没有提供有关收入金额或是否有利润的深入信息。
衡量定向营销效果的错误
在评估直接广告的效果时，不考虑使用其他推广工具的结果。
这种公关的高效率可能是所谓的“蚕食”的结果，它扭曲了定向营销的结果。让我们用一个具体的例子来看看这种情况。
由于用户根据搜索引擎结果点击查看材料中的链接，该公司收到了大量请求。然后，流入量减少，同时通过电子邮件发送的信件中的链接发现的客户数量有所增加。因此，SEO推广的请求数量有所减少。
也就是说，CRM营销并没有变差，只是各种促销工具吸引消费者数量的比例发生了变化。
正确计算绩效指标的2种方法
我们已经说过，组织有针对性的营销活动分为几个阶段：市场细分、选择潜在客户群和定位。但同样重要的是计算有效性和分析所采取措施的阶段。让我们看看有哪些计算方法。
按归因模型划分的收入
归因模型被理解为一组标准，根据这些标准确定使用哪种促销工具来转换为应用程序。它允许您估算总收入和单次循环的收入。
归因有几种类型：
第一次点击（字面意思是——第一次点击）。这意味着转化是由消费者了解广告优惠的唯一工具提供的。并没有显示这个工具的类型，直接提示客户联系该公司。
最后一次点击（分别为-最后一次点击）。相反，这种类型反映了消费者过渡到公司之前的最后一个工具。这是最常用的方法，可以在提供直接推广服务的领先搜索引擎中进行跟踪。
这些类型有一个显着的缺点。他们没有考虑消费者与其他工具的联系，这也促使消费者决定联系该公司。
分布式归因提供了更客观的情况，因为每种促销媒体在衡量转化有效性方面都会获得一定的份额。
同时，组织本身根据受众的特征来确定任何工具将获得的份额。您可以给出每个平均值的平衡值，或者将它们按不同的比例划分在第一次、最后一次和中间交互之间。人工智能系统也非常适合于此。但无论如何，所有工具在评估广告效果时都会获得一定的份额。
与对照组的差异
对照组是满足指定通信标准的特定对象样本，与研究的其他对象集进行比较。
与对照组的差异
对照组 (CG) 可以用以下两个选项之一表示：
全局- 意味着不再让 CG 评估所有工具的有效性，从而可以获取有关 CRM 活动整体生产力的数据；
本地——涉及从单个工具的定义中删除 CG，从而可以评估该特定工具的生产力。
研究组与对照组的比较可以让我们了解广告活动的有效性，使我们能够了解消费者的目标行动是营销活动的结果还是独立于营销活动而进行。
例如，您可以考虑客户流失。在他们的总人口中，90% 的人会收到退货信函，其余 10% 的人不会收到此类消息。如果对照组的退货率大约等于收到退货信的前客户的退货率，那么我们可以得出结论，这些营销努力没有效果。如果数据不相同，那么这种差异的大小将表征发送消息的效果。
基于对照组行为的评估比使用任何归因模型提供了更客观的情况。然而，CG研究是困难的，因为它需要仔细选择抽样标准和评估结果。另一个缺点是目标群体不会收到广告信息，这部分客户与公司失去了沟通。
下载有关该主题的有用文档：
清单：如何在与客户谈判中实现您的目标
目标群体应包括那些持续与品牌互动的消费者。在这种情况下，他们与一般群体的比较结果可以认为是可靠的。如果企业从事重复性、系统性的消费品销售，则更容易正确形成目标群体。如果销售本质上是一次性的，那么使用这种方法来评估广告活动的结果可能是不可能的。
衡量定向营销效果的示例
转换效率是根据单个工具的生产力和广告信息的内容来评估的。在股票信息中，您需要分析每一个，以了解扩展给定工具的使用是否有意义。我们来看几个真实的例子来分析精准营销的效果。