info@energetica.com.mx 01 (477) 391-07-85
Modèle levée retenue de garantie
15 febrero, 2019
0

La méthode la plus efficace pour comprendre véritablement la valeur qu`un certain outil et une initiative de marketing peuvent conduire pour vous. La levée de revenus avec les ECR traite un certain pourcentage des clients et mesure le levage des revenus de ce sous-ensemble par rapport à votre groupe non traité (contrôle). Ce processus se fait automatiquement au sein de la plate-forme Windsor Circle, ce qui permet aux clients de comprendre véritablement l`ascenseur qu`ils voient dans les campagnes qu`ils exécutent. Revenue Lift est une mesure des revenus incrémentaux générés par l`exécution des campagnes alimentées par Whatcomptes, c`est-à-dire des revenus qui n`auraient pas été réalisés autrement. À l`aide d`essais de contrôle randomisés (ECR), également connus sous le nom de test fractionné, les scientifiques des données de Whatcomptes évaluent les revenus et les intervalles de confiance associés à 95% sur une campagne par campagne et dans l`ensemble pour vous aider à savoir quelles campagnes fonctionnent et celles qui Ne. Nous décomposent vos métriques par campagne et par ascenseur Global, de sorte que vous pouvez: revenu Lift par rapport à Last Touch & multi-touch attribution: la clé à emporter ici est de regarder au-delà de l`impact immédiat de vos campagnes de messagerie mobile. Au lieu de cela, regardez quelle campagne affiche la plus forte élévation dans les métriques importantes au fil du temps. L`analyse des ascenseurs vous permet de le faire et de quantifier l`impact réel des notifications push et des campagnes de messagerie dans l`application. Dans nos recherches, nous avons découvert que certaines campagnes réduisent réellement l`engagement et les conversions. L`analyse des ascenseurs aide les marketeurs à quitter les mauvaises campagnes et à optimiser les bonnes.

En outre, l`utilisation d`un groupe de contrôle pour calculer l`élévation est la seule façon d`évaluer véritablement l`impact. Les modèles de fidélisation des clients sont sans doute les modèles les plus précieux que les organisations peuvent développer pour améliorer la rentabilité globale des clients. La capacité de cibler les clients de grande valeur qui sont les plus susceptibles de se désaffecter ou de devenir inactifs permet aux organisations de hiérarchiser les ressources limitées dans une stratégie de rétention globale. Avec les clients maintenant marqués en termes de leur valeur et le risque de défection, les tests peuvent être maintenant employés à travers différents groupes ou segments de clients que nous essayons de trouver si oui ou non les taux de l`économie diffèrent à travers ces groupes. Dans la plupart des cas, nous savons que les taux d`économies varient, d`où la nécessité d`un modèle de levage net. Le concept ici est de développer des outils de ciblage ou d`analyse prédictive qui non seulement ciblent qui est le plus susceptible de défaut, mais aussi si oui ou non nous pouvons les sauver. NET Lift et l`approche dans la création de ces outils ont été discutés comme des thèmes populaires à de nombreuses conférences d`analyse prédictive. Ce qui n`a pas été discuté à grande longueur est le concept réel de rétention. La rétention est un terme nébuleux et sa définition peut varier considérablement d`une organisation à l`organisation. La rétention des clients comme une définition serait un exercice facile si nous nous sommes appuyés sur le client pour indiquer réellement ne plus être un client. Construire des modèles prédictifs pour la rétention n`est certainement pas un processus simple.

La littérature continue de souligner la nécessité non seulement de la science des données techniques et des compétences mathématiques, mais aussi la nécessité d`un sens aigu des affaires ou du moins l`appétit du chercheur de données pour acquérir plus de connaissances sur l`entreprise. Les modèles de rétention représentent un exemple classique de ce besoin où le comportement de rétention différera entre les industries et dans certains cas entre les entreprises.