Indholdsfortegnelse:
- Grundlæggende om statisk segmentering for markedsautomatisering
- Basis for semi-dynamisk segmentering til markedsautomatisering
- Grundlæggende om fuld dynamisk segmentering til markedsautomatisering
Video: NORMAL PATTERNS & SEGMENT KNOTTING TUTORIAL || Friendship Bracelets 2024
Segmenteringer har tendens til at være dynamiske, når man bruger marketingautomatisering. Der er dog faktisk tre hovedtyper af segmenteringer. At kende dit mål for hver liste hjælper dig med at bestemme, hvordan du opbygger din segmentering korrekt. Overvej følgende model, når du bestemmer dit mål:
-
Engangsbrug: Statisk segmentering
-
Vedligeholdelse af en bestemt handling: Semi-dynamisk liste
-
Liste, der skal regenereres hver dag: Fuldt dynamisk liste
Grundlæggende om statisk segmentering for markedsautomatisering
Statiske segmenteringer er lister, der kun er befolket med navne en gang. Hvis du for eksempel opretter en statisk segmentering for at finde alle ledere, der er VP'er i New Jersey, vil dit marketingautomatiseringssystem finde den liste. Men efter at en statisk liste er genereret, vil folk aldrig blive tilføjet til listen igen.
Dette er typisk den eneste type liste, som folk er bekendt med, før de bruger markedsautomatisering. De mest almindelige anvendelser til statiske lister er som følger:
-
Engangskampagner: Kampagner, du ikke kører regelmæssigt.
-
Målrettet salgsstøtte: Hvis du støtter salg, og salget beder om en bestemt e-mail for at gå ud, er statiske lister gode til at gøre jobbet hurtigt.
-
Oprettelse af personas: Personas er en meget almindelig segmentering af mennesker baseret på demografiske oplysninger. De er baseret på datapunkter og skal kun køres én gang. Du kan blive meget avanceret med disse og gøre dem fuldt dynamiske, men for at starte, skal du bruge statiske segmenteringer til at skabe dine personas.
-
Grundlæggende rapportering: Segmentering kan nemt hjælpe dig med at se, hvor mange personer der har udført en kombination af specifikke handlinger, hvilket kan være nyttigt ved rapportering.
Statiske kampagner er det laveste segmenteringsniveau. Som du ser for at øge din brug af marketingautomatisering, bør du overveje at bruge statiske lister til ovennævnte specifikke formål, samt lære at bruge dynamiske lister til dine automatiserede programmer.
Basis for semi-dynamisk segmentering til markedsautomatisering
Semidynamiske segmenteringer er lister, der kan tilføje flere mennesker til, men ikke trække folk fra listen. Hvis du for eksempel opretter en semi-dynamisk segmentering af VP'er i New Jersey, vil dit marketingautomatiseringssystem finde alle de mennesker, der opfylder kriterierne og tilføjer de nye mennesker, der opfylder de samme kriterier hver dag.
Fordi semi-dynamisk segmentering ikke tillader subtraktioner fra listen, hvis nogen ændrer en jobtitel fra VP til CMO i din database, vil den ikke fjerne ham eller hende fra listen med den samme automatisering, som sætter den pågældende på listen.Fjernelsen af personen ville kræve en anden semi-dynamisk segmentering.
Nogle anvendelser til halvdynamiske lister er som følger:
-
Segmentering på højt niveau på engagement: Hvis du f.eks. Vil beholde en liste over alle, der nogensinde har deltaget i et bestemt webinar, er en semi-dynamisk liste er et godt valg, fordi din opfølgningsmarked sandsynligvis ikke afhænger af, om disse mennesker deltager i et andet webinar i fremtiden.
-
Segmentering af produktinteresse: En liste over personer, der har vist interesse for et bestemt produktsegment, er et godt eksempel på en liste, der ikke behøver evnen til at fjerne folk fra den.
Fordelen ved semi-dynamiske lister over fuldt dynamiske lister er den hastighed, hvormed de kan køre. Afhængigt af dit marketingautomatiseringsværktøj kan hastigheden være et stort problem. De fleste semi-dynamiske lister bruger mindre computerkraft og kan arbejde hurtigere med større sæt data. Det betyder, at dine segmenteringer kan køre flere gange om dagen.
Grundlæggende om fuld dynamisk segmentering til markedsautomatisering
Fuldt dynamisk segmentering betyder, at en person kan tilføjes og fjernes fra listen baseret på det samme datapunkt skiftende. For eksempel er en fuldt dynamisk liste over kundeemner, der har besøgt dit websted i de sidste 30 dage, en liste, der vokser og krymper hver dag baseret på besøg på dit websted.
Tiltrækning af personer fra en kampagne kaldes undertrykkelse . For eksempel, marketingfolk, der ønsker at trække ledere i en mulighed fase fra deres e-mail blast ofte henvise til den subtraherede liste som en undertrykkelse liste. CRM-data er et meget almindeligt datafelt, der kan bruges til at undertrykke ledere.
Her er nogle gode anvendelser til fuldt dynamiske lister:
-
Drab nurturing: Når du opretter en næringsliste, skal du bruge en fuldt dynamisk liste. Dette giver dig mulighed for at føje folk til listen og fjerne dem, når de ikke længere behøver at blive plejet.
-
Holde op med ledende faser: Mange virksomheder nedbryder deres marketingcyklus i etaper. Fuldt dynamiske lister, der er segmenteret af markedsføringscyklussen, er altid opdaterede med et klart billede af din blytragt.
-
Beregning af fremtidige blyflow: Hvis du bruger en fuldt dynamisk liste til at følge med et segment af kundeemner med en bestemt score, kan du nemt estimere fremtidige blyflow.
-
Eksekvering af markedsføringskampagne: Når din kampagne kræver en betinget liste over mennesker, og listen kan være forskellig fra dag til dag, er fuldt dynamiske segmenteringer et must.
-
Segmentering til personlige detaljer: Segmentering kan være meget nyttig, når du forsøger at finde dine mest indflydelsesrige og mest vokale fans. Opsætning af segmenteringer for at finde dem og holde dem sammen gør det nemt at identificere personer til casestudier og testimonials. Når man ser på at oprette en segmentering for vokale udsigter, skal man overveje at se på ledende score, sociale engagementsmetricer og overordnet aktivitet som nøgleidentifikatorer.
-
Segmentering til rapportering: Segmentering kan være meget nyttig i rapporteringen. Ved at skræddersy din rapport til et bestemt segment af mennesker, har du en meget mere granulær og specifik rapport.For eksempel kan du segmentere alle udsigter, der nogensinde har været involveret i en drikkekampagne og køre en rapport for at se, om de har en højere lukkekurs end ledere, der ikke gør det.