Basics of Uplift Predictive Analytics Models - Dummies

Så hvordan ved du, at kunden du målrettede ved hjælp af predictive analytics ikke ville have købt alligevel? For at afklare dette spørgsmål kan du omsætte det på flere forskellige måder:

• Hvordan ved du, at kunden ikke ville have købt, selvom hun ikke fik marketingkontakten fra dig?

• Hvordan ved du, at hvad du sendte til kunden, har påvirket hende til at foretage købet?

Nogle modeller hævder, at problemerne med responsmodellering er som følger:

• Du tager en delmængde af dine kunder, som du har forudsagt, vil have interesse for produktet eller tjenesten allerede.

• Du spilder marketing dollars på kunder, der ikke har brug for den ekstra indflydelse at konvertere.

• Du kan falde i din netmargen, fordi de rabatter, du bruger til at lokke kunden til at købe, kan være unødvendige.

• Du kan muligvis reducere din kundetilfredshed, fordi nogle kunder ikke ønsker at blive kontaktet hele tiden.

• Du tager forkert kredit for svaret i din evaluering af modellen.

Uplift modellering , også kaldet true elevation modeling og net modellering har til formål at besvare disse kritikker ved at forudsige, hvilke kunder der kun vil konvertere hvis kontaktet.

Opgraderingsmodellering virker ved at adskille kunderne i fire grupper:

• Overtalelser: Kunder, der kan overtales til at købe - men vil kun købe, hvis de kontaktes.

• Sikker ting: Kunder, der vil købe, uanset kontakt.

• Mistede årsager: Kunder, der ikke vil købe, uanset kontakt.

• Forstyrrer ikke: Kunder, som du ikke bør kontakte. Kontakt dem kan forårsage et negativt svar som at provokere dem for at annullere et abonnement, returnere et produkt eller anmode om en prisjustering.

Opgraderingsmodellering retter sig kun mod Persuadables. Det lyder lovende, men en løftemodel har vist sig meget sværere at skabe end en responsmodel. Her er hvorfor:

• Det kræver normalt en større stikstørrelse end for responsmodellering, da den har segmenteret prøven i fire grupper og kun bruger gruppen af ​​Persuadables. Det skal derefter opdeles yderligere for at måle effektiviteten af ​​modellen.

  Denne gruppe vil muligvis være meget mindre end målestørrelsen for responsmodellering. Med en mindre målestørrelse og kompleksitet kan driftsindsatsen og omkostningerne imidlertid ikke retfærdiggøre brugen over responsmodellering.

• Det er svært at segmentere kunderne perfekt ind i de fire forskellige grupper, ligesom det er svært at måle nøjagtigheden af ​​segmenteringen.

• Det er svært at måle succesen med en sådan model, fordi den forsøger at måle ændringer i kundens adfærd, og ikke konkret handling af, om kunden har købt efter at have modtaget kontakt.

  For at måle en enkelt kundes adfærd nøjagtigt ville du (i virkeligheden) klone hende og opdele de samme kloner i grupper. Den første (behandlede gruppe) ville modtage den anden (kontrolgruppe) ville ikke. Ved at afsætte sådanne sci-fi-scenarier, skal du gøre nogle indrømmelser til virkeligheden og anvende nogle alternative (vanskeligere) metoder til at få et nyttigt skøn over modelens succes.

Selv med disse vanskeligheder hævder nogle modeller, at opgraderingsmodellering giver ægte markedsføringspåvirkning. De anser det for mere effektivt end responsmodellering, fordi det ikke indeholder de sure ting i målretningen (som kunstigt opblæser responsfrekvenser). Derfor føler de opgraderingsmodellering valget til målmarketing ved hjælp af predictive analytics.

Uplift modellering er stadig en relativt ny teknik i målmarkedsføring. Flere virksomheder begynder at bruge det og har fundet succes ved at bruge det i deres kundeopbevaring, marketingkampagner og endda præsidentkampagner.

Nogle pundits krediterer ophævningsmodellering til præsident Obamas 2012 præsidentkampagne vinde. Kampagnens dataanalytiker brugte oplysningsmodellering til stærkt målrettede vælgere, som mest sandsynligt var påvirket af kontaktpersoner. De brugte personlige beskeder via flere kontaktgrupper: sociale medier, tv, direct mail og telefon. De koncentrerede deres bestræbelser på at overtale gruppen af ​​persuadables. De investerede stærkt i denne strategi; tilsyneladende betalte det sig.