Vídeo: Creating a New Geological Model 2024
Então, como você sabe que o cliente que você segmentou usando análises preditivas não teria comprado de qualquer maneira? Para esclarecer esta questão, você pode reafirmá-la de duas formas diferentes:
-
Como você sabe que o cliente não teria comprado, mesmo que não obtivesse contato de marketing com você?
-
Como você sabe que o que você enviou ao cliente a influenciou para fazer a compra?
Alguns modeladores afirmam que os problemas com a modelagem de resposta são os seguintes:
-
Você está tomando um subconjunto de seus clientes, que você previu, já terá algum interesse no produto ou no serviço.
-
Você está desperdiçando dólares de marketing em clientes que não precisam da influência extra para converter.
-
Você pode estar diminuindo suas margens líquidas porque os descontos que você está usando para atrair o cliente para comprar podem ser desnecessários.
-
Você pode estar reduzindo a satisfação do cliente porque alguns clientes não querem ser (constantemente) contatados.
-
Você está incorretamente a aceitar a resposta na sua avaliação do modelo.
A modelagem de elevação , também denominada modelagem de elevação verdadeira e modelagem de rede , entre outros termos, visa responder a essas críticas ao prever quais clientes apenas converter se contatado.
A modelagem de elevação funciona separando os clientes em quatro grupos:
-
Persuasores: Clientes que podem ser convencidos a comprar - mas só comprarão se contatados.
-
Coisas Sure: Clientes que irão comprar, independentemente do contato.
-
Causas perdidas: Clientes que não compram, independentemente do contato.
-
Não perturbe: Clientes a quem você não deve entrar em contato. Entre em contato com eles pode causar uma resposta negativa, como provocá-los para cancelar uma assinatura, devolver um produto ou pedir um ajuste de preço.
A modelagem de elevação apenas almeja os Persuasores. Isso parece promissor, mas um modelo de elevação provou ser muito mais difícil de criar do que um modelo de resposta. É por isso que:
-
Ele geralmente requer um tamanho de amostra maior do que para modelagem de resposta, já que segmentou a amostra em quatro grupos e usa apenas o grupo de Persuadables. Em seguida, tem que ser dividido para medir a eficácia do modelo.
Este grupo será potencialmente muito menor que o tamanho do alvo para modelagem de resposta. Com um menor tamanho e complexidade do alvo, no entanto, o esforço e o custo de operação podem não justificar o uso em modelos de resposta.
-
É difícil segmentar os clientes perfeitamente nesses quatro grupos distintos, assim como é difícil medir a precisão da segmentação.
-
É difícil medir o sucesso de tal modelo porque está tentando medir a mudança no comportamento de um cliente, e não a ação concreta de se o cliente comprou depois de receber contato.
Para medir o comportamento de um único cliente com precisão, você (na verdade) deve cloná-la e dividir os clones idênticos em grupos. O primeiro (grupo tratado) receberia o; o segundo (grupo de controle) não. Deixando de lado esses cenários de ficção científica, você deve fazer algumas concessões à realidade e empregar métodos alternativos (mais difíceis) para obter uma estimativa útil do sucesso do modelo.
Mesmo com essas dificuldades, alguns modelistas argumentam que a modelagem de elevação fornece um verdadeiro impacto no mercado. Eles consideram isso mais eficiente do que a modelagem de respostas porque não inclui o Sure Things na segmentação (que infla artificialmente as taxas de resposta). Por essa razão, eles sentem que a modelagem de elevação é a escolha para o marketing de destino usando análises preditivas.
A modelagem de elevação ainda é uma técnica relativamente nova no marketing de alvo. Mais empresas estão começando a usá-lo e encontraram sucesso usando-o em suas retenções de clientes, campanhas de marketing e até campanhas presidenciais.
Alguns especialistas estão creditando a modelagem de elevação para a vitória presidencial do presidente Obama em 2012. O analista de dados da campanha usou a modelagem de levantamento para direcionar os eleitores com maior probabilidade de serem influenciados pelo contato. Eles usaram mensagens personalizadas através de vários canais de contato: redes sociais, televisão, mala direta e telefone. Eles concentraram seus esforços para persuadir o grupo de Persuasores. Eles investiram fortemente nessa estratégia; aparentemente valeu a pena.
