gør eCommerce Data Science begreber enkelt et emne ad gangen.
enkel, effektiv marketing segmentering, der forbedrer åbner, klik og konverteringer
traditionelt skabte marketingfolk segmentering baseret på demografi. Imidlertid foretrækker de fleste e-handelsmærker i dag at anvende datalogi til at udvikle adfærdssegmentering baseret på købsadfærd. For eksempel, hvilke produkter ser de/køber price? Hvilken vej(r) tog de for at komme til din hjemmeside, Kristian? (bevidsthed vs. hensigt). Desuden, hvad er deres niveau af engagement (brug/åbner/klik/visninger)?
Hvad er fordelene ved segmentering? Mens der er mange, vil jeg liste mine top tre her:
fokuseret& personlig markedsføring
lavere marketingomkostninger
bedre produktudvikling
gruppering af kunder baseret på adfærd tillader kontekstualiseret markedsføring i stedet for e-mail-eksplosioner, hvilket igen sænker marketingomkostningerne. Ved at målrette mod en fokuseret delmængde af kunder (et segment!) med lignende attributter får du sandsynligvis bedre åbne satser, højere konverteringer og return-On-ad-spend (ROAS). Bedst af alt kan du imødekomme fremtidige produkter til dine kunders smag.
RFM er en datamodelleringsmetode, der bruges til at analysere kundeværdi. Det står for recency, frekvens og monetære, som kun er tre målinger, der beskriver, hvad dine kunder gjorde. Recency måler tiden (normalt i dage) mellem hvornår din kunde sidst bestilte til i dag. Frekvens måler, hvor mange samlede ordrer kunderne havde, og Monetære er det gennemsnitlige beløb, de brugte fra disse ordrer.