电子邮件在商业模式中获得了新的价值

电子邮件营销可能是营销中最通用的学科之一 电子邮件在商业模式中获得了新的价值 。直到今天 电子邮件在商业模式中获得了新的价值 ，电子邮件营销一直处于持续上升趋势。它经受住了迄今为止的所有市场变化 电子邮件在商业模式中获得了新的价值 ，甚至在大多数情况下能够积极地利用它们。不久的将来，电子邮件营销也将面临挑战；新的机遇、利润和变化正在等待电子邮件营销人员。这些变化之一就是电子邮件将在商业模式中获得新的价值 电子邮件在商业模式中获得了新的价值 。

更好地了解整个效应链，从而实现更有针对性的优化。有机会强调电子邮件营销在商业模式中的价值（有些公司的电子邮件营销对销售额的贡献超过 50%），从而使高层管理人员意识到电子邮件营销对客户关系和业务发展的影响。

零方数据和第一方数据在营销中变得越来越重要。然而，一些人怀疑该公司现有的数据是否足以实现个性化定位。在本文中，我们想向您展示如何从现有数据中获取新信息，而无需从客户那里收集额外的数据。

一段时间以来，很明显，第三方跟踪和第三方 cookie 数据在未来将变得越来越少。由于所有 Apple 设备上主动同意跟踪等发展，这在许多地方已经成为现实 新加坡邮件列表，并且已经对电子邮件营销中点击和打开等响应率的可用性产生了影响。可以预见，还会有更多障碍使得追踪变得越来越困难。因此，营销人员需要替代方案来继续确保针对其受众的个性化定位。

这就是零方数据和第一方数据变得重要的地方。前者是指客户自愿与公司共享的数据。共享个人信息通常基于公司必须提供的回报：例如，客户回答调查以获得优惠券，他们表明偏好查看更多相关内容，或者他们向公司提供他们的联系方式以下载白皮书或类似的东西。作为回报，该公司会收到客户的调查回复、个人偏好和联系信息。

第一方数据是指公司自己收集并拥有的数据。这通常是在日常互动中收集的数据。除了匿名的网络使用数据外，这通常还包括交易或其他客户数据，例如地址、姓名或电子邮件地址，这些数据在网上商店或 CRM 系统中收集。收集第一方数据的其他机会包括客户忠诚度计划、竞赛、优惠券和活动。

为什么原始形式的数据不够充分

然而，许多营销人员怀疑，他们公司现有的零方和第一方数据是否足以实现与第三方 cookie 数据相同的个性化定位。乍一看，似乎确实如此，因为事实上 有什么新东西？忍者表格 WordCamp 美国 2024 版，这些数据的原始形式仅具有有限的价值，并且不能最佳地用于分析和个性化目的。那么你该做什么呢？

关键在于操纵数据。使用数据函数（类似于 Excel），可以根据现有数据创建新的指标和 KPI。在 Apteco 我们将这些称为“派生变量”。

一个简单的例子就是出生日期。仅凭出生日期我们无法做很多事情。但是，通过使用函数从当前日期中减去出生日期，我们可以获得客户的年龄，这反过来可以为我们提供关于他们的需求和偏好的重要见解。如果我们对所有客户进行观察，我们可以将他们分配到不同的年龄组，从而对我们的目标群体获得重要的见解。

如何增加数据

下面我们将向您展示一些如何从现有数据生成新数据的示例。为了让您了解这些派生的范围，我们在这里列出了非常简单和非常复杂的例子。

基于日期和时间的推导

这一类一方面包括我们刚才提到的例子，即根据出生日期确定年龄，然后将其分配到某个年龄组。

从客户收到营销信息到进行购买已经过去了多少天？下次联系客户的最佳时间是什么时候？这是基于历史购买顺序的。

基于地理位置的衍生

对于此类别，需要客户的地址信息作为输入数据，例如以邮政编码的形式，但坐标也可用于计算从客户到特定位置的距离。例如，这可让您确定：

顾客住的地方距离最近的商店有多远？同时，您还可以检查这是否是您实际购物的商店。到机场或火车站的距离有多远？这对旅行目的地的选择有何影响？

在这里，我们更详细地研究了客户行为模式，以便得出以下见解，例如：

已购买的相同产品的最长序列是什么？客户个人的“最佳表现”是什么——例如，哪次购买的价值最高，以及客户朝哪个方向发展——随着时间的推移 埃克萊拉納賈，购买的价值是否变得更高？在特定事件发生之前发生了哪些事件序列？什么促成了购买？例如。邮寄 -> 网站 -> 商店 -> 网站 -> 购买。

这就是你需要做的，以便从数据中获得更多

现在您已经看到了一些如何从数据中获取新信息的示例，我们想简要讨论一下成功使用“派生变量”必须满足的要求。

1.直接访问您的营销数据

所有相关的客户和交易数据都应该提供给您。这些数据通常在不同的系统中记录和收集，因此不可能全面地查看数据。理想情况下，您可以在 CDP 或单一客户视图中获取数据。

2. 丰富的数据处理功能

您可以使用数百种可能的数据操作函数从数据中获取新信息。这些函数为每个记录返回一个新值。这可以使用 R 或 Python 等统计程序来完成，或者使用具有相同功能且可根据营销专家的需求量身定制的特殊分析工具来完成。与 R 等程序相比，不需要特殊的技术知识，因此数据处理功能可以直接应用于营销。

3. 在分析中使用新值的简便方法

为了使新生成的值具有实际用途，需要一种简单的方法在分析中使用它们并将其转换为永久变量。这使得营销人员能够每天使用新的价值观来实现定位和个性化目的。同时，当新数据进入营销自动化系统时，变量可以自动更新。这使得使用由价值变化触发的基于触发器的活动成为可能。