Masser af travle marketingfolk komme igennem et helt år (hvis ikke en hel karriere) uden at bekymre sig meget om enhver segmentering ud over rutine, frekvens og værdien af tidligere køb. Mens dette grundlæggende niveau af segmentering er godt i sig selv, er der kommer en tid, hvor vi er nødt til at bryde ud af vores komfort zoner, hvis vi skal virkelig excel. Segmentere vores e-mail marketing data i lister, der deler fælles karakteristika giver os mulighed for at målrette de rigtige mennesker med det rigtige budskab.
Alder, køn, klasse, Indkomst, beliggenhed og Fritid er blot nogle få af de utallige måder, vi kan opdele lister til at give os selv en større chance for at konvertere kundeemner til salg eller til at opbygge igangværende relationer med recipients.If det hele virker som for meget arbejde Tal til din liste mæglere (de er eksperterne efter alle). De kan tage på transplantatet for dig som en del af deres rolle, så du den til at læne sig tilbage og dase i herlighed af den øgede investeringsafkast, der kommer fra virkelig effektive data segmentation.
Get relevant, får personalPersonalisation ikke bare at sætte en kundes navn i en emnelinje. For at vores forsendelser at skille sig ud blandt de in-box konkurrence, vi nødt til at gøre tilbud, der er virkelig relevante for de enkelte modtagere. Det betyder, at forstå de data, vi har, og bruge det effectively.We kan alle bandy omkring begreber som 'dynamisk indhold "og" livscyklus baseret messaging' men igen, nogle af os har tid eller lyst til at virkelig arbejde vores data. For eksempel; køb historien om en modebutik kunde kan meget vel vise en markant præference for tøj af en bestemt farve.
Hvorfor ikke bruge disse data til dynamisk vælge farven på produktbilleder sendt i individuelle html e-mails? Mens en e-mail til fru Smith kan omfatte et billede af en rød kjole, ville e-mail sendt til fru Jones viser en blå version af den samme kjole. Jeg er sikk