Pazarlamacılar için İlişkilendirme Modelleri: Önemli Olan Doğru İçgörüler Nasıl Elde Edilir?

Çeyrek boyunca yeni bir içerik pazarlama serisi üzerinde çalıştınız ve dönüşümler artıyor.

Bu dönüşümleri yalnızca içeriğinize mi bağlıyorsunuz? Peki ya sosyal medya sayfanızdan makalenize tıklayan müşteriler? Bu dönüşümleri sosyal medyaya mı yoksa makaleye mi (veya her ikisine birden) bağlıyorsunuz?

Pazarlama harcamalarını optimize etmek, pazarlamacılar için en önemli önceliktir. Ancak doğrusal dönüşüm hunileri efsaneye dönüştüğünde çabalarınızı nereye odaklayacağınızı bilmek zor.

Çoklu dokunma ilişkilendirme modelleri bu sorunu çözmeye çalıştı, ancak birçok pazarlamacı kampanyalarını ölçmek için yanlış modeller kullanıyor.

Bu makalede, işe yarayan popüler ilişkilendirme modellerini inceleyeceğiz ve yatırım getirinizin doğru bir resmini elde edebilmeniz için en kesin ilişkilendirme verilerinin nasıl elde edileceğini açıklayacağız.

İlişkilendirme modeli nedir?

İlişkilendirme modeli, dönüşümle sonuçlanan pazarlama ve satış çabalarına verilen krediyi nasıl tahsis edeceğinizi yöneten bir dizi kuraldır. Başka bir deyişle, “bu kullanıcıyı, potansiyel müşteriyi veya satışı hangi kanal veya kampanya oluşturdu?” Sorusuna cevap vermeyi amaçlar.

Geleneksel pazarlama modelinde ilişkilendirme kolaydı. Bir müşteri, elinde bir gazete kupürüyle mağazanızı ziyaret etti ve siz bu satışı son gazete ilanınızla ilişkilendirirsiniz.

Temas noktaları artık düzinelerce kanalda gerçekleştiğinden (genellikle günler hatta saatler içinde), dönüşüm yolları daha karmaşık ve çok daha az doğrusal:

Müşteriler artık markalarla sosyal medya, e-posta, Google Ads, blog gönderileri vb. aracılığıyla etkileşim kuruyor. Bu, temas noktası değerini ölçmek için doğru bir model geliştirmeyi (ve dolayısıyla bütçeyi nereye tahsis edeceğini bilmeyi) zorlaştırıyor.

İlişkilendirme modellemesine bir örnek

Bu oldukça basit müşteri yolculuğuna çıkın:

• Bir müşteri, sorunlu bir noktayı çözmek için Google'da arama yapar ve blog yayınlarınızdan birini keşfeder;
• Makale, karşılaştıkları zorluklara çözümler sunar ve daha fazlasını öğrenmek için e-kitabınızı indirirler;
• Kurşun mıknatısı, bu sıkıntılı noktanın üstesinden gelmek için haftalık ipuçları göndermek üzere e-posta yetiştirme dizinizi tetikler;
• E-posta kampanyasının bir noktasında kişiselleştirilmiş bir ürün demosu sunarsınız;
• Demodan sonra müşteri platformunuza abone olur.

Bu yolda, dönüşümden hangi temas noktası sorumludur?

Şunları tartışabilirsiniz:

• Blog gönderisi, satın almaya hazır olmasalar da müşteriyi en başta sitenize çekti.
• E-posta kampanyası, müşteriyi henüz anlamadıkları ama yine de satın almaya hazır olmadıkları bir zorluk konusunda eğitti.
• Satış demosu satışa yol açtı - ancak demoyu yalnızca e-kitabı indirdikleri için gördüler.

Gerçekte, temas noktalarının her biri muhtemelen bir şekilde katkıda bulunmuştur . Etkili çok kanallı ilişkilendirme modellemesi, daha iyi pazarlama kararları alabilmeniz için hangi kanalların en etkili olduğunu belirlemenize yardımcı olur.

Örneğin, e-posta kampanyanızın dönüşüm üzerinde çok az etkisinin olduğunu ve e-kitabı indirdikten haftalar sonra etkileşimde bulundukları sosyal içeriğin satışı yönlendirdiğini görebilirsiniz. Bu e-posta dizisini sosyal içeriğinizle uyumlu hale getirmek, satış döngüsünü hızlandırabilir ve müşteri edinme maliyetinizi (CAC) azaltabilir.

Bu bilgilere ancak markanız için en uygun ilişkilendirme modelini belirledikten sonra erişebilirsiniz.

Kullanıma hazır: Standart ilişkilendirme modelleri

Hiçbir pazarlama ilişkilendirme modeli mükemmel değildir, ancak doğru bağlamda doğru model, pazarlama bütçenizden daha fazla yararlanmanıza yardımcı olur.

Pazarlama ilişkilendirmesini izlemek için en yaygın kullanılan platform olan Google Analytics, kampanyalarınız için hangi modelin en anlamlı olduğunu belirlemenize yardımcı olacak bir Çok Kanallı Dönüşüm Hunileri (MCF) Modeli Karşılaştırma Aracı sunar.

Karar verme sürecinize rehberlik etmesi için aşağıdaki farklı ilişkilendirme modellerini kullanın ve pazarlama stratejiniz için doğru modeli bulmak üzere bazı denemeler yapmaya hazır olun.

Nereden geldiler? Son etkileşim ilişkilendirme modeli

Son dokunuş ilişkilendirmesi veya son tıklama ilişkilendirmesi olarak da bilinen son etkileşim ilişkilendirmesi, çoğu analiz aracında varsayılandır ve en yaygın şekilde kullanılır.

Bu yolu düşünün:

• Bir müşteri, sattığınız bir ürünü ararken Google Reklamınızı görür;
• Ürünü sepete ekliyorlar ama satın almıyorlar;
• Alışveriş sepetini terk etme e-postası gönderirsiniz;
• Alışveriş sepetini terk etmeleri, yeniden hedefleme reklamlarını da tetikler;
• Müşteri, yeniden hedeflenen bir Facebook reklamına tıklar ve satın alır.

Son etkileşim modelinde, bu yeniden hedefleme reklamı, ilişkilendirme kredisinin %100'ünü alır.

Bu ilişkilendirme modeli, ondan önce başka hangi temas noktalarının geldiğine bakılmaksızın tüm ağırlığı markanızla son etkileşime verir.

Varsayılan ilişkilendirme modeli olmasına rağmen, son tıklama temelde kusurludur. Bir dönüşümden yalnızca son temas noktasının sorumlu olduğu neredeyse hiçbir zaman söz konusu değildir.

Yukarıdaki örnek yolda, müşteri ilk reklamı görmeden sitenize gelmemiş olabilir. Ayrıca alışveriş sepetini terk etme e-postasında bir indirim aldıktan sonra o akşam satın almayı planlamış olabilirler.

Avinash Kaushik'in belirttiği gibi, "Artık son tıklama ilişkilendirmesinin tek kullanımı sizi kovulmaktır. Bunu önlemek."

Son tıklama ilişkilendirme modeli ne zaman kullanılır?

Satın alma döngünüz uzunsa, çok sayıda karar mercii işin içindeyse veya pahalı ürünler satıyorsanız, son etkileşim modelinden kaçının. Bu işlemlerde üzerinde çokça düşünülmesi gerekir ve son tıklama size hangi temas noktalarının en etkili olduğunu söylemez.

Hızlı hareket eden tüketim malları (FMCG) sektörleri gibi, satın alma döngüsünün kısa olduğu ve çok az düşünmenin söz konusu olduğu durumlarda son tıklama modelini kullanın.

Nereden başladılar? İlk etkileşim ilişkilendirme modeli

İlk dokunma veya ilk tıklama ilişkilendirmesi olarak da bilinen ilk etkileşim ilişkilendirmesi, son tıklama ilişkilendirme modelinin tersidir. Tamamen ilk temas noktasına kredi verir.

Önceki modelde tartışılan yolu hatırlayın. İlk etkileşim modelinde, ilk Google Reklamı, ardından gelen diğer temas noktalarından bağımsız olarak satışı etkileme sorumluluğunun %100'ünü alacaktır.

Bu modeli kullanmanın bir miktar geçerliliği vardır (birincisi olmadan aşağıdaki temas noktaları asla gerçekleşemezdi), ancak yine de kusurludur. Alıcılar nadiren bir blog yazısı okumak veya bir sosyal medya reklamı görmek gibi tek bir ilk etkileşime dayalı olarak dönüşüm gerçekleştirir.

Avinash'ın yazdığı gibi, "İlk tıklama ilişkilendirmesi, karımla evlendiğim için kredinin %100'ünü ilk kız arkadaşıma vermeye benzer."

İlk tıklama ilişkilendirme modeli ne zaman kullanılır?

İlk temasta ilişkilendirme modeli, örneğin pazarda yeniyseniz, marka oluşturmanın birincil endişeniz olduğu durumlarda uygun olabilir.

Bu örnekte hedefiniz, pazarlama çabalarınız için olabildiğince çok potansiyel müşteriye dokunmak, böylece bu ilk temas etkileşimleri bu hedefe ulaşmak için hayati önem taşıyor.

Bunu yapmadan önce ne yaptılar? Doğrudan olmayan son tıklama ilişkilendirme modeli

Doğrudan olmayan son tıklama ilişkilendirmesi, doğrudan trafiği azaltması dışında son tıklama modeline benzer.

Şuna benzeyen bir e-ticaret yolu düşünün:

• Bir müşteri Google'da belirli bir ürün için organik arama yapıyor;
• Bu anahtar kelime, Google Reklamlarınızdan birini tetikler;
• Müşteri reklamı tıklar, ürünlere göz atar ve bazılarını sepetine ekler;
• Sepeti terk etme e-postasını tetikleyen satın alma işlemini gerçekleştirmezler;
• Daha sonra müşteri doğrudan web sitenize geri döner ve satın alma işlemine devam eder.

Son etkileşim modelinde, bu dönüşüm doğrudan trafikle ilişkilendirilir. Doğrudan olmayan son tıklama modelinde, alışveriş sepetini terk etme e-postasıyla ilişkilendirilir.

Doğrudan olmayan son tıklama ilişkilendirme modeli ne zaman kullanılır?

Çoğu işletme için doğrudan olmayan son tıklama modeli, çoğu satın alma yolculuğunu hesaba katmak için hala çok basit. Krediyi genellikle vadesi gelmemiş yerlere yönlendirir.

Doğrudan trafiğiniz hızla dönüşüyorsa, bu modelden potansiyel olarak yararlanabilirsiniz. Ancak, müşteriler bir satın alma oturumu sırasında sitenize göz atma eğilimindeyse bu modelden kaçının. Onları satın almaya ikna eden başka bir şey olabilir.

Avinash'ın belirttiği gibi, "Direct'i neden hafife alıyoruz? Neden bir pazarlamacının marka tanınırlığı ve marka değeri yaratma çabalarını hafife alıyoruz?”

Krediyi eşit olarak bölmek: Doğrusal ilişkilendirme modeli

Doğrusal ilişkilendirme, tek temas noktalı modellerden bir adım daha iyidir. Tüm izlenebilir etkileşimleri hesaba katar ve ilişkilendirme kredisini eşit olarak dağıtır.

Her temas noktası, satışa katkıda bulunduğu için bir katılım ödülü alırken, model bu payın ne kadar hak edildiğini dikkate almıyor.

Bu müşteri yoluna bakalım:

• Müşteri, hayran olduğu bir etkileyiciden markanız hakkında olumlu bir tweet görür ve bu nedenle web sitenizdeki içeriği keşfetmek için yaklaşık bir saat harcar;
• Web sitenizden sosyal medya simgelerinize tıklayıp sizi çeşitli kanallarda takip ederler ve ayrıca haber bülteninize kaydolurlar;
• Önümüzdeki aylarda müşteri, markanızın sosyal medyadaki gönderilerine göz atıyor ve herhangi bir gönderiyi okumak için nadiren duruyor;
• Ayrıca haber bültenlerinizi asla açmazlar;
• İş yerindeki bir durum müşterinin hızlı bir şekilde sizin çözümünüze ihtiyaç duymasına neden olur ve influencer aynı gün markanız hakkında tekrar paylaşım yapar;
• Müşteri, gelen kutusunda en son bülteninizi açar ve alttaki CTA aracılığıyla platformunuza abone olur.

Doğrusal ilişkilendirme modeli, gönderilerinizi kaydırarak geçip e-postalarınızı okumasalar bile sosyal medyaya, web sitenize ve haber bülteninize eşit değer verir.

Bu mantıkla, pazarlama harcamalarınızı her bir kanal için eşit olarak bölmek isteyebilirsiniz. Ancak, etkileyici pazarlamanın ve web sitenizdeki içeriğin burada en etkili olduğunu iddia edebilirsiniz.

Doğrusal ilişkilendirme modeli ne zaman kullanılır?

İyi bir pazarlama bütçesine sahip büyük şirketler veya daha köklü şirketler, ilişkilendirme yüzdelerini daha doğru belirlemeye odaklanmalıdır.

Daha doğru yüzdeler tahsis edecek bütçeniz veya verileriniz yoksa, doğrusal model her şeyi tek bir tekneye sığdırmak yerine en azından birkaç temas noktasını hesaba katar.

İlk ve son temas noktalarına öncelik verme: Konuma dayalı ilişkilendirme modeli

Konuma dayalı ilişkilendirme modeli (bazen u-şekilli ilişkilendirme olarak adlandırılır), doğrusal, son etkileşim ve ilk etkileşim modellerinin bir karışımıdır.

Bu model, kredinin çoğunu ilk ve son etkileşimlere verir ve kalan kredi diğer tüm temas noktaları arasında eşit olarak dağıtılır.

Bu model en mantıklı görünüyor; ilk ve son temas noktaları açıkça çok etkilidir. Yol boyunca diğerlerini hesaba katarken, alıcı yolculuğundaki iki kritik adımı tanır.

Konuma dayalı ilişkilendirme modeli ne zaman kullanılır?

Müşteriler satın almadan önce işletmenizin birkaç temas noktası varsa (yani, uzun satış döngüleri olan işletmeler) konuma dayalı ilişkilendirme modelini kullanın.

Artan önem: Zamanla azalan ilişkilendirme modeli

Zamanla azalma ilişkilendirme modeli, tüm temas noktalarının değerli olduğu, ancak dönüşüme en yakın olanların daha değerli olduğu ilkesine dayanır.

Son etkileşim en fazla krediyi alır ve ondan önceki tüm etkileşimler azalan miktarlarda ilişkilendirme alır.

Bu modelin en büyük eleştirisi, müşteriyi markayla ilk etapta tanıştıran dönüşüm hunisinin üstü pazarlama çabalarının değerini hafife almasıdır.

Zamanla azalma ilişkilendirme modeli ne zaman kullanılır?

Uzun satın alma döngülerine sahip senaryolarda ve ilişki kurmanın satış başarısında (özellikle B2B'de) önemli bir faktör olduğu durumlarda zaman aşımı modellerini kullanın.

Daha doğru pazarlama ilişkilendirme verileri için standart modellerin ötesine geçmek

Yukarıda tartışılan altı geleneksel ilişkilendirme modeli türü iyi bir başlangıçtır, ancak uygulamaları oldukça sınırlıdır.

Standart ilişkilendirme modellerinden birini seçmek, pazarlamacıların müşterilerin nerede ve ne zaman satın alma kararları verdiğine dair içgüdülerine dayalı olarak özneldir. Sübjektif kararlar yanlış olabilir, bu da çaba ve harcamaların boşa gitmesine yol açar.

Standart ilişkilendirme modellerini özelleştirmek sizi doğruluğa yaklaştırabilir

Kullanıma hazır Google Analytics modellerinin üzerine özel ilişkilendirme modelleri oluşturmak mümkündür.

Örneğin, ilk veya son etkileşimlere daha az kredi vermek için konuma dayalı bir modelde etkileşimlerin ağırlıklandırmasını ayarlayabilirsiniz.

Google Analytics ile istatistiksel hesaplama için bir programlama dili olan R'yi birleştirerek ilişkilendirme modelinizi daha da özelleştirebilirsiniz.

İlişkilendirme izlemeyi iyileştirmek için Markov modellerini (değişen sistemleri yansıtan rastgele süreç modelleri) kullanın. Yüksek düzeyde, Markov modelleri bir dönüşüm yolundaki sonraki adımların olasılığına bakar ve bir temas noktasının önemini, kaldırılmasına dayalı olarak hesaplamaya çalışır.

Bir dijital deneyim ajansı olan Bounteous'tan Kaelin Tessier, ilişkilendirme modellemesi için Markov modellerini kullanmanın faydalarını şöyle açıklıyor:

Nesnellik - Burada içgüdüsel hisler yok! Sadece gerçekler.
Tahmini Doğruluk – Dönüşüm olaylarını tahmin eder.
Sağlamlık – Geçerli ve güvenilir sonuçlar.
Yorumlanabilirlik – Şeffaf ve yorumlaması nispeten kolay.
Çok yönlülük – Veri kümesine bağlı değildir. Yeni verilere uyum sağlayabilen.
Algoritmik Verimlilik – Zamanında sonuçlar sağlar.

Markov modelleri, sezgisel tabanlı GA modellerinin en büyük sorununu çözer: nesnellik. Her temas noktasının önemini pazarlamacı değil, model belirler.

Ancak yine de dikkate alınması gereken birçok nüans var. Örneğin, bir potansiyel müşteri CEO'nuzu LinkedIn'de takip ederse ve yayınladıkları içerikten etkilenirse ne olur? "Karanlık huniye" atıfta bulunmak zor olabilir.

En doğru ilişkilendirme içgörüleri için veriye dayalı modellere bakın.

Veriye dayalı ilişkilendirme modelleriyle artan hassasiyet

Müşteri yolculuklarının karmaşıklığı arttıkça, ilişkilendirme modelleri de artmalıdır. Müşteri yolculuklarını düzgün küçük kutulara sıkıştırmak, satın alma kararlarının nasıl alındığını nadiren doğru bir şekilde temsil eder.

Şimdilik, algoritmik veya veriye dayalı yaklaşımlar, pazarlama ilişkilendirmesinin altın standardı olarak kabul edilebilir.

Slack'in eski CMO'su Bill Macaitis'in bir röportajda söylediği gibi:

Bil Macaitis:

"Bugün algoritmik ilişkilendirme, veriye dayalı pazarlamacılar ve şirketler için en iyi uygulama haline geldi.

Artık tüm farklı temas noktalarını ele almak ve tahmine dayalı, algoritmik ilişkilendirmeler yapmak için mevcut tüm veri toplama, araç ve modelleri kullanabiliriz. Düzgün bir şekilde kurulduğunda, her bir temas noktasını ve tüm aşağı akış hunisi ölçümlerini takip edebiliriz. Ve çok büyük bir veri kümesini orantılı olarak ağırlıklandırarak, hem çevrimiçi, hem çevrimdışı, hem performansa dayalı hem de marka reklamcılığı dahil olmak üzere neyin kredi alması gerektiğini çok daha doğru ve kesin bir şekilde belirleyebiliriz.

Mükemmel değil ve kolay değil. Ağızdan ağza yönlendirmeler, karanlık sosyal ve diğer "gizli dokunuşlar" ile zorlaşıyor. Ancak, alıcının yolculuğuna ve hangi pazarlama çabalarınızın işe yaradığına dair çok daha derin bir anlayış sağlıyor."

Google Analytics 360 ve Impact.com gibi ürünler, pazarlama temas noktaları için kredinin nasıl dağıtılması gerektiğini belirlemek üzere makine öğrenimini ve lojistik regresyon gibi gelişmiş istatistiksel hesaplamaları kullanır.

Yüksek düzeyde, veriye dayalı ilişkilendirme, dönüşüm sağlayan ve sağlamayan müşteriler arasındaki temas noktası etkileşimindeki farklılıkları analiz eder. Artık hızlı dönüşümleri ve kaçırılan fırsatları hesaba katan etkileşim kalıpları, daha doğru, orantılı bir kredi ilişkilendirmesi sağlıyor.

Algoritmik modeller nesnel ve otomatiktir, pazarlamacıların hangi adımın en önemli göründüğüne karar verirken verdikleri "içgüdüsel" kararları ortadan kaldırır.

Algoritmik modeller oldukça karmaşıktır ve işletmelere yöneliktir. Özellikle bu ürünlerin maliyeti düşünüldüğünde (Google Analytics 360 yıllık 150.000 ABD dolarından başlar), birçok işletme için aşırıya kaçacaktır.

Algoritmik ilişkilendirmeye erişilemiyorsa en iyi yaklaşımınız, stratejinize en uygun standart modeli kullanmak, onu özelleştirmek ve neyin işe yarayıp neyin yaramadığını öğrenirken sürekli olarak optimize etmektir.

Varlık testi yoluyla zayıflıkları izole etme

"Varlık testi", belirli bir kanalın etkinliğini bir süreliğine karışımdan çıkararak çıkarım yapmaktır. Bu arada, yukarıdaki veriye dayalı modellerin çoğunun dayandığı şey bu, ancak geniş ölçekte.

The Drilling Down Project'in kurucusu Jim Novo, bunu bir Digital Analytics Podcast bölümünde iyi bir şekilde dile getirdi:

Jim Novo:

"[Ekran] 'ın diğer kampanyalara yardım etme açısından çok değerli olduğunu düşünüyorsanız, neden onu bir veya iki haftalığına durdurup ne olacağını görmüyorsunuz? Ve sonra geri ekleyin.

Böyle bir test yapamaz mısın? O parayı başka bir yere yatırmaya değer mi? Ekranın değerini bulma konusunda ne kadar ciddisin?

Çevrimdışı ve çevrimiçi davranış arasındaki noktaları birleştirme

Modern satın alma davranışı, bir dizi müşteri faaliyetini içerir. Aşağıdakilerden herhangi birini veya birkaçını gerçekleştiren müşterileriniz olabilir:

• Tamamen çevrimiçi araştırma ve satın alma;
• Tamamen çevrimdışı araştırma ve satın alma;
• Çevrimiçi araştırma ve çevrimdışı satın alma (ROPO veya web odası olarak da bilinir);
• Ürünleri mağazada test etme ve çevrimiçi satın alma (showrooming olarak da bilinir).

Standart ilişkilendirme modelleri, yalnızca dijital pazarlama ve çevrimiçi davranışı hesaba katma eğilimindedir. Basılı medya ve doğrudan posta gibi çevrimdışı kanalları izlerken bile, bunu özel bir URL ile yapar.

Peki, pazarlamacılar çevrimdışı ortamda neler olup bittiğini nasıl takip edebilir?

İşletmelerin mağaza içi etkinlikleri hesaba katabilmesinin ve noktaları çevrimiçi etkinliklerle birleştirebilmesinin birkaç yolu vardır.

1. Bluetooth Düşük Enerji (BLE) işaretleri

Beacon'lar müşterilerinize alışveriş alışkanlıkları hakkında bilgi verirken faydalı olabilir.

Genellikle "mağaza içi GPS" gibi çalışır. Uygulamanızı cihazlarına yükleyen müşteriler mağazanıza girdiğinde, işaretçiler uygulama ile iletişim kurar ve kullanıcının çevrimiçi davranışını mağaza içi satın alma işlemleriyle ilişkilendirir.

Target, müşterilerin alışveriş listelerindeki öğeleri bulmalarına, mağaza içi yardım bulmalarına yardımcı olmak için işaretçileri kullanır ve hatta coğrafi tabanlı bir haber akışına sahiptir.

Macy's, 2014'ten beri öneriler sunmak, gerçek zamanlı promosyonlar göndermek ve satın alma işlemlerini izlemek ve ilişkilendirmek için işaretçileri kullanıyor.

Bu tür izleme, perakende mağazalar arasında popüler olsa da, bazı müşteriler bundan rahatsız olabilir. Alışveriş yapanlarla anket yaparak ilgiyi önleyin, ardından kullanıma sunmadan önce küçük bir grupla test edin.

2. Sadakat kartları

Sadakat kartları, kartların çevrimiçi olarak etkinleştirilmesi koşuluyla, dijital profilleri çevrimdışı alıcılarla bağlamanın basit bir yoludur.

Çeşitli platformlar, işletmelere Yotpo ve Stampme gibi entegre sadakat programları sunar.

Platformlar, genellikle kullanıcılardan fiziksel kasada bir sadakat kartı taramalarını isteyerek çevrimiçi ve çevrimdışı deneyimleri birbirine bağlar, böylece kullanıcılar alışveriş yaptıkları her yerde puan toplayabilir.

3. Müşterileri çevrimdışı yönetin

Mobilya ve dekorasyon üreticisi VOX, müşteri yolculuğunu VOXBOX adlı bir uygulama kullanarak yüz yüze görüşme ile sonuçlanacak şekilde yönlendiriyor.

VOXBOX, müşterilerin sanal bir mobilya yerleşimi tasarlamalarına olanak tanır ve ardından müşterilere fiziksel mağazalarından birinde yüz yüze bir danışmanlık randevusu almalarını önerir.

Bu yaklaşımla VOX, çevrimdışı etkinlikler de dahil olmak üzere o müşteri için tüm temas noktalarını izleyebilir.

Çözüm

İlişkilendirme modellemesinde herkese uyan tek bir model yoktur. En sağlam çözümler, ilişkilendirme kredisi atamak için algoritmik modelleme kullanır, ancak bunların önemli bir maliyeti vardır.

Algoritmik ilişkilendirme sizin kaptan köşkünüzde değilse, en iyi seçeneğiniz, tercih ettiğiniz analiz paketindeki temel tekliflerin üzerine özelleştirilmiş modeller oluşturmaktır. Müşterilerinizin pazarlama temas noktalarıyla nasıl etkileşime girdiği hakkında daha fazla bilgi edindikçe ilişkilendirmenizi optimize edin.

Pazarlama ilişkilendirme kursumuzla bir ilişkilendirme uzmanı olun.