Mange travle markedsførere komme gjennom et helt år (hvis ikke en hel karriere) uten å bekymre mye om noen segmentering utover recency, hyppighet og verdi på tidligere kjøp. Mens denne grunnleggende nivå av segmentering er bra i seg selv, betyr det komme en tid da vi må bryte ut av våre komfortsoner hvis vi kommer til å virkelig utmerke seg. Segmentere vår e-markedsføring data i lister som deler felles egenskaper gjør at vi kan målrette de rette menneskene med det rette budskapet.
Alder, kjønn, klasse, inntekt, plassering og hobbyer er bare noen av de utallige måter vi kan dele listene for å gi oss selv en større sjanse for å konvertere utsiktene til salg eller å bygge pågående relasjoner med recipients.If det hele virker som for mye arbeid Snakk med dine listen meglere (de er eksperter tross alt). De kan ta på pode for deg som en del av sin rolle, slik at du kan lene deg tilbake og sole seg i glansen av den økte avkastningen som kommer fra virkelig effektive data segmentation.Get relevant, får personalPersonalisation er ikke bare å sette kundens navn i en emnelinje.
For våre utsendelser å skille seg ut blant i-box konkurransen vi trenger å gjøre tilbud som virkelig er relevante for de enkelte mottakerne. Dette betyr å forstå dataene vi holde og bruke det effectively.We kan alle bandy rundt begreper som "dynamisk innhold" og "livsløpsbasert messaging", men igjen, noen av oss har tid eller lyst til å virkelig jobbe våre data. For eksempel; innkjøp historien til en motebutikk kunde kan godt vise en markert preferanse for klær av en bestemt farge.
Hvorfor ikke bruke disse dataene til å dynamisk velge farge på produktbilder sendt i enkelt html e-post? Mens en e-post til Mrs Smith kan inkludere et bilde av en rød kjole, ville e-post sendt til Mrs Jones viser en blå versjon av den samme kjolen. Jeg er sikker på at du kan finne en tilsvarende del av dataene i postene som kan brukes til lignende effekt i din n