知识交流:网络营销

除了频率之外，可能还有很多问题:

列表-你的电子邮件的收件人-它是针对的吗?

OFFER——你所提供的——是一笔好交易吗?LIST对这类报价有兴趣吗?他们都是双重选择吗?

内容——你如何表达你的提议…必须承认，我讨厌“硬卖”这个词——没有人喜欢被“卖”给——人们喜欢自己决定买!

这些只是起点，但我强烈建议您联系KHE会员蒂姆胡椒他是这里电子营销领域的领导者，让他花几个小时分析你在做什么。

在时间和金钱上的投资是非常值得的——蒂姆的建议的价值至少是他实际收费的50倍!(我们甚至没有血缘关系)!

希望这对你有所帮助。

ChrisB

dscifres,

正如克里斯所说，有很多事情需要关注。我不会费心去猜测它们可能是什么，也可能不是什么，但是您问的是如何建立一个测试计划或方法。在这种情况下，我真的很喜欢“计划”这个词。

在你开始之前，仔细分析你的数据(所有与你的电子邮件活动相关的不同元素)，并细分你的受众。然后制定一个计划来反驳你的每一个假设。

我所说的数据元素是指发件人姓名、主题行、发送日期、发送时间、邮件大小、是否有附件、html与文本、打开或关闭紧急标志等。

通过细分你的受众，我的意思是，在过去6个月内打开，打开和点击通过，打开和点击通过和销售，打开6个月以上，最近没有打开，根本没有打开，订阅者多于一年或少于一年，等等。

想想你想要如何测试每一个，并制定一个计划。每次有新的信息出现时，针对其他受众进行测试，看看从中吸取的经验教训是否可以转移。

至于频率问题，它与相关性密切相关。如果你发送的邮件是可操作的，能为受众创造价值，那么频率问题就不那么重要了。如果你试图打断听众，让他们采取他们一开始并不想采取的行动，那么频率就成了一个大问题。

希望这对你有所帮助……

我能问一下你的名单有多大，你在多长时间内进行了营销吗?

Chris已经在他的“LOC”矩阵中列出了您需要考虑的元素。你对他们做什么是一个问题，将受益于现有的洞察力的人。ROIHUNTER进一步扩展了细分，其中包括响应的近时性和响应的频率等变量，并参考了销售情况。Jennifer再次提到，在未来的邮件中测试细胞或多变量分析。

如果列表足够大，我认为这为使用RFM技术进行一些行为分析奠定了良好的基础。

R =近因。最近有人回应了吗?
F =频率。他们多久回复一次?
M =货币。在你的购物清单的有效期内，他们的购物总额是多少?

关于RFM建模有一篇很好的文章:

https://www.dbmarketing.com/articles/Art104a.htm

以统计上有意义的方式将RFM技术应用于您的电子邮件列表将取决于我的第一个问题——它有多大?第二个问题是它持续了多久，考虑到用五分位数划分数据的传统方法，这个问题就不那么重要了。

这种技术会让你得到詹妮弗提到的细胞。

然后，使用您现有的数据集和现有的响应，您将能够将列表划分为标准RFM单元格，范围从555(最佳响应、最新和最有可能购买)到111(通常是浪费时间)。数据库中总共有125个单元格，范围在这些值之间。

对数据库进行测试营销，并比较对RFM单元格值的响应，将显示单元格值与给定单元格范围内的%响应率之间是否存在相关性。应该有，但统计准确性将取决于数据库的大小。请参阅我提到的文章，了解% reonce与单元格位置的典型图表。

如果您的数据库小于统计准确性所需的数据库，则结果将被随机噪声严重地隐藏。一种常见的观点是，您需要从邮件中获得至少500个响应才能获得实际的结果，因此您在每个单元格中有4个客户的统计机会。请注意，虽然这只适用于有实际客户的情况(为了获得M值)，但RFM的现代扩展将价值归因于所查询产品的货币价值，而不是购买的价值。这很复杂，但可能是有效的。

这只涵盖了对客户行为的分析，但是结合其他人的建议，您可以添加对历史邮件的统计分析，并使用RFM代码作为分析未来测试邮件的方法。

你需要认真思考其他历史趋势分析所提供的信息。如果一家公司以前的分数是555分，现在跌到了155分(收购了很多有价值的公司，但最近没有)，那么你就做了一些让他们恼火的事情。问题是，那是什么?

总之，你现在可能已经获得了足够的数据来开始分析，并让分析指导你未来的测试营销。

希望这对你有所帮助

史蒂夫。“
Unimax解决方案