Une sélection précise pour des campagnes réussies
La définition d’un mailing inclut d’une part le groupe visé et d’autre part la quantité cible. Dans le secteur des produits de consommation, la définition du groupe cible dépend de facteurs comme l’âge, le sexe, le salaire ou l’état civil. Dans le secteur B2B, cette définition repose sur d’autres facteurs tels que la branche d’activité ou la taille de l’entreprise. Le volume de la quantité cible est quant à lui fixé par le budget destiné à l’action de publipostage.
Une autre tâche importante consiste à évaluer les mailings sur la base d’échantillons représentatifs pour en déduire des informations sur le degré d’adéquation de l’offre avec le public ciblé. Cela permet de répondre à des questions d’importance primordiale concernant, par exemple, les variantes de l’offre ou les groupes cibles prédéfinis. Les observations qui ressortent de ces réponses sont ensuite intégrées dans la planification de la campagne principale.
Dans tous ces cas, une sélection simple comme celles supportées habituellement par les bases de données s’avère insuffisante.
En effet, une sélection optimale pour une campagne publicitaire réussie doit remplir les critères suivants :
Pour évaluer le succès des campagnes de marketing direct, il s’avère utile de déterminer les listes externes et les segments de groupes cibles qui contribuent à atteindre un taux de réponse élevé. À cet effet, on se sert de codes publicitaires qu’on applique sur le matériel de réponse afin d’assigner les retours selon les mailings correspondants et l’origine de l’adresse.
Une autre tâche importante consiste à évaluer les mailings sur la base d’échantillons représentatifs pour en déduire des informations sur le degré d’adéquation de l’offre avec le public ciblé. Cela permet de répondre à des questions d’importance primordiale concernant, par exemple, les variantes de l’offre ou les groupes cibles prédéfinis. Les observations qui ressortent de ces réponses sont ensuite intégrées dans la planification de la campagne principale.
Dans tous ces cas, une sélection simple comme celles supportées habituellement par les bases de données s’avère insuffisante.
En effet, une sélection optimale pour une campagne publicitaire réussie doit remplir les critères suivants :
- Le nombre d’adresses sélectionnées doit correspondre exactement à celui défini par le budget.
- Les adresses sélectionnées doivent correspondre autant que possible au profil du groupe cible.
- En cas d’utilisation de listes externes ou d’adresses louées, les adresses sélectionnées doivent tenir compte de la répartition préétablie dans ces listes.
- Les adresses sélectionnées doivent être réparties, d’une manière aussi représentative que possible, sur tous les attributs qui ne servent pas à la définition du groupe cible.
Pour évaluer le succès des campagnes de marketing direct, il s’avère utile de déterminer les listes externes et les segments de groupes cibles qui contribuent à atteindre un taux de réponse élevé. À cet effet, on se sert de codes publicitaires qu’on applique sur le matériel de réponse afin d’assigner les retours selon les mailings correspondants et l’origine de l’adresse.
split : une fonction performante de DQ
La fonction split remplit toutes les exigences requises en s’intégrant parfaitement dans les différents processus de la solution DQ Batch Suite. Les diverses fonctions de qualité des données (p. ex. la validation d’adresses, la recherche des déménagés ou le contrôle de doublons) assurent la fiabilité des adresses disponibles avant de procéder à leur sélection via la fonction split. Cette sélection s’effectue en tenant compte des groupes cibles et des quantités prescrites. Une fois ce processus achevé, la fonction ecoSort procède à l’optimisation des adresses afin de réduire les coûts de port. Par ailleurs, le système peut aisément générer d’un seul coup les adresses requises pour différents mailings et assigner des codes publicitaires pour évaluer le succès des campagnes mises en œuvre. Les lots générés sont ensuite optimisés pour l’envoi via la fonction ecosort.
www.uniserv.com |
08.02.2012