RFM vs. Demografische Modelling
| 
| 
Waarschijnlijk het meest belangrijke voordeel van RFM analyse is dat iedereen het kan toepassen. U dient geen specialist in statistiek te zijn of u dient geen expert in modelling in te huren om de analyse uit te voeren. Alles kan gedaan worden door gebruik te maken van een rekenblad. De resultaten zijn verbluffend accuraat.
Kijk even naar de volgende grafiek die een vergelijking maakt tussen de voorspelde antwoordratio’s van de 34 cellen die in de roll out gemailed werden en de actuele bekomen resultaten:
De kolommen tonen de antwoord ratio’s voor elk van de 34 winstgevende cellen uit de test. De lijn geeft de antwoord ratio’s voor de cellen komende uit de roll out. De accuraatheid is onvoorstelbaar en zeldzaam herhaalbaar op een demografisch model. Hoe zou dit komen? Dit is omdat een demografisch model informatie verschaft over wat mensen zijn: hun inkomen, leeftijd, aanwezigheid van kinderen, huiseigenaar, enz. RFM meet wat mensen doen: wanner ze kopen, hoe dikwijls ze kopen en voor hoeveel ze kopen – van uw producten en diensten. Wat u probeert te voor spellen is wat mensen zullen doen. Het is duidelijk dat elk systeem gebaseerd op leden gedrag waarschijnlijk meer accuraat zal zijn in het voorspellen van het gedrag van uw lid in de toekomst dan eender welke combinatie van demografische informatie.
Voeg deze pagina toe aan uw favoriete Social Bookmarking websites
| < Vorige | Volgende > |
|---|