Predvidevalna trženjska analitika z ThinkVine

logotip thinkvine

Kakšna bi bila donosnost naložbe, če bi lahko spremenili svojo tržno kombinacijo?

To je vprašanje, ki si ga vsak dan zastavijo velike stranke s kompleksnimi marketinškimi strategijami (ki so uravnotežene med množico medijev). Bi radi spustili radio za splet? Bi moral trženje s televizije preusmeriti na iskanje? Kakšen bo vpliv na moje podjetje, če začnem tržiti prek spleta?

Običajno odgovor pride skozi nešteto testiranj in izgubljenih tržnih dolarjev. Do zdaj. Tržniki uporabljajo preteklo uspešnost za napovedovanje prihodnje tržne uspešnosti. S tem so povezana velika tveganja, saj se sčasoma dodajajo novi mediji. Prehod oglasov s časopisnega na spletni je le en majhen primer. Če bi nadaljevali z razvrščenimi porabami, ne da bi jih preusmerili na splet, ne bi dosegli največjega potenciala. Pravzaprav bi lahko preprosto zapravljali svoj denar.

ThinkVine že skoraj desetletje dela na scenarijih »Kaj če«. Njihove stranke so precej impresivne ... Sunny Delight, SC Johnson, LegalZoom, Del Monte, Hershey in Citrix Online.
agent-based-modeling.png

ThinkVine lahko to stori s preizkušenim sistemom za modeliranje na osnovi agentov, ki je bil dejansko razvit v 1940. letih prejšnjega stoletja. Z razumevanjem tržnih segmentov, ki ste jih kupili od vas prek posameznega medija, in uporabo modela za segmente v drugih medijih, ThinkVine lahko zgradi napovedni model, kako bo vaše trženje delovalo v teh drugih medijih. To je kar sistem.
marketing-trend.png

Scenarije, ki jih razvije ThinkVine, je mogoče dolgoročno, kratkoročno uporabljati za trženje, ki temelji na priložnostih, in tržne napore po segmentih. ThinkVine lahko celo napove končni scenarij ... kaj pa če bi popolnoma prenehali tržiti!
no-media.png
Preberite več o ogledu izdelka programske opreme za tržno simulacijo in načrtovanje podjetja ThinkVine.

Popolno razkritje: Z izvršnim direktorjem Damonom Raguso sva sodelovala z Bruceom Taylorjem iz Praesage pred mnogimi leti uporabljati podobne metodologije za neposredno trženje po pošti. Damon je zgradil dinamične statistične modele iz profilov strank in z Bruceovo avtomatizacijo smo lahko avtomatizirali njihovo uporabo v potencialnih zbirkah podatkov. Aplikacija se je imenovala Prospector in je delovala briljantno. Bruce je v preteklih letih natančno prilagodil aplikacijo in jo še vedno uporablja za številne velike stranke za neposredno trženje.

2 Komentarji

  1. 1
    • 2

      Adam,

      Vsekakor zahteva zgodovinske podatke. Če bi imeli dovolj strank, bi bilo mogoče združevanje profilov. Dvomljivo je, da bi njihove stranke to cenile! Mislim, da uporabljajo podatke najmanj 1 leto - mislim, da je priporočljivo 2.

      Doug

Kaj menite?

Ta stran uporablja Akismet za zmanjšanje nezaželene pošte. Preberite, kako se vaš komentar obravnava.