AB Data

立即观看 查看全部 相关文章：电子邮件个性化的生成式人工智能：令人困惑的幻觉 送给合适的人 过度使用人工智能也存在很大的风险。 受众可能会变得过于针对性 细分和抑制规则是维持受众参与度和最大程度减少列表流失的关键工具，因为不相关和过于频繁的消息始终是选择退出的首要驱动因素。然而，在选择受众时，品牌需要注意其机器学习模型使用的算法，以免过于挑剔。


例如，我最近听说一个品牌正在使 阿塞拜疆数据 用机器学习来减少客户流失。为了实现目标，该算法积极抑制向新订阅者发送的电子邮件，因为新订阅者的流失率远高于老订阅者。这对销售产生了显著的负面影响。这次经历让该品牌意识到，他们需要针对新订阅者和现有订阅者制定不同的规则，因为这两组人的行为截然不同。 我也听说过一些品牌过于依赖分段式营销活动的例子，他们只向之前对营销活动主题感兴趣的订阅者发送消息。


结果，许多新订阅者和参与度较低的订阅者收到的营销活动太少，剥夺了他们参与的机会，导致不活跃订阅者的比例增加。 相关文章：决定电子邮件送达率的 7 个因素 基于参与度的定位并不完美 这是因为参与度数据并不完美。Apple的邮件隐私保护和链接跟踪保护等隐私限制使得一些参与度信号不如过去那么可靠或丰富。