Benzer Kitle Modellemesi
Benzer kitle modellemesi, değerli müşterilerden oluşan bilinen bir grubun özelliklerini analiz eden ve benzer nitelikleri paylaşan yeni potansiyelleri bulan bir tekniktir.
Derinlemesine
Benzer kitle modellemesi, genellikle en yüksek değerli veya en iyi dönüşüm sağlayan müşterilerinizden oluşan bir "tohum" kitleyle başlar ve onları ayırt eden firmografi, davranış ve etkileşim sinyalleri gibi örüntüleri tanımlamak için istatistiksel ya da makine öğrenmesi yöntemlerini kullanır. Model daha sonra çok daha geniş bir bilinmeyen potansiyel evrenini bu örüntülere ne kadar yakın olduklarına göre puanlar ve tohumunuz gibi davranma olasılığı en yüksek kişilerin sıralı bir listesini üretir. Meta ve LinkedIn gibi reklam platformları hazır benzer kitleler sunar, ancak aynı mantık CRM'inizi veya pazarlama veritabanınızı puanlamak için içeride de uygulanabilir.
Bir benzer kitle modelinin kalitesi, tohumunun kalitesiyle ayakta durur ya da çöker: tek seferlik alıcılar veya niteliksiz lead'lerle dolu gürültülü bir listeyle beslerseniz, model bu gürültüyü ölçekte sadakatle yeniden üretir. Yaygın bir hata, çok küçük veya çok geniş bir tohum kullanmaktır; bu, ya istatistiksel olarak kararsız ya da genel pazarınızdan zar zor ayırt edilebilen kitleler üretir. Bir quiz funnel akışında funnel'ın kendisi bir tohum makinesidir: yakaladığı yüksek puanlı, iyi nitelenmiş lead'ler temiz, niyet açısından zengin bir tohuma dönüşür; böylece oluşturduğunuz benzer kitleler rastgele kayıtlar yerine kanıtlanmış iyi eşleşmelere benzeyen potansiyelleri hedefler.
Pratikte örnek
Sıkça sorulan sorular
Benzer kitle modellemesi için tohum kitlem ne kadar büyük olmalı?
Çoğu reklam platformu en az 1.000 ila 5.000 kaliteli kayıt önerir; yüksek uyumlu kaldıkları sürece daha fazlası daha iyidir. Gerçekten mükemmel müşterilerden oluşan küçük bir tohum, genellikle büyük ve gürültülü bir tohumdan daha iyi performans gösterir.
Benzer kitle modellemesi ile öngörücü puanlama aynı şey mi?
İlişkilidirler ama aynı değildirler. Benzer kitle modellemesi yeni potansiyelleri mevcut müşteri tohumuyla eşleştirir; öngörücü puanlama ise kayıtları, mevcut herhangi bir sinyali kullanarak dönüşüm veya kayıp olasılıklarına göre daha geniş biçimde sıralar.
Bir benzer kitle modelini ne sıklıkla yenilemeliyim?
Tohumu yenileyin ve modeli düzenli aralıklarla, örneğin üç ayda bir, ya da ICP'niz her değiştiğinde yeniden oluşturun. Eskimiş tohumlar mevcut en iyi müşterilerinizden uzaklaşır ve hedefleme performansını kademeli olarak düşürür.