使用 Optimize 的优势

Optimize 可以让您采用一个更大的目标集合,然后将这些目标与一组复杂的规则进行比较，从而发现特定要约的最佳候选联系。此过程不仅考虑单个市场活动中可用的本地数据，还综合考虑多个市场活动中的数据，从而在一个更高的级别上考虑业务约束（例如出站呼叫中心容量）。 换言之，Optimize 可以帮助您实现整个企业的最大营销价值，而不仅仅针对单个市场活动或要约。 由于 Optimize 贯穿不同的市场活动，因此可以防止客户受到过度打扰，并降低这些重要客户选择拒绝进一步通信或直接丢弃而不阅读通信内容的可能性。 采用较大的初始选择范围有助于纳入以前忽视的客户群段，同时还可在业务约束中实现最大程度的总体优化。

可配置 Campaign 以从客户数据中为营销市场活动选择目标。 这个选择过程可以十分简单：

即选择所有女性客户

也可以较为复杂：

即选择年龄介于 25 至 45 岁之间、年收入超过 45,000 美元、在最近 90 天内购买过您的产品并且至少有 30 天未联系的所有女性客户

但是，在任何以产品或要约为中心的营销组织中，都会有多个市场活动设计者为其产品或要约争取最佳目标客户。 这往往会造成如下难题：

交叉市场活动冲突 — 当多个市场活动以同一个客户为目标时，会发生交叉市场活动冲突。 例如，如果您有两个市场活动，一位人员为最近搬到新居的人创建抵押融资要约，另一位人员为最近开户的人创建免费网上银行要约。 您的许多客户可能同时是这两个市场活动的目标。

客户疲劳 — 重复联系相同客户，从而导致响应率逐渐降低。 您的许多最佳客户几乎是所有要约的良好候选。 市场活动通常从顶级和/或大部分忠诚客户中进行选择，从而导致目标选择重叠。

错过机会 — 某些客户可能是某个要约的理想候选，但却总为当前的选择过程所忽略。

Optimize 实践

例如，考虑以下方案：

营销团队中的一名成员创建了一个市场活动，该活动基于客户在其所在地区商店中最近使用忠诚卡的情况来识别高价值客户。 活动中将为满足这些条件的客户派发门票，邀请其参加在一小部分较大规模商店中举行的仅限受邀人员参加的不公开销售活动。

营销团队中的另一名成员也创建了一个市场活动，该活动基于经由网站通道进行的大额消费来识别高利润客户。 活动中将为满足这些条件的客户派发网上消费优惠券，供他们在下次登录网上商店时使用。

营销团队中的第三名成员也创建了一个市场活动，该活动基于忠诚卡的长期稳定使用以及相应的高额消费习惯来识别顶级客户。 活动中将为满足这些条件的客户发出包含店内消费优惠券的特殊邮件。

许多客户很可能是其中至少两个市场活动的目标，甚至是所有三个独立营销市场活动的目标。 过度联系可能导致某些业务的流失，或是以一个营销市场活动失败为代价成全另一个市场活动。 例如，如果某个高价值客户同时收到网上优惠券和店内优惠券，则该客户可能无论如何只会消费相同的金额，从而导致浪费一次联系机会并降低某个市场活动的响应率。 更糟糕的是，如果向同一客户同时派发消费时限相同的 15% 折扣优惠券和 20% 折扣优惠券，则必然导致 15% 要约的响应率低于预期。 为解决联系疲劳问题，可以使用不同的业务规则，如“在任何为期一月的时间段内，只允许进行四次电子邮件联系”或“两次直接邮件联系之间必须至少间隔 14 天”。 但是，由于各个市场活动之间无交互，导致此策略不支持其他规定，如“不向接收仅限受邀销售活动要约的客户派发店内消费优惠券”。

已发展为以客户为中心（例如基于客户群）进行营销活动的公司在很大程度上可避免这些类型的要约冲突，因为与特定客户群之间的整个通信流只由一人控制。 这种基于客户群的方法有其自身的优点，但是将公司从以产品为中心转变为以客户为中心的营销组织通常比较困难且十分耗时。

借助 Optimize，您可以创建一组能够解决所有三种情况问题的约束或规则，从而在整个客户池中确定每种情况的最佳候选。 使用“最大包数”规则可以限制某位客户收到的要约数。 使用“A 从不与 B 一起使用”的规则，可以强制收到仅限受邀销售活动要约的人不会再收到任何优惠券。 每个市场营销人员确定每个要约的分数。Optimize 可优化联系人，从而提供满足指定规则和约束的存留联系人列表。 市场营销人员随后为其要约提取联系人并完成其市场活动，每个市场活动都能面向全局优化的最佳客户集进行。