在對的時間把對的信息發送給對的人——這是任何人在制定郵件營銷策略時需要反復思考的根本問題。但是這個問題究竟意味著什么？實際情況下究竟如何操作？答案就是數據細分，把你數據庫里的信息拆分成具有相關性的數據組。全國領先的電子郵件營銷服務商Focussend給大家奉上數據細分的四大技巧，為各位實現有效郵件營銷助力。

了解你的數據庫

首先，在對聯系人進行分類和創建定制郵件之前，應該對數據進行深度分析，目的是弄清楚自己已經收集了哪些數據，數據的數量、質量、類型，以及這些數據是最新信息還是過時的信息。只有在了解數據庫的價值之后你才能確定數據細分的最佳方式。

其次，必須明確你的營銷戰略和客戶畫像。數據分析能幫你確定需要什么信息，目前獲得的數據是否充分，或者是否有必要獲取新數據。

明確目標和分析數據庫信息之后，可以對你的聯系人進行細分了。

個人數據

聯系人分組的最簡單做法是按照性別、年齡、地址等個人數據進行細分。此類數據易于獲取，用戶在注冊過程中常常會填寫這些信息。

如果你想設置一個包含很多填寫區域的數據收集表，那么記住只要將用戶的Email郵箱設置成唯一必填項，這樣可以留給用戶更多自主選擇余地，由用戶自己決定分享哪些個人信息給你，因為在這個互動階段，用戶通常不樂意公開過多的個人信息。

因此，一定要確保你要求的信息對你的市場戰略是必需的。要求過多可能會降低轉化率。

行為數據

基于行為數據的細分主要和用戶行為相關，例如用戶對你的郵件或網站做出的反應。這類細分能幫你明白用戶目前處于轉化過程的哪個階段。

如果考慮郵件接收人可能做出的不同反應，我們可以基于以下四種行為劃分出四個類別：
● 訂閱者打開信息
● 訂閱者沒有打開信息
● 訂閱者打開并點擊信息
● 訂閱者打開但是沒有點擊信息

如果想知道你的聯系人的參與度級別，你可以用一個簡單的公式計算出忠誠度指數：打開的信息數量/發出的信息總數。然后按照以下分類進行數據評估：

忠誠用戶：指數＞75%。應該用特殊方式獎勵忠誠用戶，例如打折或免費服務。

不確定的用戶：25%≤指數≤75%。這類群體是潛在的忠誠用戶，可以通過優化郵件內容、標題、發送時間以及告訴對方如果保持對你們的忠誠將會得到獎勵的方式進行轉化。

不忠誠的用戶：指數＜25%。這類用戶的轉化率很低。他們很少打開郵件，即使偶爾打開也是因為百無聊賴。他們更容易對收到的郵件產生負面情緒，這會進一步影響他們對消息價值的判斷。此外，促銷和特惠活動可能是一把雙刃劍，通過這種方式帶來的客戶可能只會對低價忠誠而不是對公司忠誠。

交易型數據

這類數據與線上線下的購買行為相關，包括選擇的產品種類、購買頻率、訂單數量、訂單總金額、品牌偏好、顏色等等。

瀏覽這些數據并且做到有效利用實非易事。我們的建議是針對你的數據庫特性，分析相應的數據，然后進行細分。在此給出一些實例：

特惠活動：針對重復點擊或者購買某一特定品牌產品的客戶。

購物車：對應那些已經將產品拖進購物車但還沒有下單的客戶。

交叉營銷：如果用戶買過某種顏色的包或裙子，發郵件向對方推薦同種顏色的相關產品（無論是否打折）。

向上營銷：根據客戶的消費水平向其推薦更貴的產品組合。

售前營銷：發郵件向近幾個月下過訂單的客戶預告季節促銷活動。

RFM分析

RFM分析是傳統營銷和郵件營銷領域很常用的分析方法：在對用戶行為進行預測統計后做出的數據細分，基于以下三種變量，你可以根據用戶的具體情況對每個變量打分：
● 時間：最近的購買日期。
● 頻率：購買頻率。
● 金額：在固定時間段的平均消費金額。

下面是RFM分析的三個原則：
近期購買的客戶比在很久之前有過購買行為的客戶對當前的促銷活動的響應度更高。
常客比偶爾購買的客戶的響應度高。
平均消費量較高的客戶比消費低的客戶的響應度高。

優質客戶當然是獲得較高RFM分值的客戶。我們還建議設置一個最低標準分，對低于該標準分的客戶不再向其推送營銷郵件，最好采取新的應對策略。