然而，该平台的最新更新尤其重要，因为我们知道他们在其开发上投入了大量时间，并且其许多功能受到用户的高度期待。
目录
大数据在决策中的运用
数据探索
生成自定义报告
数据探索的优点和缺点
RFM分析
RFM 模型在 Connectif 中的实现
RFM的优点和缺点
新的高级动态段
新的联系人功能
结论
大数据在决策中的运用
尽管 Connectif 是市场上领先的 批量短信南非 营销自动化工具之一，但数据可视化和分析并不是 Connectif 的强项。因此，本次更新重点关注可视化以及数据导出和分析。
此新更新的目的是利用信息来改进业务决策。 Connectif 收集并存储有关我们网站上交互的宝贵数据，这不仅可以帮助我们创建和优化工作流程，还可以指导我们制定战略业务决策。
此更新中添加的针对数据驱动方法的新功能包括：
数据探索
RFM 分析和细分
高级动态段
新的自动联系功能
数据探索
创建自定义报告
这是最需要的方面之一。借助新的数据浏览器，我们现在可以生成各种报告，结合了与联系人、购买、产品、工作流程相关的各种指标和维度......
到目前为止，要分析每个工作流程最相关的指标，有必要访问它并详细审查每个操作的性能指标。这使得创建准确的报告来比较和查看不同股票在一段时间内的变化以及准确的指标变得困难。
我们现在可以创建报告，选择工作流程名称作为维度，并添加性能指标，例如发送、打开、退订、点击、转化率等。通过这种方式，我们可以在单个报告中查看所选时间段内所有流的性能。我们可以生成的工作流程绩效报告的一些示例包括：
电子邮件绩效报告：UTM、电子邮件类型、工作流程、发送、打开、取消、点击、退回...
推送通知绩效报告：工作流程、UTM、发货、打开、点击...
SMS 性能报告：工作流程、名称、发送、转化率
网页内容绩效报告：类型、工作流程、打开次数、点击次数、转化率……
每周电子邮件绩效报告每周电子邮件绩效报告
个性化每周电子邮件绩效报告
但正如我们上面提到的，它不仅限于来自 Connectif 工作流程的信息，因为我们可以使用其他非关联指标来评估我们操作的整体性能。例如：
回访者与新买家报告：我们可以生成一份报告，显示每月新买家与回访者的数量和百分比。这对于观察我们所有忠诚度行为的每月演变至关重要。
按产品品牌列出的访问和购买量报告：我们可以查看按品牌购买的产品数量，并将这些数据分为新数据和重复数据。通过这种方式，我们可以识别不同品牌或产品的购买趋势。
在 Connectif 中导出报告
数据资源管理器中生成的报告可以以 CSV 格式下载，这为以后在 Google Sheets 和 Data Studio 等工具中工作和可视化数据提供了很大的灵活性。
尽管仍然没有与 Data Studio 的集成，使我们能够实时提供完全个性化的仪表板，但我们现在可以选择定期下载该数据并将其保存到包含所有历史记录的主文件中，这更重要操作性比以前好。
数据浏览器的优点和缺点
关于我们最喜欢的：
可以选择在单个报告中包含所有流的性能指标，以评估我们的Connectif 策略。
结合众多维度和指标的能力使我们不仅能够评估我们在 Connectif 的行动绩效，而且还能评估整个数字业务的绩效。
可以根据我们的喜好创建不同的个性化报告，并能够轻松导出它们。
总的来说，这个变化是重大的，我们将利用Connectif 记录的所有信息。
我们错过了什么：
能够自定义包含“细分”维度和联系人总数指标的报告，以便我们可以在表格中查看不同时期每个细分的联系人数量，以分析数据库的增长情况。
尽管可视化和导出已经有了相当大的改进，但我们还是希望有一个Data Studio 连接器。
RFM分析
RFM 分析和细分方法会考虑联系人的新近度、频率和货币价值来分配分数并根据这些分数创建细分。在 ICRONO 博客上，我们在有关数据库有效分段的文章中讨论了这个主题。
在 ICRONO，我们总是在启动自动化项目时执行 RFM 分析，以了解买家数据库的情况。这是一种非常有效的方法，可以对生成的每个组进行分析和细分并提出具体行动。
触点内的 RFM 显示面板触点内的 RFM 显示面板
Connectif 中实现的 RFM 模型
Connectif 采用了RFM 模型，该模型生成一系列细分，这些细分成为可操作的杠杆，例如：经常性、冠军、忠诚、新......总共最多 11 个组。
自动创建 RFM 模型是一个巨大的进步。以前，需要创建自定义字段，为每个评分的微细分生成动态细分，然后通过定期更新流程将它们分组为主要细分。
Connectif 中实现的 RFM 模型为每个变量分配 1、2、3、4 或 5 个点。要为每个变量分配分数，请根据每个变量的值（上次购买时间、购买总额和消费总额）对数据库进行排序，将数据库分为 5 个相等的部分并分配分数。
在ICRONO，我们采用不同的方法，因为我们在分配点时不会创建 5 个相等的集合。
在我们在 ICRONO 实施的 RFM 模型中，我们根据购买频率分配如下分数：
1 次购买 = 1 积分
2 次购买 = 2 积分
3 次购买 = 3 积分
4 次购买 = 4 积分
购买 5 次或以上 = 5 积分
我们假设数据库中有 100 个联系人的频率分布：50 个联系人进行 1 次购买，20 个联系人进行 2 次购买，15 个联系人进行 3 次购买，10 个联系人进行 4 次购买，5 个联系人进行 5 次购买。
数据库的 50% = 1 分
数据库的 20% = 2 分
数据库的 15% = 3 分
数据库的 10% = 4 分
数据库的 5% = 5 分
相比之下，Connectif的模型是线性的，用20%代表数据库中的每个分数。
数据库的 20% = 1 分
数据库的 20% = 2 分
数据库的 20% = 3 分
数据库的 20% = 4 分
数据库的 20% = 5 分
这意味着在小型数据库中（如前面的示例所示），单次购买的联系人将获得不同的频率分数。这是因为，如果这些代表数据库的 50%，尽管购买量相同，但有些人将获得 3 分，其他人将获得 2 分，而其他人仅获得 1 分。
RFM 的优点和缺点
我们最喜欢的是：
基于RFM模型自动进行分割，无需工作流程或计算。
在新的Data Explorer报告中包含段和 RFM 变量。
查看联系人个人资料中的 RFM 段。
我们怀念的是：
能够定制我们自己的分数，根据数字业务定义每个分数的值。
新动态+细分
通过新的动态加段，添加了一项令我们兴奋的功能。现在我们可以使用非累积条件，这允许我们对 3 个变量进行分组，并且当仅满足其中一个变量时联系人即可进入分组。以前，我们可以使用工作流程来实现此目的，但不能使用动态细分，动态细分必须满足所有条件才能将联系人添加到分组中。
动态加段面板动态加段面板
动态加段配置面板
借助此功能，我们可以，例如……
在 RFM 中创建的细分中生成更广泛的集合，并能够建立一个分类，其中包括位于忠实或冠军的细分。这同样适用于那些处于冬眠、危险或衰退状态的人。这样，如果 RFM 中提出的 11 个细分市场中的每一个细分市场没有足够的可操作性（或足够的联系量）进行不同的通信，则可以将它们分为 3 或 4 个更通用的细分市场。
