Targeted Marketing

কার্যকারণ অনুমান দ্বারা চালিত টার্গেটেড মার্কেটিং কেবল কোন গ্রাহকরা ক্যাম্পেইনে সাড়া দেয় তা-ই নয়, বরং কেন তারা সাড়া দেয় এবং কিভাবে ভিন্ন ভিন্ন বার্তা ভিন্ন ভিন্ন জনগোষ্ঠীর ওপর প্রভাব ফেলে তা চিহ্নিত করে। সনাতন সেগমেন্টেশন সহসম্বন্ধের ওপর নির্ভর করে; আমাদের পদ্ধতি গ্রাহক উপবিভাগ জুড়ে কার্যকারণগত চিকিৎসা প্রভাব (causal treatment effects) উন্মোচন করে।

আমরা জটিল ব্যবসায়িক চ্যালেঞ্জ সমাধানের জন্যCausal Machine Learningপ্রয়োগ করি।

আমরা প্রতিটি মার্কেটিং হস্তক্ষেপের প্রকৃত ইনক্রিমেন্টাল প্রভাব আলাদা করতে র্যান্ডমাইজড কন্ট্রোল ট্রায়াল এবং অবজারভেশনাল কার্যকারণ অনুমান পদ্ধতি প্রয়োগ করি। এর অর্থ হলো আপনি সেইসব গ্রাহকদের ওপর ব্যয় বন্ধ করতে পারেন যারা এমনিতেও কনভার্ট হতো এবং উচ্চ-মূল্যের বিভাগগুলো চিহ্নিত করতে পারেন যেখানে আপনার মার্কেটিংয়ের সবচেয়ে শক্তিশালী কার্যকারণ প্রভাব রয়েছে। ক্যাজুয়াল ফরেস্ট এবং বেয়েশিয়ান অ্যাডিটিভ রিগ্রেশন ট্রিসের মতো পদ্ধতি ব্যবহার করে আমরা [হেটেরোজেনিয়াস ট্রিটমেন্ট ইফেক্ট](/research#heterogeneous-treatment-effects) অনুমান করি যা প্রকাশ করে কোন গ্রাহক বৈশিষ্ট্যগুলো নির্দিষ্ট বার্তা এবং চ্যানেলের প্রতি সাড়া দেওয়ার পূর্বাভাস দেয়।

আমাদের প্ল্যাটফর্ম ব্যবহারকারী প্রতিষ্ঠানগুলো গ্রাহক প্রাপ্তির গুণমান বজায় রেখে গ্রাহক প্রাপ্তির খরচ (customer acquisition costs) উল্লেখযোগ্যভাবে কমাতে পারে। ই-কমার্স রিটেইলাররা নির্দিষ্ট পণ্যের সুপারিশে সাড়া দেওয়ার সবচেয়ে বেশি সম্ভাবনা থাকা গ্রাহকদের সুনির্দিষ্টভাবে টার্গেট করে ইমেল ক্যাম্পেইনের ROI উন্নত করে। B2B কোম্পানিগুলো সিদ্ধান্ত গ্রহণকারী বিভাগগুলো চিহ্নিত করে অ্যাকাউন্ট-ভিত্তিক মার্কেটিং অপ্টিমাইজ করে যেখানে তাদের বার্তাগুলো পরিমাপযোগ্য আচরণ পরিবর্তন ঘটায়।

প্ল্যাটফর্মটি গ্রাহক স্তরে স্বচ্ছ অ্যাট্রিবিউশন প্রদান করে যাতে আপনি স্পষ্টভাবে বুঝতে পারেন কোন দর্শকরা প্রতিটি ক্যাম্পেইন থেকে ইনক্রিমেন্টাল রাজস্ব চালনা করছে।