Verwenden Sie die Felder predict last session date und predict last purchase date, um Leads zu identifizieren, die Ihre Seite besucht, aber noch nichts gekauft haben.

Kombinieren Sie diese mit predict last session time spent und predict last session categories, um den Grad des Engagements und die Produktpräferenzen einzuschätzen und die Leads mit entsprechenden Incentives anzusprechen.

Verwenden Sie die Felder predict last session categories, predict last abandoned categories und predict last purchase categories, um jene Kontakte zu segmentieren, die an den jeweiligen Produkten interessiert sind, und adressieren Sie die Kontakte mit Räumungsverkauf- und Wieder-erhältlich-Kampagnen sowie Cross- und Upsell-Kampagnen.

Wie viele Ihrer Warenkörbe werden abgebrochen? Verwenden Sie die Felder predict last abandoned date und predict last abandoned categories, um zum richtigen Zeitpunkt Nachrichten zu triggern, die Ihre Kunden daran erinnern, was ihnen entgeht.

Kombinieren Sie diese mit predict last abandoned total price, um basierend auf dem Warenkorb-Gesamtwert andere Incentives anzubieten. Auf diese Weise können Sie bis zu 20% der abgebrochenen Käufe doch noch realisieren!

Wenn Sie keine Kampagnen für Artikel senden wollen, die sich schon lange im Warenkorb befinden, überprüfen Sie, ob sich das Feld predict last abandoned products geändert hat oder nicht.

Die Felder predict last session date und predict last purchase date sind ein guter Hinweis darauf, ob Kunden abtrünnig werden. Kombinieren Sie diese mit predict last purchase categories, um maßgeschneiderte Incentives anzubieten.

Sehen Sie anhand eines Beispiels, wie Sie mit Web Extend eine optimale Lookalike Audience erstellen können.

Sie können die Felder auch dazu verwenden, Abschnitte in Ad-hoc-Kampagnen mit dynamischem Content zu personalisieren. Dies steigert Ihre Click-Through-Rates und Conversions. Ein Beispiel:

• Verwenden Sie die Felder predict last session/abandoned/purchase categories, um basierend auf der letzten Kundenpräferenz den richtigen Content auszuwählen.
• Verwenden Sie die Felder predict last abandoned session/cart/purchase, um eine Audience anhand ihres Engagement-Levels zu segmentieren und entsprechend anzusprechen.

Basierend auf den mit Web Extend gesammelten Daten können Sie individuelle Listen erstellen und diese exportieren, um sie im Rahmen anderer Marketingaktivitäten zu verwenden. Ein Beispiel:

• Ein hoher Wert für predict last session time spent ohne ein entsprechendes predict last purchase date kann ein Hinweis darauf sein, dass die Shopping Experience für Ihre Kunden nicht optimal ist.
• Ein hoher predict last purchase total price könnte Anstoß für eine 1:1-Interaktion sein; lassen Sie etwa Ihren Kundendienst zu einem Loyalitätsprogramm einladen.
• Sie können auch Kaufaktivitäten mit E-Mail-Responses verknüpfen und sich überlegen, ob Sie einzelne Kontakte über andere Kanäle ansprechen wollen, um eine höhere Zahl an Conversions zu erreichen.