El objetivo de este artículo es permitirte utilizar TARGET con el mejor rendimiento posible.
Cuando creas un filtro o una campaña, siempre hay varias formas de alcanzar tu objetivo. Te presentaremos en esta guía las formas más rápidas y lentas en términos de cálculo de población. Estas mejores prácticas son aún más importantes si tienes una gran base de datos en términos de contactos o transacciones, y si estás trabajando en grandes campañas, como el Black Friday.
La aplicación de esas reglas disminuirá considerablemente el tiempo de cálculo cuando Splio calcula tus poblaciones.
Aperturas: en este artículo, mostramos ejemplos de filtros que utilizan aperturas de email. Ten en cuenta que esta métrica se verá afectada por la Apple Mail Privacy Protection.
Filtros con presencia en otros filtros
Caso de uso: quiero excluir a mi población femenina en mi boletín semanal dirigido a mi población masculina. Tengo dos opciones.
Opción n. ° 1 (posible pero no preferible): cuando sea posible, evita incluir la condición "presencia en los filtros", ya que esta condición significará que será necesario calcular varios filtros al enviar tu campaña.
Opción n. ° 2 (preferible): incluir directamente la subcondición en tu filtro principal
Recomendamos, cuando sea posible, usar una condición en un filtro en lugar de "presencia en un filtro" para garantizar un cálculo óptimo del filtro.
Exclusiones en filtros
Caso de uso: deseo segmentar a mis contactos italianos.
Opción # 1: excluyendo todos los idiomas que no sean italiano. Esta opción implica un tiempo de cálculo de filtro más largo.
Opción # 2 (preferible):
Si es posible, siempre es mejor incluir la condición en lugar de excluir varias.
Filtros activos / inactivos
Caso de uso: crear mis filtros activos / inactivos. ¿Cuáles son las mejores prácticas?
Las condiciones que son rápidas de calcular:
Para la condición "número de aperturas durante X meses" y "número de clics durante X meses", los meses calculados son calendario y no relativos.
Las condiciones lentas:
Las condiciones con una categoría de campaña (incluso si no la usas) significarán un tiempo de cálculo más largo para tus filtros y solo se deben usar si estás tratando de reorientar campañas específicas. Aquí está la lista de estas condiciones:
- Número de clics en emails
- Número de aperturas de emails
- Número de emails recibidos
- Número de SMS recibidos
- Número de mensajes de canal X enviados
Establecer un límite de tiempo para los filtros
Caso de uso: quiero segmentar a mi población que ha comprado al menos dos artículos.
Evitar un período de tiempo ilimitado para los filtros significará que el cálculo del filtro es más rápido. Si no se establece un límite de tiempo, puede crear filtros que se calcularán tan atrás como tengamos datos en la plataforma y puede ralentizar el cálculo.
Cálculo de población
Caso de uso: deseo excluir a mis usuarios inactivos de mis campañas.
Opción n. ° 1: excluir la población inactiva en el filtro.
Por supuesto, es posible usar esta opción, sin embargo, el cálculo del filtro será más lento que si usas la opción # 2.
Opción # 2: excluir la población inactiva directamente seleccionando el filtro inactivo y excluyéndolo en el escenario de tu campaña.
Si estás haciendo siempre las mismas exclusiones de población (es decir, para usuarios inactivos), es mejor hacerlo en el escenario de tu campaña.
Diferencia entre el volumen esperado y el volumen final
A veces, hay una diferencia entre el volumen esperado y el volumen final de tu filtro. Las principales razones son las siguientes:
- blacklist: en cada envío, Splio no considera los contactos que ya no quieren recibir más emails (contactos en blacklist).
- ancelación de suscripción natural: los contactos pueden optar por cancelar la suscripción a través del enlace de suscripción. Por lo tanto, los contactos no suscritos no estarán incluidos en tu filtro.
- eliminación de entradas duplicadas: si el filtro se va actualizando con varios archivos temporales, Splio eliminará las entradas duplicadas para evitar contactar los mismos usuarios varias veces.
En la mayoría de los casos, la baja natural es la explicación principal de este resultado inesperado. Por lo tanto, recomendamos seguir con atención la evolución de la curva de suscripción de tu base de datos.