Business in a box.
探索我们的解决方案。
与我们的销售团队交谈
我们经常收到关于我们的许可电子邮件面板的一个问题:它在预测收件箱率方面有多准确。历史上,这一直是一个难以权威回答的问题,因为没有可以衡量的真实来源,因此意见(以及对样本统计的普遍信任)主导了讨论。
然而,现在有一个主要邮箱提供商为其平台许可收件箱放置数据,这使得进行真实分析成为可能,我们在一些大型和小型发件人、包括我们发送平台和其他提供商的20,000多个不同发送域上进行了这样的分析。
结果令人振奋。许可面板非常准确,即使信号相对较低,当发送中看到的不同面板成员数量增加时,其准确性极高。使用常见的统计方法,我们查看主要提供商看到的收件箱率与我们面板看到的收件箱率之间的均方根误差(RMSE - 标准差的类比)。
在我们的分析中,我们注意到通过顶级电子邮件服务提供商发送邮件的发件人看到面板收件箱率与真实收件箱率之间有更好的相关性。这一机制尚不清楚,但我们推测,大型服务提供商对其客户实施的合规标准通常会导致其受众更一致的收件箱率,因此不易偏斜。我们可以看到,如果我们仅将绘图限制在顶级ESP上的发件人,RMSE将减少约30%。
即使是当每天只有少数(10个)面板成员看到邮件流时,我们也观察到面板看到的收件箱率与真实情况之间有很强的相关性。
如果我们只考虑每日50个或更多面板成员看到的流,相关性会更紧密。
如果我们观察这个错误率随时间的变化,我们会看到几件事:
即使只有极少数的独特面板成员收到邮件,错误率也在10%以下。
随着面板成员数量的增加,它很快降至4%。
最终接近2% — 表明面板数据98%准确。
对于识别邮件流可投递性问题而言,这种准确性是非常好的。
因此你可能会问:既然一个主要提供商提供了真实数据,那么即使其高度相关,拥有面板数据有什么用?大多数邮箱提供商 - 包括Google和Microsoft这样的巨头 - 都不提供收件箱放置数据,因此对于那些送达的消息,你仍然需要像面板数据这样的来源来了解收件箱率。
现在我们可以对这些情况下的准确性充满信心了。