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邮件面板的一个问题是,它在预测收件箱率方面有多准确。 过去,回答这个问题是困难的,因为没有可以进行测量的事实来源,因此意见(以及对样本统计数据的普遍信任)主导了讨论。
然而,现在有一个主要邮箱提供商为他们的平台授权收件箱放置数据,允许我们进行真正的分析,我们在超过 20,000 个不同的发送域名上做了这个分析,包括大大小小的发送者,无论是在我们自己的发送平台还是在其他提供商平台上。
结果令人振奋。即使信号较弱,许可面板也非常准确,并且随着发送中看到的不同面板成员的数量增加而变得极为准确。使用常见的统计方法,我们看一下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 - 标准差的类似形式)。
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送者会看到面板收件箱率和真实收件箱率之间的相关性显著更好。其机制尚不清楚,但我们推测,顶级服务提供商对其客户的合规标准通常会导致其受众的收件箱率更一致,因此不易偏斜。 如果我们将我们的图表限制在仅顶级 ESP 发送者上,我们可以看到这一点,这还将 RMSE 减少约 30%。
即使是少量(10个)每日面板观察者看到邮件流,面板看到的收件箱率和事实标准之间也有非常强的相关性。
如果我们只考虑每日看到 50 个或更多面板成员的流,相关性会变得更加紧密。
如果我们观察这一误差率随时间的变化,我们会看到一些情况:
即使在接收邮件的独特面板数量极少的情况下,误差率也低于 10%。
随着面板成员数量的增加,它迅速下降至 4%。
最终接近 2% - 表示面板数据的准确率为 98%。
就识别邮件流的投递问题而言,这一准确性是非常棒的。
因此您可能会问:在主要提供商提供事实标准数据的情况下,即使它与面板数据高度相关,拥有面板数据有什么用? 大多数邮箱提供商——包括巨头如 Google 和 Microsoft——不提供收件箱放置数据,因此对于投递到那里邮件的信息,您仍然需要像面板数据这样的来源来了解收件箱率。
现在我们对这些情况下的准确性都可以充满信心。