它根据顾客采取特定行动的可能
将模式转化为预测
这时分类就可以发挥作用了。性将顾客分成不同的组。例如，系统可能会将客户分类为：
- “非常有可能购买”（80%或更高的概率）
- “他们可能会买”（概率从 决策者电子邮件列表 50% 到 80%）
- “他们不太可能购买”（概率为 20% 至 50%）
- “他们不太可能购买”（概率低于 20%）
这些概率取决于客户当前的行为与之前导致购买的模式的匹配程度。例如：
- 如果客户每周访问您的网站三次、打开您的所有电子邮件并查看您的定价页面，那么他/她进行购买的可能性就有 85%。
- 如果有人两个月内没 移动和语音搜索：密不可分 有打开过您的电子邮件，并且只访问过您的网站一次，那么他/她可能有 20% 的机会进行购买。
- 一个最近多次浏览过类似产品但尚未购买的顾客可能有 60% 的机会购买。
系统不断更新这些预测。上周还是“不太可能购买”的客户在参与您的最新电子邮件活动后可能会进入“可能购买”类别。这种动态性意味着您的细分始终是最新的，并反映最新的客户行为变化。
通过预测模型，您可以开展有效且有利可图的活动，同时减少手动更新和调整细分的时间。然而，并非每个模型都会产生相同的结果，这就是为什么我们需要一种方法来评估它们的有效性和结果。这时模型评估指 新加坡电话列表标就派上用场了。
模型评估
为了更好地理解如何评估预测模型，请想象以下情况：你面前有一大堆干草。你能猜出这是关于什么的吗？是的，现在我们要谈论针头。我们谈论的不是一根针，而是需要在这堆大海中找到的许多根针。