Ergebnisse der Rückläuferstudie-Teil 4

Willkommen zum letzten Teil der Ergebnisserie unserer Rückläuferstudie!
Ein kurzer Rückblick: Bisher basierte die Auswärtung der Rückläufer in mailworx auf dem Prinzip einer regelbasierten Auswertung (Teil 1). Um die Auswertungsqualität zu verbessern und vor allem die Spam-Bounce besser klassifizieren zu können (Teil 2), wurde in mailworx intelligente Machine-Learning-Algorithmen (Teil 3) integriert.
Durch den Einsatz der intelligenten Analyse ist in mailworx nun eine Auswertung möglich welche im Vergleich zu früheren Methoden ca. um den Faktor 1000 effizienter ist!

In der Analysemenge ergaben sich folgende Vorkommen in den Kategorien Hard, Soft und Spam :

Rücläufer_int.png

Wirft man einen Blick auf die Gesamtfehlerquote der automatisierten intelligenten Kategorisierung in den Kategorien Hard, Soft, Spam sieht man mit 1,46% die deutliche Verbesserung gegenüber der regelbasierten Auswertung.


Fehlerquote ges int.png

mailworx bietet mit der neuen Methode seinen Kunden dadurch Vorteile wie

  • genauere Auswertungen
  • keine unnötige Deaktivierung von Adressen
  • steigende Adressqualität
  • verhindern von falschen Aussendungen
  • Kostenersparnis bei der Wartung von Adressen und Akquirierung

Vor allem der Punkt Kostenersparnis bringt einen sehr großen Vorteil mit sich. Die Kosten der Adressakquirierung lassen sich mit Hilfe der intelligenten Analyse reduzieren. Durch eine korrekte Kategorisierung finden keine falschen Aussendungen statt bzw. werden Adressen nicht fälschlicherweise deaktiviert. Dadurch entfällt der Bedarf neue Adressen als Ersatz zu generieren. Wodurch eine Aufwands- bzw. Kostenersparnis eintritt.

Kommentar schreiben