Omdat mensen hebben ervoor gekozen om hun informatie en verstrekt antwoorden te geven op specifieke vragen, de kwaliteit van de resulterende gegevens is ideaal voor het richten van bepaalde consumenten of groepen consumenten. Data attributen beschrijven van wie ze zijn, hoe ze zich gedragen en hun koopgedrag voor bepaalde producten en diensten zijn van groot nut voor marketing professionals de gerichtheid op de meest geschikte vooruitzicht voor hun aanbod.
Data levensstijl consument kan ook worden gelabeld met een bestaande database om extra consument inlichtingen te verstrekken voor organisaties. Het creëren van meer inzicht in klanten voor gebruik in gerichte direct marketing campaigns.Examples variabelen beschikbaar voor targeting groepen consumenten omvatten; inkomen en werkgelegenheid, verzekeringen vernieuwing data, eigenwoningbezit, geboortedatum, vakantiebestemmingen, inkomen en werkgelegenheid, winkelen voorkeuren en huisdier eigendom.
Gemodelleerd consument dataModelled consumentengegevens wordt gemaakt met behulp van volkstelling informatie en andere transactionele gegevens om een model van het inkomen van de consument te bieden, de uitgaven gewoonten en andere voorkeuren op een bepaalde geografische area.Verifiable veronderstellingen over inkomen en levensstijl worden toegewezen aan postcodes die breed toepasbaar informatie creëert een type gebied mensen leven in.
Een data-lijst wordt gegenereerd door simpelweg te kiezen voor data-attributen die met uw doelgroep consumenten, die vervolgens levert een gepaste lijst van postcodes voor het contact via een direct marketing campagne. Hoewel de gegevens binnen een gemodelleerde database is niet zo diepgaand als de persoonsgegevens gericht data levensstijl van de consument, gemodelleerd databases tot hun recht komen voor grote campagnes.
Elke database kan miljoenen inzendingen te houden en zijn ideaal voor campagnes met een groot bereik en grote aantrekkingskracht, vooral voor