通過有針對性的資料濃縮的更多轉換

有不同的模式，就如何使現有的資料加入新的變量。我們有例子郵政位址的連結很好的經驗。
外部服務提供商，同時從各種來源，如聯邦統計辦公室，各種信用報告機構和其他資料提供商的匯總資料。
隨後，為每個位址在德國 – 提供有足夠的家園，以滿足資料保護的法律 – 的概率發生的變量位址正是在這一個特定的值
（例如，買了某汽車品牌的親和力）。
另外，一個特定的值，如購買力或家庭淨收入的計算方法。

這種方法是有吸引力的，這是因為在大多數情況下，郵政位址，因為它是由客戶特殊的，而不是一個大的障礙（問題淨收入將有相當不同的額定）。
即使你不能訪問完整的位址，內含郵政編碼，永遠都只有一個很好的線索。該方法的缺點是泛化的，因為你顯然沒有得到一個特定的人，但只有到了很多人，並作為估計的確切資料。
但是，我想告訴你一個例子，這個資料仍然可以提供一個很有價值的。

作為鉛生成活動的一部分，是我們的一個客戶，金融產品市場，產生新的聯繫人。
人們的目的群體具有很高的純收入中，而老年人的生活環境，他預計從客戶。一半的任期先前接收到的線索豐富根據變量「生活環境」和「狀態」上的郵寄位址。
生活環境內含特性，如單，雙人或有孩子的家庭，收入和教育狀態是一份聲明。在分析集中在這個問題上的前景，以及達成目的群體的活動為用戶端。
對於我們作為一個媒體服務提供者，亦是評估各個渠道。分析分為每個引線產生不和，隨後購買。

結果有時令人吃驚，但在任何情況下，提供了寶貴的見解：

它橫空出世，不僅老年人在平均很高的地位，客戶對產品感興趣，但也具有非常高的地位和有孩子的家庭無子女的夫婦，無論狀態。
通過它可以得到最佳實現各自的目的群體在渠道上有明顯區別。
本身並不令人驚訝，但僅僅是獨特的定位選項，它開啟了，其餘的運動，也很不服氣。
使用的結果可以作為一個額外的服務，進一步豐富了一些改善，如引線的第二部分競選期間實施：