Wie du nach Customer Lifetime Value (CLV) segmentierst

Übersicht

Erfahre, wie du ein Segment für den Customer Lifetime Value (CLV) erstellst und alle wichtigen CLV-Informationen exportierst. Customer Lifetime Value ist Teil von Klaviyos Predictive Analytics und kann ein leistungsstarkes Tool für die Segmentierung sein. Dabei handelt es sich um den Gesamtbetrag, den eine Kund*in im Laufe der Zeit bei deiner Marke kaufen wird – sowohl in der Vergangenheit als auch prognostiziert. Mit Customer-Lifetime-Value-Segmenten kannst du Kund*innen auf Grundlage dieses Betrags gruppieren, damit du ihnen relevante Inhalte senden und segmentbasierte Flows auslösen kannst. Du kannst zum Beispiel den historischen Customer Lifetime Value nutzen, um einen VIP-Welcome-Flow aufzubauen, oder den prognostizierten Customer Lifetime Value nutzen, um gezielte Kampagnen an Kund*innen zu senden, die im Laufe eines Jahres wahrscheinlich einen bestimmten Betrag ausgeben.

Bevor du anfängst

Ein Customer Lifetime Value-Segment erstellen

Um ein Segment basierend auf einer der verfügbaren Customer Lifetime Value-Eigenschaften zu erstellen (d. h. historischer, prognostizierter und totaler Customer Lifetime Value), verwende die Bedingung Predictive Analytics über eine Person. Wähle dann die gewünschte Metrik und den gewünschten Wert aus.

Beispiel

Nehmen wir an, dein durchschnittlicher Bestellwert für Kund*innen liegt bei etwa 15,00 $. Vielleicht möchtest du Kund*innen, die diesen durchschnittlichen Bestellwert wahrscheinlich nicht erreichen, mit Rabatten ansprechen, um sie zu ihrem nächsten Kauf zu bewegen.

Erstelle dazu ein Segment von Kund*innen, die voraussichtlich nicht mehr als 5,00 $ ausgeben, und sprich sie mit einer Rabattkampagne oder einem Flow an – ähnlich wie bei einer Winback - oder Re-Engagement-Kampagne. Wenn du per E-Mail targetierst, solltest du die folgenden Bedingungen einbeziehen:

• Sie gehören zu deiner Haupt-E-Mail-Liste (in diesem Fall eine Newsletter-Liste).
• Sie haben eine E-Mail in einem bestimmten Zeitraum geöffnet, um sicherzustellen, dass du an Abonnent*innen mit Engagement sendest (im Beispiel unten ist der Zeitraum die letzten 90 Tage).

Customer Lifetime Value-Segmente exportieren

Exportieren von Customer Lifetime Value-Daten kann dir ermöglichen, das Verhalten verschiedener Kund*innengruppen weiter zu analysieren und vorherzusagen. Zusätzlich zu deinen Customer Lifetime Value- und Predictive Analytics-Werten kannst du Abwanderungsrisikoprognose exportieren. Das Abwanderungsrisiko wird in deine CSV als Zahl zwischen 0 und 1 exportiert. Beispielsweise würde 0,45 einem Abwanderungsrisiko von 45 % entsprechen.

Wenn du eine große Anzahl an Einmalkäufer*innen hast, kann dein durchschnittliches Abwanderungsrisiko hoch sein. Um dein durchschnittliches Abwanderungsrisiko zu senken, solltest du deine Marketing-Bemühungen möglicherweise darauf konzentrieren, Kund*innen nach ihrem ersten Kauf zu binden. Du kannst Klaviyos Metrik für den prognostizierten Customer Lifetime Value verwenden, um Personen zu identifizieren, die wahrscheinlich nicht erneut kaufen werden, wie im obigen Beispiel beschrieben.

Sobald du diese Daten als CSV exportierst, kannst du deine eigenen Analysen durchführen. Einige Berechnungen, die dich interessieren könnten, sind:

• Durchschnittlicher Customer Lifetime Value
  Du kannst den durchschnittlichen Customer Lifetime Value eines Segments berechnen, indem du den Historic Customer Lifetime Value und den Total Customer Lifetime Value mittelst.
• Zukünftige Ausgaben eines Segments vorhersagen
  Addiere den vorhergesagten Customer Lifetime Value aller Mitglieder eines Segments, und du erhältst den erwarteten Umsatz von Kund*innen in diesem Segment für das nächste Jahr.
• Schätze die Anzahl der wiederkehrenden Kund*innen
  Bilde zuerst den Durchschnitt der Werte für die Vorhersage des Abwanderungsrisikos. Ziehe dann diesen Durchschnitt von 1 ab. Multipliziere das Ergebnis mit der Anzahl der Personen im Segment. So erhältst du die Anzahl der Kund*innen, für die vorhergesagt wird, dass sie zurückkehren.

Weitere Ressourcen