Predictive Analytics von Klaviyo verstehen
Übersicht
Erfahre mehr über die verschiedenen Arten von Predictive Analytics-Daten, die in deinem Konto angezeigt werden, die unterschiedlichen Methoden, mit denen Klaviyo diese berechnet, und Richtlinien dazu, wie du diese Daten nutzen kannst.
Wenn zutreffend, solltest du eventuell anpassen, welche Metriken zur Berechnung von Predictive Analytics verwendet werden, und sie besser auf deine Geschäftsziele, Datenstruktur oder benutzerdefinierte Integrationen abstimmen. Um anzupassen, welche Metriken in deinem Konto global zugeordnet werden, gehe zum Leitfaden zur Metrikzuordnung.
Klaviyo wendet eine Kombination aus Data Science und maschinellem Lernen auf alle Daten in deinem Konto an, um dir nützliche und umsetzbare Erkenntnisse zu liefern.
Bitte beachte, dass du den Abschnitt Predictive Analytics auf Profilen nur siehst, wenn du die folgenden Bedingungen erfüllst:
- Mindestens 500 Kund*innen haben eine Bestellung aufgegeben.
Dies bezieht sich nicht auf die Gesamtanzahl der Profile, sondern auf die Anzahl der Personen, die tatsächlich eine Bestellung bei deinem Unternehmen aufgegeben haben. Diese Bestellungen können nicht storniert oder erstattet werden und müssen Bestellungen mit einem Wert größer als 0 sein. Wenn dieser Abschnitt in einem Profil vorhanden ist, aber leer ist, bedeutet das, dass wir nicht genügend Daten zu dieser Person haben, um eine Prognose zu erstellen. - Du verwendest eine E-Commerce-Integration (z. B. Shopify, BigCommerce, Magento oder WooCommerce) oder die API, um aufgegebene Bestellungen zu senden.
- Du hast eine Bestellhistorie von mindestens 180 Tagen und Bestellungen innerhalb der letzten 30 Tage.
- Du hast mindestens ein paar Kund*innen, die drei oder mehr Bestellungen aufgegeben haben.
Der Abschnitt „Predictive Analytics“ eines Profils
Du findest den Abschnitt Predictive Analytics eines Profils im Tab Metrik und Erkenntnisse eines Profils. Unten siehst du ein Beispiel für den Abschnitt Predictive Analytics im Profil eines Kontakts sowie die angezeigten Informationen:
Die Tabelle unten definiert die oben angezeigten Felder für Predictive Analytics. Beachte, dass CLV für Customer Lifetime Value steht.
Feld | Definition | Beispielwert aus Screenshot |
Bisheriger CLV | Der Gesamtwert aller bisherigen Bestellungen, die eine Person getätigt hat, unter Berücksichtigung von Rückerstattungen und Retouren. | 401,00 $ |
Prognostizierter CLV | Eine Prognose dazu, wie viel Geld eine bestimmte Kund*in im nächsten Jahr ausgeben wird. | 99 $ |
Gesamter CLV | Die Summe aus historischem Customer Lifetime Value und voraussichtlichem Customer Lifetime Value. | 500 $ |
Prognose des Abwanderungsrisikos | Die Wahrscheinlichkeit, dass ein*e Kund*in abwandert, basiert auf der Anzahl und Häufigkeit der Bestellungen. Jedes Mal, wenn ein*e Kund*in eine Bestellung aufgibt, sinkt die Abwanderungswahrscheinlichkeit (grün). Mit der Zeit zwischen Bestellungen steigt die Abwanderungswahrscheinlichkeit (rot), wobei ein mittleres Abwanderungsrisiko gelb dargestellt wird. | 21 % |
Durchschnittliche Zeit zwischen Bestellungen | Die durchschnittliche Anzahl an Tagen zwischen den einzelnen Bestellungen einer*s Kund*in. | 75 Tage |
Erwartetes Geschlecht | Das vorhergesagte Geschlecht ist ebenfalls Teil von Klaviyos Predictive-Analytics-Funktionen, wird aber nicht in einem Kund*innenprofil angezeigt. | nicht verfügbar |
Wie Customer Lifetime Value-Daten berechnet werden
Klaviyo erstellt automatisch ein Customer Lifetime Value (Customer Lifetime Value)-Modell mithilfe der Daten deines Unternehmens und trainiert das Modell mindestens einmal pro Woche neu.
Wenn du die benutzerdefinierte API verwendest, um Ereignisse für aufgegebene Bestellungen zu senden, musst du bestätigen, dass dein Bestellwert über ein $value-Feld übergeben wird. So stellst du sicher, dass du Customer Lifetime Value-Daten basierend auf deinen Ereignissen für aufgegebene Bestellungen erhältst. Beachte, dass $value der tatsächliche Bestellwert sein muss, damit der Customer Lifetime Value korrekt berechnet werden kann.
Auch wenn niemand die Zukunft mit absoluter Sicherheit vorhersagen kann, sind die Predictive Analytics-Funktionen von Klaviyo leistungsstarke Tools, um Marketingausgaben zu optimieren und die Kund*innenkommunikation zu personalisieren. Vorhersagen funktionieren jedoch am besten, wenn sie über viele Kund*innen gemittelt werden, und sie sind nicht dafür gedacht, für einzelne Personen exakt zu sein. Während manche Personen mehr als ihren prognostizierten Customer Lifetime Value ausgeben und andere weniger, gleichen sie sich insgesamt gegenseitig aus.
Beispielsweise ist der im Predictive-Analytics-Feld angezeigte Wert für die vorhergesagte Customer Lifetime Value keine exakte Vorhersage. In manchen Fällen siehst du möglicherweise eine unmögliche Anzahl vorhergesagter Bestellungen. Beispielsweise wird für eine*n bestimmte*n Kund*in möglicherweise 1,43 als Anzahl der prognostizierten Bestellungen angezeigt. Wenn du das siehst, bedeutet das, dass wir erwarten, dass die*der Kund*in ein oder zwei Bestellungen aufgibt, aber es besteht auch die Chance, dass sie*er mehr oder weniger aufgibt. Diese Erwartungen werden verständlicher, wenn du mehrere Kund*innen gruppierst, da du die Gesamtanzahl der Bestellungen oder die Gesamtausgaben für die Gruppe vorhersagen kannst. Wenn wir fünf Kund*innen mit einer vorhergesagten Anzahl von Bestellungen von 1,43, 0,25, 3,12, 0,78 und 2,97 haben, können wir in dieser Gruppe mit ungefähr 9 Bestellungen rechnen.
Wie das voraussichtliche Datum der nächsten Bestellung berechnet wird
Erwartetes Datum der nächsten Bestellung berücksichtigt das spezifische Bestellverhalten der*des jeweiligen Kund*in sowie das Bestellverhalten all deiner Kund*innen. Wenn die Bestellungen der*des Kund*in ein Muster aufweisen, erkennt Klaviyo dieses Muster und erstellt darauf basierend eine Vorhersage. Wenn die Bestellungen der*des Kund*in kein Muster aufweisen oder wenn wir nicht genügend Daten zur*zum Kund*in haben, erstellt Klaviyo eine angemessene Vorhersage basierend darauf, wie sich deine anderen Kund*innen verhalten.
FAQ zum Flow der Nurture-Serie für wiederholte Käufe
Muss ich frühere Profile zu diesem Flow hinzufügen? Muss ich dem Flow sagen, dass er künftig mit allen möglichen Profilen aufgefüllt werden soll?
Du musst keine früheren Profil für bestehende Profil hinzufügen oder dem Flow mitteilen, welche Profil einbezogen werden sollen; das übernimmt er für dich. Jede Kund*in, die eine Bestellung bei dir aufgibt, hat ein erwartetes Datum der nächsten Bestellung. Profil, die noch nie zuvor eine Bestellung bei dir aufgegeben haben, haben kein erwartetes Datum der nächsten Bestellung.
Ich habe gesehen, dass der Flow einen bedingten Split hat. Woher kennen wir das erwartete Datum für einmalige Käufer*innen?
Bei einmaligen Käufer*innen berechnen wir das erwartete Datum der nächsten Bestellung anhand von Daten über alle deine Kund*innen, da wir nicht viel über ihr Kaufverhalten wissen.
Unsere Marke hat 3 Klassen der Produktfrequenz. Bei einigen Produkten kommen Kund*innen zufällig wieder. Andere werden zwischen 60 und 90 Tagen wieder aufgefüllt. Die letzte Gruppe wird zwischen 100 und 120 Tagen nachgefüllt. Können wir der App beibringen, zu wissen, was Kund*innen gekauft haben, und basierend auf dem Produkt Erinnerungen zu senden?
Die App berücksichtigt nicht, welche Produkte Kund*innen bestellt haben. Wenn du also Produkte mit unterschiedlichen Auffüllzyklen hast, empfehlen wir stattdessen, mehrere durch Bestellung aufgegeben ausgelöste Flow für jeden Auffüllzyklus zu erstellen, indem du Folgendes hinzufügst:
- Trigger-Filter, um jeden Flow auf Produkte zu beschränken, die denselben Zyklus teilen
- Zeitverzögerung, die den bekannten Zyklus widerspiegelt, damit du Nachbestellungs-E-Mails zum richtigen Zeitpunkt sendest
Da das vorhergesagte Datum weder berücksichtigt, was Kund*innen zuletzt bestellt haben, noch den wahrscheinlichen Wiederauffüllzyklus für dieses Produkt, sollten Kund*innen, die für die meisten ihrer Produktkategorien bekannte Wiederauffüllzyklen haben, bei einem standardmäßigen Replenishment Flow bleiben und diese Funktion nicht nutzen.
Worauf du in der Nurture-Serie für Wiederholte Käufe im Flow achten solltest
- Wir empfehlen nicht, bis zum erwarteten Datum der nächsten Bestellung herunterzuzählen, da wiederkehrende Kund*innen sonst einfach vor jeder Bestellung dieselbe E-Mail-Sequenz erhalten, was dazu führen kann, dass sie sich abmelden.
- Dieser Flow sollte die Verwendung von Replenishment-Flows nicht ersetzen, wenn Kund*innen die allgemeinen Zyklen für die meisten ihrer Produktkategorien kennen.
- Wenn du einen hohen Prozentsatz an Wiederholungskäufer*innen hast, solltest du diese Funktionen ggf. nur für Kund*innen verwenden, die einmal gekauft haben, um sie für ihren zweiten Kauf zu entwickeln.
Wie das vorhergesagte Geschlecht berechnet wird
Der Klaviyo-Algorithmus zur Geschlechtsprognose verwendet den Vornamen einer Person zusammen mit Volkszählungsdaten, um eine Geschlechtsprognose zu erstellen: wahrscheinlich männlich, wahrscheinlich weiblich oder unsicher.
Da das vorhergesagte Geschlecht nur ein Näherungswert ist, solltest du bei gezielter Kommunikation darauf achten, Informationen für beide Geschlechter einzubeziehen.
Weitere Ressourcen
- How to segment by customer lifetime value (CLV)
Learn how to create a customer lifetime value (CLV) segment and export any key CLV information. CLV is part of Klaviyo's predictive analytics and can be a powerful tool to use in segmentation. It is the total amount, both past and predicted, that a customer will purchase from your brand over time. CLV segments allow you to group customers based on this amount so that you can send them relevant content and trigger segment-based flows. For example, you can use historic CLV to build a VIP welcome flow or use predicted CLV to send targeted campaigns to customers who will likely spend a certain amount over the course of a year.
- AI-Powered customer lifetime value
- Use predictive analytics to retain more customers