Aprenderás
Obtenga más información sobre los diferentes tipos de datos de análisis predictivo que se muestran en su cuenta, las diversas formas en que Klaviyo los calcula y las directrices sobre cómo puede utilizar estos datos.
Si procede, puede que desee ajustar qué métrica se utiliza para calcular los análisis predictivos y alinearlos mejor con sus objetivos empresariales, estructura de datos o integración personalizada. Para ajustar qué mapa métrica globalmente en su cuenta, diríjase a la guía sobre el mapa métrica.
Klaviyo aplica una combinación de ciencia de datos y técnicas de aprendizaje automático a todos los datos de su cuenta para ofrecerle información útil y procesable.
Tenga en cuenta que sólo verá la sección de análisis predictivo en los perfiles si cumple las siguientes condiciones:
-
Al menos 500 clientes han hecho un pedido.
No se refiere al perfil total, sino al número de personas que realmente han hecho un pedido a tu empresa. Estos pedidos no pueden cancelarse ni reembolsarse, y deben ser pedidos de valor distinto de cero. Si esta sección está en un perfil pero está en blanco, significa que no tenemos suficientes datos sobre ese individuo para hacer una predicción. - Dispone de una integración de comercio electrónico (por ejemplo, Shopify, BigCommerce, Magento o WooCommerce) o utiliza nuestra API para enviar los pedidos realizados.
- Tiene al menos 180 días de historial de pedidos y ha realizado pedidos en los últimos 30 días.
- Tiene al menos algunos clientes que han realizado 3 o más pedidos.
La sección de análisis predictivo de un perfil
Puede encontrar la sección Análisis predictivo de un perfil en la pestaña Métricas e insights de un perfil. A continuación se muestra un ejemplo de la sección Análisis predictivo del perfil de un contacto y la información que aparece:
La siguiente tabla define los campos de análisis predictivo mostrados anteriormente. Tenga en cuenta que, CLV son las siglas en inglés de Valor de Vida del Cliente.
| Campo | Definición | Valor de ejemplo de la captura de pantalla |
| CLV histórico |
El valor total de todos los pedidos anteriores realizados por una persona, teniendo en cuenta los reembolsos y las devoluciones. |
$401 |
| CLV previsto |
Una predicción de cuánto dinero gastará un cliente concreto en el próximo año. | $99 |
| CLV total | La suma del CLV histórico y el CLV previsto. | $500 |
| Predicción del riesgo de rotación | La probabilidad de que un cliente abandone se basa en su número y frecuencia de pedidos. Cada vez que el cliente realiza un pedido, su probabilidad de rotación disminuye (verde), pero a medida que transcurre el tiempo entre los pedidos, la probabilidad de rotación aumenta (rojo), con un riesgo de rotación medio representado en amarillo. | 21% |
| Tiempo medio entre pedidos | El número medio de días entre cada uno de los pedidos de un cliente. | 75 días |
| Género previsto | El género pronosticado también forma parte de las funciones de análisis predictivo de Klaviyo, sin embargo, esto no se mostrará en el perfil de un cliente. | N/A |
Cómo se calculan los datos CLV
Cómo se calculan los datos CLV
Klaviyo construye automáticamente un modelo de valor de vida del cliente (CLV) utilizando los datos de su empresa y vuelve a entrenar el modelo al menos una vez a la semana.
Si está utilizando la API personalizada para enviar eventos de pedidos realizados, tendrá que confirmar que el valor de su pedido pasa por un campo $value. Esto garantizará que obtenga datos CLV basados en los eventos de pedidos realizados. Tenga en cuenta que el $valor debe ser el valor real del pedido para calcular correctamente el CLV.
Aunque nadie puede predecir el futuro con absoluta certeza, las funciones de análisis predictivo de Klaviyo son potentes herramientas para optimizar el gasto en marketing y personalizar la comunicación con los clientes. Sin embargo, las predicciones funcionan mejor cuando se promedian entre muchos clientes y no se espera que sean exactas para un solo individuo. Mientras que algunos individuos gastarán más que su CLV previsto y otros gastarán menos, en conjunto, se promediarán.
Por ejemplo, el valor CLV previsto que aparece en el cuadro de análisis predictivo no es una predicción exacta. En algunos casos, es posible que vea un número imposible de pedidos previstos. Por ejemplo, puede ver 1,43 como el número de pedidos previstos para un cliente concreto. Cuando vea esto, significa que esperamos que el cliente haga uno o dos pedidos, pero también existe la posibilidad de que haga más o menos. Estas expectativas empiezan a tener sentido cuando se agrupan varios clientes porque se puede predecir el número total de pedidos o el gasto del grupo. Si tenemos cinco clientes con un número previsto de pedidos de 1,43, 0,25, 3,12, 0,78 y 2,97, podemos esperar aproximadamente 9 pedidos en este grupo.
Cómo se calcula la fecha prevista del próximo pedidoCómo se calcula la fecha prevista del próximo pedido
La fecha prevista del próximo pedido tiene en cuenta el comportamiento de pedido del cliente específico y el comportamiento de pedido de todos sus clientes. Si los pedidos del cliente muestran un patrón, Klaviyo reconoce este patrón y hará una predicción basada en él. Si los pedidos del cliente no muestran un patrón o si no tenemos suficientes datos sobre el cliente, Klaviyo hará una predicción razonable basándose en cómo se comportan sus otros clientes.
Preguntas más frecuentes sobre el flujo de la serie nurture de repetición de compraPreguntas más frecuentes sobre el flujo de la serie nurture de repetición de compra
¿Necesito añadir perfiles anteriores a este flujo? ¿Tengo que decirle al flujo que se rellene con todos los perfiles posibles en adelante?
No es necesario que añada perfiles anteriores para los perfiles existentes ni que le diga al flujo qué perfiles incluir, él lo averiguará por usted. Cada cliente que le hace un pedido tiene una fecha prevista de próximo pedido. Los perfiles que nunca le hayan hecho un pedido antes no tendrán una fecha prevista para el próximo pedido.
He visto que el flujo tiene una división condicional. ¿Cómo sabemos la fecha prevista para los compradores únicos?
En el caso de los compradores únicos, como no sabemos mucho sobre su comportamiento de compra, calculamos la fecha prevista de su próximo pedido utilizando los datos de todos sus clientes.
Nuestra marca tiene 3 clases de frecuencia de productos. Para algunos productos, los clientes vuelven al azar. Otros se reponen entre 60 y 90 días. El último grupo se repone entre 100 y 120 días. ¿Podemos enseñar a la aplicación a saber qué ha comprado el cliente y enviarle recordatorios en función del producto?
La aplicación no tiene en cuenta qué productos ha pedido el cliente, por lo que si tiene productos con distintos ciclos de reposición, le recomendamos que en su lugar cree varios flujos activados por Pedido realizado para cada ciclo de reposición añadiendo lo siguiente:
- Activar filtros para restringir cada flujo a los productos que comparten el mismo ciclo
- Tiempo de reposición que refleja el ciclo conocido para que envíe los correos electrónicos de reposición en el momento adecuado
Dado que la fecha prevista no tendrá en cuenta lo que el cliente pidió por última vez y tampoco el ciclo de reabastecimiento probable para ese producto, si un cliente tiene ciclos de reabastecimiento conocidos para la mayoría de sus categorías de productos debería ceñirse a un Flujo de Reabastecimiento estándar y no utilizar esta función.
Cosas a tener en cuenta en el flujo de la serie de fomento de la compra repetida
- No recomendamos realizar una cuenta atrás hasta la fecha prevista del próximo pedido, ya que los clientes habituales simplemente recibirán la misma secuencia de correos electrónicos previos a cada pedido, lo que puede dar lugar a cancelaciones de suscripciones.
- Este flujo no debería reemplazar el uso de flujos de reabastecimiento si los clientes conocen los ciclos generales de la mayoría de sus categorías de productos.
- Si tiene un alto porcentaje de compradores que repiten, es posible que desee utilizar esta función sólo para los clientes que han comprado una vez con el fin de nutrirlos para su segunda compra.
Cómo se calcula el género previsto
El algoritmo de predicción de género de Klaviyo utiliza el nombre de pila de un cliente junto con los datos del censo para hacer una predicción de género de hombre probable, mujer probable o incierto.
Dado que la predicción del sexo sigue siendo una aproximación, asegúrese de que, cuando utilice la comunicación dirigida, incluye alguna información para ambos sexos.