Comprender el análisis predictivo de Klaviyo

Objetivos del artículo

Obtén más información sobre los diferentes tipos de datos de análisis predictivo que se muestran en la cuenta, las distintas formas en que Klaviyo los calcula y las pautas para que puedas usar estos datos.

Klaviyo aplica una combinación de técnicas de ciencia de datos y aprendizaje automático a todos los datos de tu cuenta para brindarte información útil y accionable.

This content requires Functional cookies to be enabled.

Update Cookie Settings

La sección de análisis predictivo de un perfil

Puedes encontrar la sección de análisis predictivo de un perfil en la pestaña Métricas e información de un perfil.  A continuación se muestra un ejemplo de la sección de análisis predictivo del perfil de un contacto y la información que se muestra:

La siguiente tabla define los campos de análisis predictivo que se muestran arriba. Ten en cuenta que CLV significa valor de vida del cliente.

Cómo se calculan los datos de valor de vida del cliente

Klaviyo crea automáticamente un modelo de valor de vida del cliente (valor de vida del cliente) usando los datos de tu empresa y vuelve a entrenar el modelo al menos una vez a la semana.

Si bien nadie puede predecir el futuro con absoluta certeza, las funciones de análisis predictivo de Klaviyo son herramientas poderosas para optimizar el gasto en marketing y personalizar la comunicación con el cliente. Sin embargo, las predicciones funcionan mejor cuando se promedian entre muchos clientes y no se espera que sean exactas para ninguna persona en particular. Si bien algunas personas gastarán más que su valor de vida del cliente previsto y otras gastarán menos, en conjunto, se compensarán entre sí en promedio.

Por ejemplo, el valor de valor de vida del cliente previsto que se muestra en el recuadro de análisis predictivo no es una predicción exacta. En algunos casos, es posible que veas un número imposible de pedidos previstos. Por ejemplo, es posible que veas 1.43 como el número de pedidos previstos para un cliente en particular. Cuando ves 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 agrupas a varios clientes, porque puedes 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 esperada del próximo pedido

Fecha esperada del próximo pedido toma en cuenta el comportamiento de pedido específico del cliente y el comportamiento de pedido de todos tus clientes. Si los pedidos del cliente muestran un patrón, Klaviyo reconoce este patrón y hará una predicción en función de él. Si los pedidos del cliente no muestran un patrón o si no tenemos suficientes datos del cliente, Klaviyo hará una predicción razonable basada en el comportamiento de tus otros clientes.

Preguntas frecuentes sobre el flujo de series de nutrición de compras repetidas

¿Necesito añadir perfiles anteriores a este flujo? ¿Necesito indicar en el flujo que se complete con todos los perfiles posibles en adelante?

No necesitas agregar perfiles pasados para perfiles existentes ni decirle al flujo qué perfiles incluir; lo determinará automáticamente. Cada cliente que hace un pedido contigo tiene una fecha estimada para el próximo pedido. Los perfiles que nunca han hecho un pedido contigo antes no tendrán una fecha estimada para el próximo pedido.

Vi que el flujo tiene una división condicional. ¿Cómo sabemos la fecha prevista para los compradores de una sola compra?

Para quienes compran una sola vez, como no sabemos mucho sobre su comportamiento de compra, calculamos la fecha esperada de la siguiente orden usando datos de todos los clientes.

Nuestra marca tiene 3 clases de frecuencia de producto. Para algunos productos, los clientes regresan de forma aleatoria. Otros se reabastecen entre 60 y 90 días. El último grupo se repone entre 100 y 120 días. ¿Podemos enseñarle a la app a identificar lo que compró el cliente y enviar recordatorios según el producto?

La app no considera qué productos pidió el cliente, por lo que, si tienes productos con ciclos de reposición distintos, recomendamos crear varios flujos activados por Placed Order para cada ciclo de reposición; para ello, agrega lo siguiente:

• Filtros de activación para restringir cada flujo a productos que comparten el mismo ciclo
• Retraso de tiempo que refleje el ciclo conocido para que envíes correos electrónicos de reposición en el momento adecuado

Como la fecha prevista no considerará lo último que el cliente pidió ni tampoco el ciclo de reposición probable de ese producto, si un cliente tiene ciclos de reposición conocidos para la mayoría de sus categorías de productos, debería quedarse con un flujo de reposición estándar y no usar estas funciones.

Aspectos que debes tener en cuenta en el flujo de la serie de nutrición de compras repetidas

• No recomendamos hacer una cuenta regresiva hasta la fecha prevista del siguiente pedido, ya que los clientes habituales simplemente recibirán la misma secuencia de correos electrónicos antes de cada pedido, lo que puede provocar que cancelen la suscripción.
• Este flujo no debe reemplazar el uso de flujos de reposición si los clientes conocen los ciclos generales de la mayoría de sus categorías de productos.
• Si hay un porcentaje alto de compradores recurrentes, quizá convenga usar esta función solo para clientes que hayan comprado una vez, para impulsar su segunda compra.

Cómo se calcula el género predicho

El algoritmo de predicción de género de Klaviyo usa el nombre de pila de un cliente junto con los datos del censo para predecir el género como probablemente hombre, probablemente mujer o incierto.

Como el género predicho sigue siendo una aproximación, asegúrate de que, al usar comunicación dirigida, incluyas algo de información para ambos géneros.

Recursos adicionales