Cosa imparerai
Scopri i diversi tipi di dati di analisi predittiva visualizzati nel tuo account, i vari modi in cui Klaviyo li calcola e le linee guida per l'utilizzo di questi dati.
Se necessario, puoi modificare le metriche utilizzate per le analisi predittive e allinearle meglio ai tuoi obiettivi aziendali, alla struttura dei dati o all'integrazione personalizzata. Per regolare la mappatura metrica a livello globale nell'account, consulta la guida sulla mappatura metrica.
Klaviyo applica una combinazione di scienza dei dati e tecniche di apprendimento automatico a tutti i dati del suo account, per offrirle approfondimenti utili e praticabili.
Tenga presente che vedrà la sezione Analisi predittiva sui profili solo se soddisfa le seguenti condizioni:
-
Almeno 500 clienti hanno effettuato un ordine.
Questo non si riferisce al profilo totale, ma piuttosto al numero di persone che hanno effettivamente effettuato un ordine con la sua azienda. Questi ordini non possono essere cancellati o rimborsati e devono essere ordini di valore non nullo. Se questa sezione è presente in un profilo ma è vuota, significa che non abbiamo dati sufficienti su quella persona per fare una previsione. - Lei ha un'integrazione di e-commerce (ad esempio, Shopify, BigCommerce, Magento, o WooCommerce) o utilizza il nostro API per inviare gli ordini effettuati.
- Ha almeno 180 giorni di cronologia degli ordini e ha effettuato ordini negli ultimi 30 giorni.
- Avete almeno alcuni clienti che hanno effettuato 3 o più ordini.
La sezione di analisi predittiva di un profilo
Può trovare la sezione Analisi predittiva di un profilo nella scheda Metriche e approfondimenti di un profilo. Di seguito, un esempio della sezione Analisi predittiva del profilo di un contatto e le informazioni visualizzate:
La tabella seguente definisce i campi di analisi predittiva mostrati sopra. Si noti che CLV è l'acronimo di Customer Lifetime Value (Valore di Vita del Cliente).
| Campo | Definizione | Esempio di valore dalla schermata |
| CLV storico |
Il valore totale di tutti gli ordini precedenti effettuati da una persona, tenendo conto di eventuali rimborsi e restituzioni. |
$401 |
| CLV previsto |
Una previsione di quanto denaro spenderà un determinato cliente nel prossimo anno. | $99 |
| CLV totale | La somma del CLV storico e del CLV previsto. | $500 |
| Previsione del rischio di abbandono | La probabilità di churning di un cliente si basa sul numero e sulla frequenza degli ordini. Ogni volta che il cliente effettua un ordine, la sua probabilità di abbandono diminuisce (verde), ma con il passare del tempo tra un ordine e l'altro, la probabilità di abbandono aumenta (rosso), con un rischio di abbandono medio rappresentato in giallo. | 21% |
| Tempo medio tra gli ordini | Il numero medio di giorni tra gli ordini di un cliente. | 75 giorni |
| Genere previsto | Anche il sesso previsto fa parte delle funzioni di analisi predittiva di Klaviyo, ma non viene visualizzato nel profilo del cliente. | N/A |
Come vengono calcolati i dati del CLV
Come vengono calcolati i dati del CLV
Klaviyo costruisce automaticamente un modello di Customer Lifetime Value (CLV) utilizzando i dati della sua azienda e riqualifica il modello almeno una volta alla settimana.
Se sta utilizzando l'API personalizzata per inviare eventi relativi agli ordini effettuati, dovrà confermare che il valore dell'ordine passa attraverso un campo $value. In questo modo si assicurerà di ottenere i dati CLV in base agli eventi degli ordini effettuati. Si noti che il valore $ deve essere il valore effettivo dell'ordine per calcolare correttamente il CLV.
Anche se nessuno può prevedere il futuro con assoluta certezza, le funzioni di analisi predittiva di Klaviyo sono strumenti potenti per ottimizzare le spese di marketing e personalizzare la comunicazione con i clienti. Tuttavia, le previsioni funzionano meglio se mediate su molti clienti e non ci si aspetta che siano esatte per un singolo individuo. Mentre alcuni individui spenderanno più del loro CLV previsto e altri spenderanno meno, nell'insieme, si faranno la media.
Ad esempio, il valore CLV previsto visualizzato nel riquadro dell'analisi predittiva non è una previsione esatta. In alcuni casi, potrebbe vedere un numero impossibile di ordini previsti. Ad esempio, potrebbe vedere 1,43 come numero di ordini previsti per un determinato cliente. Quando si vede questo, significa che ci aspettiamo che il cliente faccia uno o due ordini, ma c'è anche la possibilità che ne faccia di più o di meno. Queste aspettative iniziano ad avere senso quando si raggruppano più clienti, perché si può prevedere il numero totale di ordini o di spesa per il gruppo. Se abbiamo cinque clienti con un numero previsto di ordini di 1,43, 0,25, 3,12, 0,78 e 2,97, possiamo aspettarci circa 9 ordini in questo gruppo.
Come viene calcolata la data prevista per il prossimo ordineCome viene calcolata la data prevista per il prossimo ordine
La Data prevista del prossimo ordine tiene conto del comportamento del cliente specifico e del comportamento di tutti i suoi clienti. Se gli ordini del cliente presentano uno schema, Klaviyo riconosce questo schema e fa una previsione in base ad esso. Se gli ordini del cliente non presentano uno schema o se non abbiamo abbastanza dati sul cliente, Klaviyo farà una previsione ragionevole in base al comportamento degli altri clienti.
Domande frequenti sul flusso della serie di cura degli acquisti ripetutiDomande frequenti sul flusso della serie di cura degli acquisti ripetuti
Devo aggiungere i profili passati in questo flusso? Devo dire al flusso di popolarsi con tutti i profili possibili andando avanti?
Non deve aggiungere profili passati per i profili esistenti o dire al flusso quali profili includere, lo farà per lei. Ogni cliente che effettua un ordine con lei ha una data prevista per il prossimo ordine. I profili che non hanno mai effettuato un ordine con lei prima d'ora non avranno una data prevista per il prossimo ordine.
Ho visto che il flusso ha una divisione condizionale. Come facciamo a sapere la data prevista per gli acquirenti unici?
Per gli acquirenti una tantum, poiché non conosciamo molto del loro comportamento di acquisto, calcoliamo la data prevista per il prossimo ordine utilizzando i dati di tutti i suoi clienti.
Il nostro marchio ha 3 classi di frequenza di prodotti. Per alcuni prodotti, i clienti tornano in modo casuale. Altri vengono riforniti tra i 60 e i 90 giorni. L'ultimo gruppo viene rifornito tra i 100 e i 120 giorni. Possiamo insegnare all'app a conoscere ciò che il cliente ha acquistato e inviare promemoria in base al prodotto?
L'applicazione non tiene conto dei prodotti ordinati dal cliente, quindi se ha dei prodotti con cicli di rifornimento distinti, le consigliamo di creare più flussi attivati dall'ordine per ogni ciclo di rifornimento, aggiungendo quanto segue:
- Attiva i filtri per limitare ogni flusso ai prodotti che condividono lo stesso ciclo.
- Un ritardo temporale che riflette il ciclo noto, in modo da inviare le e-mail di rifornimento al momento giusto.
Poiché la data prevista non tiene conto dell'ultimo ordine del cliente e del probabile ciclo di rifornimento per quel prodotto, se un cliente ha cicli di rifornimento noti per la maggior parte delle sue categorie di prodotti, dovrebbe attenersi a un Flusso di rifornimento standard e non utilizzare questa funzione.
Cose da tenere d'occhio nel flusso di serie di nurture per acquisti ripetuti
- Non consigliamo di fare il conto alla rovescia fino alla data prevista per il prossimo ordine, in quanto i clienti abituali riceveranno semplicemente la stessa sequenza di e-mail che precede ogni ordine, con il rischio di disiscriversi.
- Questo flusso non dovrebbe sostituire l'uso dei flussi di rifornimento, se i clienti conoscono i cicli generali per la maggior parte delle loro categorie di prodotti.
- Se ha un'alta percentuale di acquirenti ripetuti, potrebbe voler utilizzare questa funzione solo per i clienti che hanno acquistato una volta, in modo da coltivarli per il loro secondo acquisto.
Come viene calcolato il genere previsto
L'algoritmo di previsione del genere di Klaviyo utilizza il nome di un cliente insieme ai dati del censimento per fare una previsione del genere: probabile maschio, probabile femmina o incerto.
Poiché il sesso previsto è ancora un'approssimazione, si assicuri che, quando utilizza una comunicazione mirata, includa alcune informazioni per entrambi i sessi.