Klaviyo の予測分析を理解する
このページで学べること
アカウントに表示されるさまざまな予測分析データの種類、Klaviyo による計算方法、そしてこのデータの活用ガイドラインについて詳しく説明します。
該当する場合は、予測分析の算出に使用するメトリックを調整し、ビジネス目標、データ構造、またはカスタム外部連携により適合させることをご検討ください。アカウントでグローバルにマッピングするメトリックを調整するには、メトリック マッピングのガイドをご覧ください。
Klaviyo はデータサイエンスと機械学習の手法を組み合わせて、アカウント内のすべてのデータに適用し、有用で実行可能なインサイトを提供します。
以下の条件を満たす場合にのみ、プロファイルに予測分析セクションが表示されます。
- 少なくとも 500 人の顧客が注文しています。
これはプロファイルの総数ではなく、実際にビジネスで注文を行った人数を指します。これらの注文はキャンセルや返金ができず、0 以外の金額の注文である必要があります。このセクションがプロファイルに表示されているにもかかわらず空白の場合は、予測を行うために必要な、その個人に関するデータが十分にないことを意味します。 - E コマース外部連携（例：Shopify、BigCommerce、Magento、WooCommerce）がある、または API を使用して注文の確定を送信している。
- 注文履歴が少なくとも 180 日分あり、過去 30 日以内の注文があります。
- 3 件以上の注文を行った顧客が少なくとも一部存在します。
プロファイルの予測分析セクション
プロファイルの [メトリックとインサイト] タブで、プロファイルの 予測分析 セクションを確認できます。以下は、連絡先のプロファイルにある 予測分析 セクションと、表示される情報の例です：
次の表では、上に表示されている予測分析フィールドを定義しています。CLV は顧客生涯価値を指します。
フィールド | 定義 | スクリーンショットの値の例 |
過去の顧客生涯価値 | 返金および返品を考慮したうえで、個人がこれまでに行ったすべての注文の合計金額。 | $ 401 |
予測 CLV（顧客生涯価値） | 特定の顧客が今後 1 年間に支出する金額の予測。 | $ 99 |
総顧客生涯価値 | 過去の顧客生涯価値と予測顧客生涯価値の合計です。 | $ 500 |
チャーンリスクの予測 | 顧客がチャーンする確率は、注文数と注文頻度に基づきます。顧客が注文するたびに、チャーン確率は低下します（緑）。しかし、注文の間隔が空くほど、チャーン確率は上昇します（赤）。中程度のチャーン リスクは黄色で示されます。 | 21% |
注文間隔の平均 | 顧客の各注文の間の平均日数。 | 75 日 |
予測される性別 | 予測される性別も Klaviyo の予測分析 機能の一部ですが、顧客プロファイルには表示されません。 | 該当なし |
顧客生涯価値データの算出方法
Klaviyo は、企業のデータを使用して顧客生涯価値（CLV）モデルを自動的に構築し、少なくとも週 1 回モデルを再トレーニングします。
カスタム API を使用して placed order イベントを送信している場合は、注文金額が $value フィールドを通過していることを確認する必要があります。これにより、placed order イベントに基づく顧客生涯価値データを取得できます。顧客生涯価値を正しく計算するには、$value は実際の注文金額である必要がある点にご注意ください。
将来を絶対的な確実性をもって予測できる人はいませんが、Klaviyo の予測分析機能は、マーケティング支出を最適化し、顧客とのコミュニケーションをパーソナライズするための強力なツールです。ただし、予測は多数の顧客にわたって平均化した場合に最も効果的に機能し、特定の個人に対して正確であることは想定されていません。個々の顧客の支出が予測された顧客生涯価値を上回る場合も下回る場合もありますが、全体としては相殺されて平均化されます。
たとえば、予測分析ボックスに表示される予測顧客生涯価値の値は、正確な予測ではありません。場合によっては、予測注文数があり得ない数になっていることがあります。たとえば、特定の顧客の予測注文数として 1.43 が表示される場合があります。これが表示される場合、お客様が 1～2 回注文すると見込まれますが、それより多い場合も少ない場合もあります。複数の顧客をまとめてグループ化すると、グループの合計注文数や支出を予測できるため、これらの期待値は理にかなってきます。注文数の予測値が 1.43、0.25、3.12、0.78、2.97 の顧客が 5 人いる場合、このグループ全体で約 9 件の注文が見込まれます。
次回注文日の予測の計算方法
Expected Date of Next Order は、特定の顧客の注文行動と、すべての顧客の注文行動を考慮します。顧客の注文にパターンがある場合、Klaviyo はそのパターンを認識し、それに基づいて予測を行います。顧客の注文にパターンがない場合、または顧客に関するデータが十分でない場合、Klaviyo は他の顧客の行動に基づいて合理的な予測を行います。
リピート購入の育成シリーズフローに関する FAQ
このフローに過去のプロファイルを追加する必要はありますか？今後、フローに、考え得るすべてのプロファイルが反映されるように設定する必要がありますか？
既存のプロファイルに過去のプロファイルを追加したり、どのプロファイルを含めるかをフローに指定したりする必要はありません。フローが自動的に判断します。注文を行うすべてのお客様には、次回注文の予測日があります。これまでに注文をしたことがないプロファイルには、次回注文予定日はありません。
フローに条件分岐があるのを確認しました。1 回だけ購入した人の予想日付はどのように把握しますか？
1 回のみ購入した人については、購入行動に関する情報があまりないため、すべての顧客のデータを使用して次回注文の予想日を計算します。
このブランドには 3 つのプロダクト頻度クラスがあります。一部のプロダクトでは、顧客がランダムに戻ってきます。その他は 60～90 日の間に補充されます。最後のグループは 100～120 日の間に補充されます。顧客が購入したものをアプリに認識させ、プロダクトに基づいてリマインダーを送信できるようにできますか？
アプリは顧客が注文した商品を考慮しないため、補充サイクルが異なる商品がある場合は、代わりに、次の内容を追加して、補充サイクルごとに Placed Order トリガーのフローを複数作成することを推奨します。
- 同じサイクルを共有する商品に各フローを制限するためのトリガー フィルター
- 既知のサイクルを反映した待機。適切なタイミングで補充メールを送信できます。
予測日は顧客が最後に注文した内容や、該当商品の想定補充サイクルを考慮しないため、顧客の多くの商品カテゴリに既知の補充サイクルがある場合は、標準の 補充フロー を使用し、この機能は使用しないでください。
リピート購入の育成シリーズ フローで注意すべき点
- リピート顧客は毎回の注文に向けて同じ一連のメールを受け取るだけになり、購読解除につながる可能性があるため、次回注文予定日までのカウントダウンは推奨されません。
- このフローは、顧客がほとんどの製品カテゴリの一般的なサイクルを把握している場合でも、補充フローの使用に代わるものではありません。
- リピート購入者の割合が高い場合は、2回目の購入につなげるために、この機能を「1回購入した顧客」のみに使用することを検討してください。
予測性別の算出方法
Klaviyo の性別予測アルゴリズムは、顧客のファーストネームと国勢調査のデータを使用して、男性の可能性が高いか、女性の可能性が高いか、あるいは性別不明かを予測します。
予測した性別は推定であるため、ターゲットを絞ったコミュニケーションを使用する場合は、両方の性別向けの情報をある程度含めるようにしてください。
その他のリソース
- 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