학습 내용
계정에 표시되는 다양한 유형의 예측 분석 데이터, Klaviyo 에서 이를 계산하는 다양한 방법, 이 데이터를 활용하는 방법에 대한 가이드라인에 대해 자세히 알아보세요.
해당되는 경우 예측 분석을 계산하는 데 사용되는 지표를 조정하여 비즈니스 목표, 데이터 구조 또는 사용자 지정 통합에 더 잘 맞출 수 있습니다. 계정에서 어떤 지표를 전 세계적으로 매핑할지 조정하려면 지표 매핑 가이드를 참조하세요.
클라비요는 계정의 모든 데이터에 데이터 과학과 머신러닝 기술을 결합하여 유용하고 실행 가능한 인사이트를 제공합니다.
다음 조건을 충족하는 경우에만 프로필에 예측 애널리틱스 섹션이 표시된다는 점에 유의하세요:
-
최소 500명의 고객이 주문했습니다.
이는 전체 프로필이 아니라 실제로 비즈니스에서 주문한 사람의 수를 나타냅니다. 이러한 주문은 취소하거나 환불할 수 없으며, 0이 아닌 금액의 주문이어야 합니다. 이 섹션이 프로필에 있지만 비어 있으면 예측을 할 수 있을 만큼 해당 개인에 대한 데이터가 충분하지 않다는 의미입니다. - 전자상거래 통합(예: Shopify, BigCommerce, Magento 또는 WooCommerce)을 사용하거나 당사의 API를 사용하여 주문을 전송합니다.
- 180일 이상의 주문 내역이 있고 최근 30일 이내에 주문한 내역이 있어야 합니다.
- 3개 이상 주문한 고객이 최소 몇 명 있습니다.
프로필의 예측 분석 섹션
프로필의 지표 및 인사이트 탭에서 프로필의 예측 분석 섹션을 찾을 수 있습니다. 아래는 연락처 프로필의 예측 분석 섹션과 표시되는 정보의 예시입니다:
아래 표는 위에 표시된 예측 분석 필드를 정의합니다. CLV는 고객 평생 가치를 의미합니다.
| 필드 | 정의 | 스크린샷의 값 예시 |
| 역사적인 CLV |
환불 및 반품을 고려하여 개인이 이전에 주문한 모든 주문의 총 금액입니다. |
$401 |
| 예상 CLV |
특정 고객이 내년에 지출할 금액에 대한 예측입니다. | $99 |
| 총 CLV | 과거 CLV와 예상 CLV의 합계입니다. | $500 |
| 이탈 위험 예측 | 고객이 이탈할 확률은 주문 수와 빈도에 따라 결정됩니다. 고객이 주문할 때마다 이탈 확률은 낮아지지만(녹색), 주문 사이에 시간이 경과할수록 이탈 확률은 증가하며(빨간색), 중간 이탈 위험은 노란색으로 표시됩니다. | 21% |
| 주문 간 평균 시간 | 각 고객의 주문 사이의 평균 일수입니다. | 75일 |
| 예상 성별 | 예상 성별도 클라비요의 예측 분석 기능의 일부이지만, 고객 프로필에는 표시되지 않습니다. | N/A |
CLV 데이터 계산 방법
CLV 데이터 계산 방법
클라비요는 귀사의 데이터를 사용하여 고객 생애 가치(CLV) 모델을 자동으로 구축하고 최소 일주일에 한 번씩 모델을 재학습합니다.
사용자 지정 API를 사용하여 접수된 주문 이벤트를 전송하는 경우 주문 값이 $value 필드를 통과하는지 확인해야 합니다. 이렇게 하면 주문 이벤트를 기반으로 CLV 데이터를 확보할 수 있습니다. CLV를 올바르게 계산하려면 $값이 실제 주문 값이어야 한다는 점에 유의하세요.
미래를 확실하게 예측할 수 있는 사람은 아무도 없지만, 클라비요의 예측 분석 기능은 마케팅 지출을 최적화하고 고객 커뮤니케이션을 개인화할 수 있는 강력한 도구입니다. 그러나 예측은 많은 고객을 대상으로 평균을 낼 때 가장 효과적이며 한 개인에 대해 정확할 것으로 기대하기는 어렵습니다. 어떤 사람은 예상 CLV보다 더 많이 지출하고 어떤 사람은 더 적게 지출하지만, 전체적으로 보면 서로 평균을 낼 것입니다.
예를 들어 예측 분석 상자에 표시되는 예상 CLV 값은 정확한 예측이 아닙니다. 경우에 따라 예상 주문 수가 너무 많을 수도 있습니다. 예를 들어 특정 고객에 대한 예상 주문 수가 1.43으로 표 시될 수 있습니다. 이는 고객이 한두 번 주문할 것으로 예상되지만 주문이 더 많거나 적을 가능성도 있다는 뜻입니다. 여러 고객을 그룹화하면 그룹에 대한 총 주문 수 또는 지출을 예측할 수 있으므로 이러한 기대치가 합리적이기 시작합니다. 예상 주문 수가 1.43, 0.25, 3.12, 0.78, 2.97인 고객이 5명인 경우 이 그룹 전체에서 약 9건의 주문을 예상할 수 있습니다.
다음 주문 예상 날짜 계산 방법다음 주문 예상 날짜 계산 방법
다음 주문 예상 날짜는 특정 고객의 주문 행동과 모든 고객의 주문 행동을 고 려합니다. 고객의 주문에 패턴이 나타나면 클라비요는 이 패턴을 인식하고 이를 기반으로 예측을 수행합니다. 고객의 주문이 패턴을 보이지 않거나 고객에 대한 데이터가 충분하지 않은 경우, 클라비요는 다른 고객의 행동 방식을 기반으로 합리적인 예측을 내립니다.
반복 구매 육성 시리즈 흐름에 대한 FAQ반복 구매 육성 시리즈 흐름에 대한 FAQ
이 흐름에 과거 프로필을 추가해야 하나요? 앞으로 가능한 모든 프로필로 플로우를 채우도록 지시해야 하나요?
기존 프로필의 과거 프로필 을 추가하거나 어떤 프로필을 포함할지 플로우에 알려줄 필요가 없으며, 플로우가 이를 알아서 처리합니다. 주문하는 모든 고객에게는 다음 주문 예상 날짜가 있습니다. 이전에 주문한 적이 없는 프로필은 다음 주문 예상 날짜가 표시되지 않습니다.
흐름에 조건부 분할이 있는 것을 확인했습니다. 일회성 구매자의 예상 날짜를 어떻게 알 수 있나요?
일회성 구매자의 경우, 구매 행동에 대해 잘 알지 못하므로 모든 고객의 데이터를 사용하여 다음 주문 예정일을 계산합니다.
저희 브랜드에는 3가지 등급의 제품 주파수가 있습니다. 일부 제품의 경우 고객이 무작위로 재방문하는 경우도 있습니다. 그 외에는 60일에서 90일 사이에 보충됩니다. 마지막 그룹은 100일에서 120일 사이에 보충됩니다. 앱이 고객이 구매한 제품을 파악하고 해당 제품을 기반으로 알림을 보내도록 가르칠 수 있나요?
앱은 고객이 주문한 제품을 고려하지 않으므로 보충 주기가 다른 제품이 있는 경우 다음을 추가하여 각 보충 주기에 대해 여러 개의 주문이 트리거되는 플로우를 생성하는 것이 좋습니다:
- 필터를 트리거하여 각 흐름을 동일한 주기를 공유하는 제품으로 제한합니다.
- 알려진 주기를 반영하는 시간 지연으로 적시에 보충 이메일을 보낼 수 있습니다.
예상 날짜는 고객이 마지막으로 주문한 제품 및 해당 제품의 보충 주기를 고려하지 않으므로 고객이 대부분의 제품 카테고리에 대한 보충 주기를 알고 있는 경우 이 기능을 사용하지 말고 표준 보충 플로우를 사용해야 합니다.
반복 구매 육성 시리즈 흐름에서 주의해야 할 사항
- 다음 주문 예정일을 카운트다운하지 않는 것이 좋습니다. 단골 고객은 주문할 때마다 동일한 순서로 이메일을 받게 되어 수신 거부로 이어질 수 있기 때문입니다.
- 고객이 대부분의 제품 카테고리에 대한 일반적인 주기를 알고 있는 경우 이 플로우가 보충 플로우의 사용을 대체해서는 안 됩니다.
- 단골 구매자의 비율이 높은 경우에는 한 번 구매한 고객에게만 이 기능을 사용하여 두 번째 구매를 유도할 수 있습니다.
예상 성별 계산 방법
클라비요의 성별 예측 알고리즘은 인구조사 데이터와 함께 고객의 이름을 사용하여 남성일 가능성, 여성일 가능성 또는 불확실성으로 성별을 예측합니다.
예상 성별은 여전히 근사치이므로 타겟팅 커뮤니케이션을 사용할 때는 두 성별에 대한 정보를 모두 포함해야 합니다.