Inzicht in Klaviyo's voorspellende analyses
Wat je leert
Meer informatie over de verschillende typen gegevens voor voorspellende analyses die in je account worden weergegeven, de verschillende manieren waarop Klaviyo dit berekent en richtlijnen voor hoe je deze gegevens kunt gebruiken.
Als dit van toepassing is, wil je misschien aanpassen welke meetwaarden worden gebruikt om voorspellende analyses te berekenen en ze beter af te stemmen op je bedrijfsdoelen, datastructuur of aangepaste integratie. Ga naar de handleiding over meetwaarde-mapping om aan te passen welke meetwaarden in je account globaal worden toegewezen.
Klaviyo past een combinatie van data science- en machinelearningtechnieken toe op alle data in je account om je nuttige en bruikbare inzichten te geven.
Let op: je ziet de sectie voorspellende analyses alleen op profielen als je aan de volgende voorwaarden voldoet:
- Minstens 500 klanten hebben een bestelling geplaatst.
Dit verwijst niet naar het totaal aantal profielen, maar naar het aantal mensen dat daadwerkelijk een bestelling heeft geplaatst bij je bedrijf. Deze bestellingen kunnen niet worden geannuleerd of terugbetaald, en moeten bestellingen met een waarde groter dan nul zijn. Als dit gedeelte op een profiel staat maar leeg is, betekent dit dat we niet genoeg gegevens over die persoon hebben om een voorspelling te doen. - Je hebt een e-commerce integratie (bijv. Shopify, BigCommerce, Magento of WooCommerce) of gebruikt onze API om geplaatste bestellingen te versturen.
- Je hebt minstens 180 dagen aan bestelgeschiedenis en je hebt bestellingen in de afgelopen 30 dagen.
- Je hebt minstens een paar klanten die 3 of meer bestellingen hebben geplaatst.
Het gedeelte voorspellende analyses van een profiel
Je kunt de sectie voorspellende analyses van een profiel vinden op het tabblad Meetwaarde en inzichten van een profiel. Hieronder staat een voorbeeld van de sectie voorspellende analyses van het profiel van een contact, en de weergegeven informatie:
De onderstaande tabel definieert de velden voor voorspellende analyses die hierboven worden weergegeven. Let op: CLV staat voor levenslange waarde.
Veld | Definitie | Voorbeeldwaarde uit schermafbeelding |
Historische CLV | De totale waarde van alle eerdere bestellingen die iemand heeft gedaan, rekening houdend met eventuele terugbetalingen en retouren. | $ 401 |
Voorspelde CLV | Een voorspelling van hoeveel geld een specifieke klant in het komende jaar zal uitgeven. | $ 99 |
Totale levenslange waarde | De som van de historische levenslange waarde en de voorspelde levenslange waarde. | $ 500 |
Voorspelling van verlooprisico | De kans dat een klant verloop vertoont is gebaseerd op het aantal en de frequentie van bestellingen. Elke keer dat de klant een bestelling plaatst, gaat de kans op verloop omlaag (groen), maar naarmate er meer tijd verstrijkt tussen bestellingen, neemt de kans op verloop toe (rood), met een gemiddeld verlooprisico in geel. | 21% |
Gemiddelde tijd tussen bestellingen | Het gemiddelde aantal dagen tussen elk van de bestellingen van een klant. | 75 dagen |
Voorspeld geslacht | Voorspeld geslacht is ook onderdeel van Klaviyo's functies voor voorspellende analyses, maar dit wordt niet weergegeven in een klantprofiel. | N.v.t. |
Hoe gegevens over levenslange waarde worden berekend
Klaviyo bouwt automatisch een model voor levenslange waarde (CLV) op basis van de gegevens van je bedrijf en traint het model minstens eenmaal per week opnieuw.
Als je de aangepaste API gebruikt om geplaatste bestellingsgebeurtenissen te verzenden, moet je bevestigen dat je bestelwaarde via een veld $value wordt doorgegeven. Zo zorg je ervoor dat je gegevens over levenslange waarde krijgt op basis van je geplaatste bestellingsgebeurtenissen. Let op: de $value moet de werkelijke bestelwaarde zijn om de levenslange waarde correct te berekenen.
Hoewel niemand de toekomst met absolute zekerheid kan voorspellen, zijn Klaviyo's functies voor voorspellende analyses krachtige tools om marketinguitgaven te optimaliseren en klantcommunicatie te personaliseren. Voorspellingen werken echter het best wanneer ze worden gemiddeld over veel klanten en zullen naar verwachting niet exact zijn voor één individu. Hoewel sommige individuen meer zullen uitgeven dan hun voorspelde levenslange waarde en anderen minder, zullen ze elkaar als geheel gemiddeld uitmiddelen.
Zo is de voorspelde levenslange waarde die wordt weergegeven in het vak voor voorspellende analyses geen exacte voorspelling. In sommige gevallen zie je een onmogelijk aantal voorspelde bestellingen. Je kunt bijvoorbeeld 1,43 zien als het aantal voorspelde bestellingen voor een bepaalde klant. Als je dit ziet, betekent dit dat we verwachten dat de klant één of twee bestellingen plaatst, maar er is ook een kans dat ze er meer of minder plaatsen. Deze verwachtingen beginnen logisch te worden wanneer je meerdere klanten bij elkaar groepeert, omdat je het totale aantal bestellingen of de totale uitgaven voor de groep kunt voorspellen. Als we vijf klanten hebben met een voorspeld aantal bestellingen van 1,43, 0,25, 3,12, 0,78 en 2,97, kunnen we ongeveer 9 bestellingen verwachten voor deze groep.
Hoe de verwachte datum van de volgende bestelling wordt berekend
Verwachte datum van de volgende bestelling houdt rekening met het specifieke bestelgedrag van de klant en het bestelgedrag van al je klanten. Als de bestellingen van de klant een patroon vertonen, herkent Klaviyo dit patroon en doet het op basis daarvan een voorspelling. Als de bestellingen van een klant geen patroon vertonen of als we niet genoeg gegevens over de klant hebben, doet Klaviyo een redelijke voorspelling op basis van het gedrag van je andere klanten.
Veelgestelde vragen over de flow voor nurture series voor herhaalaankopen
Moet ik eerdere profielen toevoegen aan deze flow? Moet ik de flow instellen om alle mogelijke profielen in de toekomst te vullen?
Je hoeft geen eerdere profielen toe te voegen voor bestaande profielen of de flow te vertellen welke profielen je wilt opnemen; dat regelt de flow voor je. Elke klant die een bestelling bij je plaatst, heeft een verwachte datum voor de volgende bestelling. Profielen die nog nooit eerder een bestelling bij je hebben geplaatst, hebben geen verwachte datum voor de volgende bestelling.
Ik zag dat de flow een voorwaardelijke splitsing heeft. Hoe weten we wat de verwachte datum is voor eenmalige kopers?
Voor eenmalige kopers, omdat we niet veel weten over hun aankoopgedrag, berekenen we hun verwachte datum van de volgende bestelling met behulp van gegevens van al je klanten.
Ons merk heeft 3 klassen voor productfrequentie. Voor sommige producten komen klanten willekeurig terug. Andere worden tussen 60 en 90 dagen aangevuld. De laatste groep wordt tussen 100 en 120 dagen aangevuld. Kunnen we de app leren te weten wat de klant heeft gekocht en herinneringen te sturen op basis van het product?
De app houdt geen rekening met welke producten de klant heeft besteld. Als je dus producten hebt met verschillende aanvulcycli, raden we je aan om in plaats daarvan meerdere door Placed Order getriggerde flow te maken voor elke aanvulcyclus door het volgende toe te voegen:
- Triggerfilters om elke flow te beperken tot producten die dezelfde cyclus delen
- Tijdvertraging die het bekende cycluspatroon weerspiegelt, zodat je aanvul-e-mails op het juiste moment verstuurt
Omdat de voorspelde datum geen rekening houdt met wat de klant als laatste heeft besteld en ook niet met de waarschijnlijke aanvulcyclus voor dat product, moeten klanten met bekende aanvulcycli voor de meeste van hun productcategorieën bij een standaard Aanvulflow blijven en deze functie niet gebruiken.
Waar je op moet letten in de flow voor de herhaalaankopen-nurtureserie
- We raden niet aan om af te tellen naar de verwachte datum van de volgende bestelling, omdat terugkerende klanten dan simpelweg dezelfde reeks e-mails krijgen in aanloop naar elke bestelling, wat kan leiden tot afmelden.
- Deze flow zou het gebruik van aanvulflows niet moeten vervangen als klanten de algemene cycli kennen voor de meeste van hun productcategorieën.
- Als je een hoog percentage terugkerende kopers hebt, wil je deze functie misschien alleen gebruiken voor klanten die één keer hebben gekocht, zodat je ze kunt nurturen voor hun tweede aankoop.
Hoe voorspeld gender wordt berekend
Het geslachtsvoorspellingsalgoritme van Klaviyo gebruikt de voornaam van een klant samen met bevolkingsgegevens om het geslacht te voorspellen als waarschijnlijk mannelijk, waarschijnlijk vrouwelijk of onzeker.
Omdat het voorspelde geslacht nog steeds een benadering is, moet je ervoor zorgen dat je, wanneer je gerichte communicatie gebruikt, informatie voor beide geslachten opneemt.
