De voorspellende analyses van Klaviyo begrijpen
Je leert het volgende
Leer meer over de verschillende soorten voorspellende analyses gegevens die worden weergegeven in je account, de verschillende manieren waarop Klaviyo deze berekent en richtlijnen voor hoe je deze gegevens kunt gebruiken.
Indien van toepassing, wil je misschien aanpassen welke meetwaarden worden gebruikt om voorspellende analyses te berekenen en deze beter afstemmen op je bedrijfsdoelen, gegevensstructuur of aangepaste integraties. Om aan te passen wat meetwaarde globaal in kaart brengt in jouw account, ga je naar de gids over meetwaarde-mapping.
Klaviyo past een combinatie van data science en machinelearningtechnieken toe op alle gegevens in je account om je bruikbare en bruikbare inzichten te geven.
Houd er rekening mee dat je het gedeelte voorspellende analyses op profiel alleen te zien krijgt als je aan de volgende voorwaarden voldoet:
-
Ten minste 500 klanten hebben een bestelling geplaatst.
Dit heeft geen betrekking op het totale profiel, maar op het aantal mensen dat daadwerkelijk een bestelling bij je bedrijf heeft geplaatst. Deze bestellingen kunnen niet worden geannuleerd of gerestitueerd en mogen geen waarde hebben die gelijk is aan nul. Als dit gedeelte op een profiel 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 ten minste 180 dagen bestelgeschiedenis en je hebt bestellingen binnen de laatste 30 dagen.
- Je hebt in ieder geval een aantal klanten die 3 of meer bestellingen hebben geplaatst.
Het gedeelte met voorspellende analyses van een profiel
Je vindt de voorspellende analyses sectie van een profiel op het meetwaarde en inzichten tabblad van een profiel. Hieronder zie je een voorbeeld van de voorspellende analyses sectie van het profiel van een contactpersoon, en de informatie die wordt weergegeven:
De tabel hieronder definieert de voorspellende analysevelden die hierboven worden getoond. Let op, levenslange waarde staat voor levenslange waarde.
| Veld | Definitie | Voorbeeldwaarde van schermafbeelding |
| Historische CLV |
De totale waarde van alle eerdere bestellingen die een individu heeft gedaan, rekening houdend met account eventuele restituties en retourzendingen. |
$401 |
| Voorspelde CLV |
Een voorspelling van hoeveel geld een bepaalde klant het komende jaar zal uitgeven. | $99 |
| Totale levenslange waarde | De som van historische levenslange waarde en voorspelde levenslange waarde. | $500 |
| Voorspelling van verlooprisico | De waarschijnlijkheid dat een klant churnt is gebaseerd op het aantal en de frequentie van zijn bestellingen. Elke keer dat de klant een order uitvoert, daalt zijn verloopkans (groen), maar als er tijd verstrijkt tussen orders, stijgt de verloopkans (rood), met een gemiddeld verlooprisico weergegeven in geel. | 21% |
| Gemiddelde tijd tussen bestellingen | Het gemiddelde aantal dagen tussen elke bestelling van een klant. | 75 dagen |
| Voorspeld geslacht | Het voorspelde geslacht maakt ook deel uit van Klaviyo's voorspellende analysefuncties, maar dit wordt niet weergegeven in een klantprofiel. | N.V.T. |
Hoe levenslange waarde gegevens wordt berekend
Hoe levenslange waarde gegevens wordt berekend
Klaviyo bouwt automatisch een levenslange waarde-model met de gegevens van je bedrijf en hertraint het model minstens één keer per week.
Als je de aangepaste API gebruikt om geplaatste bestelgebeurtenissen te versturen, moet je bevestigen dat je bestelwaarde door een $waarde veld gaat. Dit zorgt ervoor dat je levenslange waardevolle gegevens krijgt op basis van je geplaatste bestelgebeurtenissen. Merk op dat de $waarde de werkelijke bestelwaarde moet zijn om levenslange waarde correct te berekenen.
Hoewel niemand de toekomst met absolute zekerheid kan voorspellen, zijn Klaviyo's voorspellende analysefuncties krachtige hulpmiddelen voor het optimaliseren van marketinguitgaven en het personaliseren van klantcommunicatie. Voorspellingen werken echter het beste als ze gemiddeld worden over veel klanten en er wordt niet verwacht dat ze exact zijn voor een enkel individu. Hoewel sommige individuen meer zullen uitgeven dan hun voorspelde levenslange waarde en sommigen minder, zullen ze als geheel elkaar in evenwicht houden.
De voorspelde levenslange waarde die wordt weergegeven in het vak voorspellende analyses is bijvoorbeeld 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 het dat we verwachten dat de klant één of twee bestellingen zal doen, maar er is ook een kans dat ze er meer of minder zullen doen. Deze verwachtingen beginnen zinvol te worden als je meerdere klanten groepeert, omdat je het totale aantal bestellingen of 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, dan kunnen we ongeveer 9 bestellingen verwachten in deze groep.
Hoe de verwachte datum van de volgende bestelling wordt berekendHoe de verwachte datum van de volgende bestelling wordt berekend
Expected Date of Next Order houdt rekening met account het bestelgedrag van de specifieke klant en het bestelgedrag van al je klanten. Als de bestellingen van de klant een patroon vertonen, herkent Klaviyo dit patroon en zal op basis daarvan een voorspelling doen. Als de orders van de klant geen patroon vertonen of als we niet genoeg gegevens over de klant hebben, zal Klaviyo een redelijke voorspelling doen op basis van hoe je andere klanten zich gedragen.
FAQ over herhaalaankopen nurture serie flowFAQ over herhaalaankopen nurture serie flow
Moet ik verleden profiel toevoegen aan deze flow? Moet ik de flow vertellen dat alle mogelijke profielen moeten worden ingevuld?
Je hoeft geen profiel uit het verleden toe te voegen voor een bestaand profiel of de flow te vertellen welk profiel hij moet opnemen, dit wordt voor je uitgezocht. Elke klant die een bestelling bij je plaatst, heeft een verwachte datum van de volgende bestelling. profiel die nog nooit eerder een bestelling bij je hebben geplaatst, hebben geen verwachte datum van de volgende bestelling.
Ik zag dat de flow een voorwaardelijke splitsing heeft. Hoe weten we de verwachte datum voor eenmalige kopers?
Voor eenmalige kopers berekenen we, omdat we niet veel weten over hun aankoopgedrag, de verwachte datum van hun volgende bestelling aan de hand van gegevens over al je klanten.
Ons merk heeft 3 klassen productfrequentie. Voor sommige producten komen klanten willekeurig terug. Andere worden tussen 60 en 90 dagen aangevuld. De laatste groep wordt tussen de 100 en 120 dagen aangevuld. Kunnen we de app leren om te weten wat de klant heeft gekocht en herinneringen sturen op basis van het product?
De app houdt geen rekening met welke producten de klant heeft besteld, dus als je producten hebt met verschillende aanvulcycli, raden we aan om in plaats daarvan meerdere geplaatste order getriggerde stromen te maken voor elke aanvulcyclus door het volgende toe te voegen:
- Triggerfilters om elke flow te beperken tot producten met dezelfde cyclus
- Tijdvertraging die de bekende cyclus weerspiegelt, zodat je replenishment e-mail op het juiste moment verstuurt
Omdat de voorspelde datum geen rekening houdt met wat de klant het laatst heeft besteld en ook niet met de waarschijnlijke suppletiecyclus voor dat product, kunnen klanten met bekende suppletiecycli voor de meeste van hun productcategorieën zich beter houden aan een standaard suppletieflow en deze functie niet gebruiken.
Dingen om naar uit te kijken in de herhaalaankopen nurture serie flow
- We raden niet aan om af te tellen naar de verwachte datum van de volgende bestelling, omdat terugkerende klanten dan gewoon dezelfde reeks e-mails krijgen in de aanloop naar elke bestelling, wat kan resulteren in afmelden.
- Deze flow zou het gebruik van replenishment flow niet moeten vervangen als klant de algemene cycli kent voor de meeste van hun productcategorieën.
- Als je een hoog percentage terugkerende kopers hebt, wil je deze functie misschien alleen gebruiken voor klanten die al een keer hebben gekocht om ze te stimuleren voor hun tweede aankoop.
Hoe het voorspelde geslacht wordt berekend
KlaviyoHet geslachtsvoorspellingsalgoritme gebruikt de voornaam van een klant samen met volkstellingsgegevens om een geslachtsvoorspelling te doen van waarschijnlijk mannelijk, waarschijnlijk vrouwelijk of onzeker.
Omdat het voorspelde geslacht nog steeds een benadering is, moet je er bij gerichte communicatie voor zorgen dat je informatie voor beide geslachten opneemt.