Zrozumienie analityki predykcyjnej Klaviyo
Czego się dowiesz?
Dowiedz się więcej o różnych typach danych analityki predykcyjnej wyświetlanych na koncie, o różnych sposobach ich obliczania przez Klaviyo oraz o wytycznych dotyczących tego, jak możesz wykorzystywać te dane.
W razie potrzeby możesz dostosować, które metryki są używane do obliczania analityki predykcyjnej i lepiej dopasować je do celów biznesowych, struktury danych lub integracji niestandardowej. Aby dostosować, które metryki są mapowane globalnie na Twoim koncie, przejdź do przewodnika po mapowaniu metryk.
Klaviyo stosuje połączenie technik z obszaru nauki o danych i uczenia maszynowego do wszystkich danych na Twoim koncie, aby dostarczać przydatne i praktyczne dane, które można wdrożyć w działaniu.
Pamiętaj, że sekcję Analityka predykcyjna na profilach zobaczysz tylko wtedy, gdy spełniasz następujące warunki:
- Co najmniej 500 klientów złożyło zamówienie.
Nie odnosi się to do łącznej liczby profili, ale do liczby osób, które faktycznie złożyły zamówienie w Twojej firmie. Tych zamówień nie można anulować ani zwrócić, i muszą to być zamówienia o wartości większej niż zero. Jeśli ta sekcja znajduje się w profilu, ale jest pusta, oznacza to, że nie mamy wystarczających danych o tej osobie, aby sporządzić prognozę. - Masz integracje e-commerce (np. Shopify, BigCommerce, Magento lub WooCommerce) lub używasz naszego API do wysyłania złożonych zamówień.
- Masz co najmniej 180 dni historii zamówień i zamówienia z ostatnich 30 dni.
- Masz co najmniej kilku klientów, którzy złożyli co najmniej 3 zamówienia.
Sekcja analityki predykcyjnej profilu
Sekcję Analityka predykcyjna na profilu znajdziesz na karcie Metryka i praktyczne dane profilu. Poniżej znajduje się przykład sekcji Analityka predykcyjna na profilu kontaktu oraz wyświetlane informacje:
Poniższa tabela definiuje pola analityki predykcyjnej pokazane powyżej. Pamiętaj, że CLV oznacza wartość życiową klienta.
Pole | Definicja | Przykładowa wartość ze zrzutu ekranu |
Historyczna CLV | Łączna wartość wszystkich wcześniejszych zamówień złożonych przez daną osobę, z uwzględnieniem wszelkich zwrotów pieniędzy i zwrotów towarów. | $401 |
Przewidywana CLV | Prognoza tego, ile pieniędzy dany klient wyda w ciągu najbliższego roku. | $99 |
Całkowita wartość życiowa klienta | Suma historycznej wartości życiowej klienta i prognozowanej wartości życiowej klienta. | 500 $ |
Przewidywanie ryzyka rezygnacji | Prawdopodobieństwo rezygnacji klienta jest oparte na liczbie i częstotliwości jego zamówień. Za każdym razem, gdy klient składa zamówienie, jego prawdopodobieństwo wskaźnika rezygnacji spada (zielony), ale wraz z upływem czasu między zamówieniami prawdopodobieństwo wskaźnika rezygnacji rośnie (czerwony), a średnie ryzyko wskaźnika rezygnacji jest oznaczone na żółto. | 21% |
Średni czas między zamówieniami | Średnia liczba dni między kolejnymi zamówieniami klienta. | 75 dni |
Przewidywana płeć | Przewidywana płeć jest również częścią funkcji analityki predykcyjnej Klaviyo, jednak nie będzie widoczna w profilu klienta. | Niedostępne |
Jak są obliczane dane wartości życiowej klienta
Klaviyo automatycznie tworzy model wartości życiowej klienta (wartość życiowa klienta) na podstawie danych firmy i ponownie trenuje model co najmniej raz w tygodniu.
Jeśli używasz niestandardowego interfejsu API do wysyłania zdarzeń złożenia zamówienia, musisz potwierdzić, że wartość zamówienia jest przekazywana przez pole $value. Dzięki temu uzyskasz dane o wartości życiowej klienta na podstawie zdarzeń złożenia zamówienia. Pamiętaj, że $value musi być rzeczywistą wartością zamówienia, aby poprawnie obliczyć wartość życiową klienta.
Chociaż nikt nie jest w stanie przewidzieć przyszłości z absolutną pewnością, funkcje analityki predykcyjnej Klaviyo to potężne narzędzia do optymalizacji wydatków marketingowych i personalizowania komunikacji z klientami. Jednak prognozy działają najlepiej, gdy są uśredniane dla wielu klientów, i nie oczekuje się, że będą dokładne dla pojedynczej osoby. Chociaż niektóre osoby wydadzą więcej niż wynosi ich przewidywana wartość życiowa klienta, a inne wydadzą mniej, to jako całość będą się wzajemnie uśredniać.
Na przykład wartość przewidywanej wartości życiowej klienta (CLV) wyświetlana w polu analityki predykcyjnej nie jest dokładną prognozą. W niektórych przypadkach może pojawić się niemożliwa liczba przewidywanych zamówień. Na przykład jako liczba przewidywanych zamówień dla konkretnego klienta może pojawić się 1,43. Gdy tak się dzieje, oznacza to, że oczekujemy, że klient złoży jedno lub dwa zamówienia, ale istnieje też szansa, że złoży ich więcej lub mniej. Te oczekiwania zaczynają mieć sens, gdy zgrupujesz wielu klientów, ponieważ możesz przewidzieć łączną liczbę zamówień lub wydatków dla grupy. Jeśli mamy pięciu klientów z przewidywaną liczbą zamówień wynoszącą 1,43, 0,25, 3,12, 0,78 i 2,97, możemy oczekiwać około 9 zamówień w tej grupie.
Jak obliczany jest spodziewany termin następnego zamówienia
Oczekiwana data następnego zamówienia uwzględnia konkretne zachowania zakupowe klienta oraz zachowania zakupowe wszystkich klientów. Jeśli zamówienia klienta wykazują pewien schemat, Klaviyo rozpoznaje ten schemat i na jego podstawie utworzy prognozę. Jeśli zamówienia klienta nie wykazują wzorca lub nie mamy wystarczającej ilości danych o kliencie, Klaviyo dokona rozsądnej prognozy na podstawie tego, jak zachowują się inni klienci.
FAQ dotyczące sekwencji pielęgnacyjnej dla powtórnych zakupów
Czy muszę dodać wcześniejsze profile do tej sekwencji? Czy muszę ustawić sekwencję tak, aby w przyszłości wypełniała się wszystkimi możliwymi profilami?
Nie musisz dodawać wcześniejszych profili do istniejących profili ani informować sekwencji, które profile ma uwzględnić — sama to dla Ciebie ustali. Każdy klient, który składa u Ciebie zamówienie, ma przewidywaną datę kolejnego zamówienia. Profile, które nigdy wcześniej nie złożyły u Ciebie zamówienia, nie będą miały przewidywanej daty kolejnego zamówienia.
Zauważyłem(-am), że w sekwencji jest podział warunkowy. Skąd wiadomo, jaka jest oczekiwana data dla jednorazowych kupujących?
W przypadku jednorazowych kupujących, ponieważ nie wiemy zbyt wiele o ich zachowaniach zakupowych, obliczamy przewidywaną datę kolejnego zamówienia na podstawie danych wszystkich Twoich klientów.
Nasza marka ma 3 klasy częstotliwości produktów. W przypadku niektórych produktów klienci wracają losowo. Inne są uzupełniane co 60–90 dni. Ostatnia grupa jest uzupełniana co 100–120 dni. Czy możemy nauczyć aplikację rozpoznawać, co klient kupił, i wysyłać przypomnienia na podstawie produktu?
Aplikacja nie uwzględnia tego, jakie produkty zamówił klient, więc jeśli masz produkty o różnych cyklach uzupełniania, zalecamy zamiast tego utworzenie wielu sekwencji wyzwalanych zdarzeniem Złożenie zamówienia dla każdego cyklu uzupełniania poprzez dodanie poniższych elementów:
- Filtry wyzwalania umożliwiają ograniczenie każdej sekwencji do produktów, które mają ten sam cykl
- Opóźnienie czasowe, które odzwierciedla znany cykl, dzięki czemu wysyłasz e-maile uzupełniające w odpowiednim czasie
Ponieważ przewidywana data nie uwzględnia tego, co klient zamówił ostatnio, ani prawdopodobnego cyklu uzupełniania zapasów dla tego produktu, jeśli klient ma znane cykle uzupełniania zapasów dla większości swoich kategorii produktów, powinien pozostać przy standardowej sekwencji uzupełniania zapasów i nie korzystać z tej funkcji.
Na co zwrócić uwagę w sekwencji budowania relacji dla powtórnych zakupów
- Nie zalecamy odliczania do przewidywanej daty kolejnego zamówienia, ponieważ stały klient będzie po prostu otrzymywać tę samą sekwencję e-maili przed każdym zamówieniem, co może skutkować wycofaniem subskrypcji.
- Ta sekwencja nie powinna zastępować korzystania z sekwencji uzupełniania zapasów, jeśli klienci znają ogólne cykle dla większości kategorii produktów.
- Jeśli masz wysoki odsetek powracających kupujących, możesz chcieć używać tej funkcje tylko dla klientów, którzy dokonali jednego zakupu, aby pielęgnować ich przed drugim zakupem.
Jak obliczana jest przewidywana płeć
Algorytm przewidywania płci Klaviyo wykorzystuje imię klienta bądź klientki oraz dane ze spisu powszechnego, aby określić, czy dana osoba jest prawdopodobnie mężczyzną lub kobietą albo czy jej płeć jest niepewna.
Ponieważ przewidywana płeć nadal jest jedynie przybliżeniem, upewnij się, że w komunikacji targetowanej uwzględniasz informacje dla obu płci.
