Zrozumienie Klaviyo'analityka predykcyjna
Czego się dowiesz
Dowiedz się więcej o różnych typach danych analityki predykcyjnej wyświetlanych na Twoim koncie, różnych sposobach ich obliczania przez Klaviyo oraz wskazówkach dotyczących korzystania z tych danych.
Jeśli ma to zastosowanie, możesz dostosować metryki używane do obliczania analityki predykcyjnej i lepiej dostosować je do celów biznesowych, struktury danych lub niestandardowych integracji. Aby dostosować globalne mapowanie metryki na swoim koncie, przejdź do przewodnika po mapowaniu metryki.
Klaviyo stosuje połączenie nauki o danych i technik uczenia maszynowego do wszystkich danych na Twoim koncie, aby zapewnić Ci przydatne i możliwe do ukrycia potrzeby praktyczne dane.
Pamiętaj, że zobaczysz sekcję analityka predykcyjna na profilu tylko wtedy, gdy spełnisz następujące warunki:
-
Co najmniej 500 klientów złożyło zamówienie.
Nie odnosi się to do całkowitego profilu, ale raczej do liczby osób, które faktycznie złożyły zamówienie w Twojej firmie. Zamówień tych nie można anulować ani zwrócić, a ich wartość nie może być zerowa. Jeśli ta sekcja znajduje się na profilu, ale jest pusta, oznacza to, że nie mamy wystarczających danych na temat tej osoby, aby dokonać prognozy. - Posiadasz integrację e-commerce (np. Shopify, BigCommerce, Magento, lub WooCommerce) lub korzystasz z naszego API do wysyłania złożonych zamówień.
- Masz co najmniej 180 dni historii zamówień i zamówienia w ciągu ostatnich 30 dni.
- Masz co najmniej kilku klientów, którzy złożyli 3 lub więcej zamówień.
Sekcja analityka predykcyjna profilu
Sekcję analityka predykcyjna profilu znajdziesz w zakładce metryka i ukryte potrzeby praktyczne dane profilu. Poniżej znajduje się przykład sekcji analityka predykcyjna profilu kontaktu oraz wyświetlanych informacji:
Poniższa tabela definiuje pola analityki predykcyjnej przedstawione powyżej. Zauważ, że wartość życiowa klienta oznacza wartość życiową klienta.
| Pole | Definicja | Przykładowa wartość ze zrzutu ekranu |
| Historyczna CLV |
Łączna wartość wszystkich wcześniejszych zamówień dokonanych przez daną osobę, biorąc pod uwagę wszelkie zwroty i zwroty. |
$401 |
| Przewidywana CLV |
Przewidywanie, ile pieniędzy dany klient wyda w ciągu następnego roku. | $99 |
| Całkowita wartość życiowa klienta | Suma historycznej wartości życiowej klienta i przewidywanej wartości życiowej klienta. | $500 |
| Przewidywanie ryzyka rezygnacji | Prawdopodobieństwo churnu klienta opiera się na liczbie i częstotliwości jego zamówień. Za każdym razem, gdy klient składa zlecenie, prawdopodobieństwo wskaźnika rezygnacji spada (kolor zielony), ale w miarę upływu czasu między zleceniami prawdopodobieństwo wskaźnika rezygnacji wzrasta (kolor czerwony), a średnie ryzyko wskaźnika rezygnacji jest reprezentowane kolorem żółtym. | 21% |
| Średni czas między zamówieniami | Średnia liczba dni pomiędzy poszczególnymi zamówieniami klienta. | 75 dni |
| Przewidywana płeć | Przewidywana płeć jest również częścią analityki predykcyjnej funkcji Klaviyo, jednak nie będzie ona widoczna w profilu klienta. | NIE DOTYCZY |
Jak obliczana jest wartość życiowa klienta dane
Jak obliczana jest wartość życiowa klienta dane
Klaviyo automatycznie buduje model wartości życiowej klienta (wartość życiowa klienta) przy użyciu danych Twojej firmy i ponownie trenuje model co najmniej raz w tygodniu.
Jeśli korzystasz z niestandardowego interfejsu API do wysyłania zdarzeń złożonych zamówień, musisz potwierdzić, że wartość zamówienia przechodzi przez pole $value. Zapewni to, że zyskasz wartość życiową klienta w oparciu o złożone zamówienie. Zauważ, że wartość $ musi być rzeczywistą wartością zamówienia, aby poprawnie obliczyć wartość życiową klienta.
Chociaż nikt nie jest w stanie przewidzieć przyszłości z absolutną pewnością, analityka predykcyjna funkcji Klaviyo jest potężnym narzędziem do optymalizacji wydatków marketingowych i personalizacji komunikacji z klientami. Jednak prognozy sprawdzają się najlepiej, gdy są uśrednione dla wielu klientów i nie oczekuje się, że będą dokładne dla pojedynczej osoby. Podczas gdy niektóre osoby wydadzą więcej niż ich przewidywana wartość życiowa klienta, a niektóre wydadzą mniej, jako całość będą się one wzajemnie uśredniać.
Na przykład przewidywana wartość życiowa klienta wyświetlana w polu analityka predykcyjna nie jest dokładną prognozą. W niektórych przypadkach możesz zobaczyć niemożliwą liczbę przewidywanych zamówień. Na przykład, możesz zobaczyć 1,43 jako liczbę przewidywanych zamówień dla danego klienta. Gdy to widzisz, oznacza to, że spodziewamy się, że klient złoży jedno lub dwa zamówienia, ale jest też szansa, że złoży ich więcej lub mniej. Oczekiwania te zaczynają mieć sens, gdy grupujesz wielu klientów, ponieważ możesz przewidzieć całkowitą 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 spodziewać się około 9 zamówień w tej grupie.
Jak obliczana jest oczekiwana data następnego zamówieniaJak obliczana jest oczekiwana data następnego zamówienia
Oczekiwana data następnego zamówienia uwzględnia zachowanie konkretnego klienta i zachowanie zamówień wszystkich Twoich klientów. Jeśli zlecenia klienta wykazują pewien wzorzec, Klaviyo rozpoznaje ten wzorzec i na jego podstawie dokonuje prognozy. Jeśli zamówienia klienta nie wykazują wzorca lub jeśli nie mamy wystarczającej ilości danych na temat klienta, Klaviyo dokona rozsądnej prognozy na podstawie tego, jak zachowują się inni klienci.
FAQ o powtórnych zakupach nurture series sekwencjaFAQ o powtórnych zakupach nurture series sekwencja
Czy muszę dodać poprzedni profil do tej sekwencji? Czy muszę powiedzieć sekwencji, aby wypełniła się wszystkimi możliwymi profilami?
Nie musisz dodawać poprzedniego profilu do istniejącego profilu ani mówić sekwencji, który profil ma zostać uwzględniony, sekwencja zrobi to za Ciebie. Każdy klient, który składa u Ciebie zamówienie, ma przewidywaną datę następnego zamówienia. Profil, który nigdy wcześniej nie złożył u Ciebie zamówienia, nie będzie miał oczekiwanej daty następnego zamówienia.
Widziałem, że sekwencja ma podział warunkowy. Jak poznać przewidywaną datę dla nabywców jednorazowych?
W przypadku kupujących jednorazowo, ponieważ nie wiemy zbyt wiele o ich zachowaniach zakupowych, obliczamy ich oczekiwaną datę następnego zamówienia przy użyciu danych dla wszystkich Twoich klientów.
Nasza marka ma 3 klasy częstotliwości produktów. W przypadku niektórych produktów klient powraca losowo. Inne są uzupełniane w okresie od 60 do 90 dni. Ostatnia grupa jest uzupełniana między 100 a 120 dniem. Czy możemy nauczyć aplikację, aby wiedziała, co kupił klient i wysyłała przypomnienia na podstawie produktu?
Aplikacja nie bierze pod uwagę produktów zamówionych przez klienta, więc jeśli masz produkty z różnymi cyklami uzupełniania, zalecamy utworzenie wielu sekwencji wyzwalanych złożeniem zamówienia dla każdego cyklu uzupełniania, dodając następujące elementy:
- Wyzwalaj filtry, aby ograniczyć każdą sekwencję do produktów, które mają ten sam cykl.
- Opóźnienie czasowe, które odzwierciedla znany cykl, dzięki czemu wysyłasz e-mail z uzupełnieniem zapasów we właściwym czasie.
Ponieważ przewidywana data nie uwzględnia ostatniego zamówienia klienta, a także prawdopodobnego cyklu uzupełniania dla tego produktu, jeśli klient zna cykle uzupełniania dla większości swoich kategorii produktów, powinien pozostać przy standardowej sekwencji uzupełniania i nie korzystać z tej funkcji.
Rzeczy, na które należy zwrócić uwagę w powtórnych zakupach z serii nurture sekwencja
- Nie zalecamy odliczania do oczekiwanej daty następnego zamówienia, ponieważ stały klient będzie po prostu otrzymywał tę samą sekwencję wiadomości e-mail prowadzących do każdego zamówienia, co może skutkować wycofaniem subskrypcji.
- Ta sekwencja nie powinna zastąpić korzystania z sekwencji uzupełniania, jeśli klient zna ogólne cykle dla większości swoich kategorii produktów.
- Jeśli masz wysoki odsetek stałych klientów, możesz użyć tej funkcji tylko dla klientów, którzy dokonali zakupu raz, aby przygotować ich do drugiego zakupu.
Jak obliczana jest przewidywana płeć
KlaviyoAlgorytm przewidywania płci wykorzystuje imię klienta wraz z danymi ze spisu powszechnego, aby określić płeć jako prawdopodobnie męską, prawdopodobnie żeńską lub niepewną.
Ponieważ przewidywana płeć jest nadal przybliżona, upewnij się, że podczas korzystania z ukierunkowanej komunikacji uwzględniasz pewne informacje dla obu płci.