Så här gör du segment med kundlivstidsvärde (kundlivstidsvärde)
Du kommer att lära dig
Lär dig hur du skapar ett kundlivstidsvärde (kundlivstidsvärde) segment och exporterar all viktig kundlivstidsvärdeinformation. kundlivstidsvärde är en del av Klaviyo:s prediktiv analys och kan vara ett kraftfullt verktyg att använda vid segmentering. Det är det totala beloppet, både tidigare och förväntat, som en kund kommer att köpa från ditt varumärke över tid. kundlivstidsvärde segmentet gör att du kan gruppera kunder baserat på detta belopp så att du kan skicka dem relevant innehåll och trigga segment-baserade flöde. Du kan till exempel använda historiskt kundlivstidsvärde för att bygga ett VIP-velkomstflöde eller använda förutspått kundlivstidsvärde för att skicka riktade kampanjer till kunder som sannolikt kommer att spendera ett visst belopp under ett år.
Innan du börjarInnan du börjar
Observera att du endast kommer att kunna segment baserat på kundlivstidsvärde om:
- Minst 500 kund har lagt en order. Det handlar inte om aktiv profil, utan om antalet personer som faktiskt har gjort ett köp med ditt företag. Om det här avsnittet finns i en profil men är tomt betyder det att vi inte har tillräckligt med data om den personen för att göra en förutsägelse.
- Du har en e-handelsintegrerare (t.ex. Shopify, BigCommerce, Magento) eller använda vårt API för att skicka lagda beställningar.
- Du har minst 180 dagars orderhistorik och har order under de senaste 30 dagarna.
- Du har åtminstone några kunder som har lagt 3 eller fler order.
Skapa ett kundlivstidsvärde segment
För att skapa en segment baserad på någon av de tillgängliga kundlivstidsvärdeegenskaperna (dvs. historiskt, prediktivt och totalt kundlivstidsvärde), använd villkoret prediktiv analys om någon. Välj sedan önskad mättal och värde.
Exempel
Låt oss säga att ditt genomsnittligt ordervärde för kund är cirka 15 dollar. Du kanske vill rikta dig till kunder som troligen inte kommer att nå detta genomsnittliga ordervärde med rabatter för att pushnotisera dem till deras nästa köp.
För att åstadkomma detta skapar du en segment av kunder som förväntas spendera högst 5 dollar och riktar dig till dem med en rabattkampanj eller flöde - liknande en winback- eller återengagemangskampanj. När du riktar dig via e-post vill du inkludera följande villkor:
- De hör till din huvudsakliga E-postlista (i det här fallet en nyhetsbrevlista)
- De har öppnat en e-post under en given tidsperiod för att säkerställa att du skickar till Engagerad prenumerant (i exemplet nedan är tidslinjen de senaste 90 dagarna)
Export kundlivstidsvärde segment
Genom att exportera kundlivstidsvärde data kan du ytterligare analysera och förutsäga beteendet hos olika grupper av kunder. Utöver kundlivstidsvärde och prediktiv analys kommer du även att kunna exportera kundbortfall Risk Prediction. kundbortfallsrisk kommer att exporteras till din CSV som ett tal mellan 0 och 1. Exempelvis skulle 0,45 motsvara en kundbortfallsrisk på 45%.
Om du har ett stort antal engångsköpare kan du ha en hög genomsnittlig kundbortfallsrisk. För att minska den genomsnittliga risken för kundbortfall kan du fokusera dina marknadsföringsinsatser på att behålla kunderna efter deras första köp. Du kan använda Klaviyo's Predicted kundlivstidsvärde mättal för att identifiera personer som sannolikt inte kommer att köpa igen enligt exemplet ovan.
När du exporterar dessa data som en CSV-fil kan du köra dina egna analyser. Några beräkningar som du kanske är intresserad av inkluderar:
-
Genomsnittligt kundlivstidsvärde
Du kan beräkna det genomsnittliga kundvärdet för en segment genom att beräkna genomsnittet av Historiskt kundlivstidsvärde och Totalt kundlivstidsvärde. -
Förutsäg framtida utgifter för en segment
Summera det förväntade kundlivstidsvärdet för alla medlemmar i en segment och du får den förväntade inkomsten från kund i denna segment för nästa år. -
Uppskatta antalet återkommande kund
Först medelvärdesberäknas värdena för kundbortfall Risk Prediction. Subtrahera sedan detta genomsnitt från 1. Multiplicera resultatet med antalet personer i segment. Detta ger antalet kund som förutspås återvända.