Så segmenterar du efter kundlivstidsvärde (CLV)

Du kommer att lära dig

Lär dig skapa ett segment baserat på kundlivstidsvärde (kundlivstidsvärde) och exportera all viktig kundlivstidsvärde-information. CLV är en del av Klaviyos prediktiv analys och kan vara ett kraftfullt verktyg att använda i segmentering. Det är det totala beloppet, både historiskt och förutspått, som en kund kommer att handla från ditt varumärke över tid. Kundlivstidsvärde-segment gör att du kan gruppera kunder baserat på det här beloppet så att du kan skicka dem relevant innehåll och trigga segmentbaserade flöden. Du kan till exempel använda historiskt kundlivstidsvärde för att skapa ett VIP-välkomstflöde eller använda förutspått kundlivstidsvärde för att skicka riktade kampanjer till kunder som sannolikt kommer att spendera ett visst belopp under ditt Kontos prognosperiod.

Innan du börjar

Prognostiserat kundlivstidsvärde täcker som standard de kommande 365 dagarna. Personalization och Advanced Klaviyo Data Platform inkluderar anpassat kundlivstidsvärde, vilket gör att du kan ändra den här perioden. Om du har anpassat det använder du ditt sparade prognostiserade datumintervall när du skapar segment och analyserar exporter. Läs mer om hur du anpassar ditt prognosfönster för kundlivstidsvärde.

Skapa ett segment för kundlivstidsvärde

1. Navigera till Målgrupp > Listor och segment.
2. Välj Skapa > Segment.
3. Ange ett namn för ditt segment. Om en dialogruta för namngivning öppnas klickar du på Skapa segment i den dialogrutan för att öppna segmentbyggaren.
4. Välj Prediktiv analys om någon och välj sedan Historiskt kundlivstidsvärde, Förutsagt kundlivstidsvärde eller Totalt kundlivstidsvärde. Ställ in jämförelsen och värdet som du vill använda.
5. Lägg till alla andra villkor du behöver, till exempel villkoren för e-postinriktning i exemplet nedan.
6. Klicka på Skapa segment för att spara din definition och fylla segmentet med matchande profiler.

Exempel

Låt oss säga att ditt genomsnittliga beställningsvärde för kunder är runt 15 $. Du kanske vill erbjuda rabatter till kunder med låg förutsagd total spendering under din prognosperiod för att uppmuntra deras nästa köp.

Till exempel kan du skapa ett segment med Förutspått kundlivstidsvärde > är som mest > 5. Detta grupperar kunder som förväntas spendera högst 5 $ under din prognosperiod. Rikta dig till dem med en rabattkampanj eller ett flöde, liknande en winback - eller återengagemangskampanj. När du riktar dig via e-post ska du kombinera villkoret för kundlivstidsvärde med följande villkor med hjälp av OCH:

• De kan ta emot e-postmarknadsföring och har prenumerera. Använd Om någon kan eller inte kan ta emot marknadsföring med kan ta emot, e-postmarknadsföring och prenumerera-prenumerationsfiltret prenumerera.
• De tillhör din huvudsakliga E-postlista (i det här fallet en nyhetsbrevslista)
• De har öppnat ett mejl inom en viss tidsperiod (i exemplet nedan är tidslinjen de senaste 90 dagarna). Apple Mail Privacy Protection kan registrera öppningar automatiskt, så en öppning indikerar inte alltid engagemang.

Exportera segment för kundlivstidsvärde

Exportera data om kundlivstidsvärde kan göra att du kan analysera och förutsäga beteendet hos olika kundgrupper ytterligare. Om Kundbortfall Risk Prediction visas bland dina exportfält väljer du det för att inkludera risk för kundbortfall i din CSV-fil. Risk för kundbortfall exporteras som ett tal mellan 0 och 1. Till exempel motsvarar 0,45 en risk för kundbortfall på 45 %.

Om du vill exportera ett segment behöver du behörighet att exportera profiler. Behörigheten ingår i rollerna Ägare, Administratör och Analytiker.

1. Navigera till Målgrupp > Listor och segment och öppna ditt kundlivstidsvärdesegment.
2. Välj Hantera segment > Exportera till CSV.
3. Välj de fält du vill analysera, till exempel historiskt kundlivstidsvärde, förutsagt kundlivstidsvärde och totalt kundlivstidsvärde.
4. Klicka på Starta export. CSV-filen laddas ned när exporten är klar.

Om du har ett stort antal kunder som bara köper en gång kan du ha en hög genomsnittlig risk för kundbortfall. För att sänka din genomsnittliga risk för kundbortfall kan du vilja fokusera dina marknadsföringsinsatser på att behålla kunder efter deras första köp. Du kan använda Klaviyos mättal för förutspått kundlivstidsvärde för att identifiera kunder med låga förutspådda utgifter för en kundretentionskampanj, enligt beskrivningen i exemplet ovan.

När du exporterar dessa data som en CSV kan du göra dina egna analyser. Några beräkningar som du kan vara intresserad av är:

• Genomsnittligt kundlivstidsvärde
  Beräkna genomsnittligt historiskt kundvärde genom att ta genomsnittet av kolumnen Historiskt kundlivstidsvärde i hela segmentet. Beräkna genomsnittligt totalt kundvärde genom att ta genomsnittet av kolumnen Totalt kundlivstidsvärde separat.
• Förutsäg en segments framtida utgifter
  Summera det förutsagda kundlivstidsvärdet för alla medlemmar i ett segment för att uppskatta deras sammanlagda utgifter under ditt kontos prognosperiod. Detta är de kommande 365 dagarna om du inte har anpassat perioden.
• Uppskatta antalet återkommande kunder
  För profiler med ett kundbortfall Risk Prediction -värde tar du medelvärdet av dessa värden och drar sedan av medelvärdet från 1. Multiplicera resultatet med antalet profiler som ingår i det medelvärdet för att uppskatta hur många som förväntas återkomma. Exkludera profiler med tomma förutsägelser om kundbortfall från både medelvärdet och antalet.

Ytterligare resurser