Förståelse av Klaviyo:s prediktiva analys
Du kommer att lära dig
Läs mer om de olika typerna av prediktiv analys data som visas i ditt Konto, de olika sätten Klaviyo beräknar detta på och riktlinjer för hur du kan använda detta data.
Om tillämpligt kanske du vill justera vilka mättal som används för att beräkna prediktiv analys och bättre anpassa dem till dina affärsmål, data struktur eller anpassad integrationer. För att justera vilken mättal som ska kartläggas globalt i ditt Konto, gå till guiden om mättal-kartläggning.
Klaviyo tillämpar en kombination av datavetenskap och maskininlärningstekniker på alla data i din Konto för att ge dig användbara och handlingsbara insikter.
Observera att du endast kommer att se avsnittet om prediktiv analys i din profil om du uppfyller följande villkor:
-
Minst 500 kund har lagt en order.
Detta avser inte den totala profilen, utan snarare antalet personer som faktiskt har gjort en beställning hos ditt företag. Dessa beställningar kan inte annulleras eller återbetalas och måste ha ett värde som inte är noll. 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 WooCommerce) eller använder vår 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.
Avsnittet om prediktiv analys i en profil
Du hittar avsnittet om prediktiv analys i en profil på fliken mättal och insikter i en profil. Nedan visas ett exempel på avsnittet prediktiv analys i en kontakts profil och den information som visas:
I tabellen nedan definieras de fält för prediktiv analys som visas ovan. Observera att kundlivstidsvärde står för kundlivstidsvärde.
| Fält | Definition | Exempel på värde från skärmdump |
| Historiska kundlivstidsvärden |
Det totala värdet av alla tidigare beställningar som en person har gjort, med hänsyn tagen till eventuella återbetalningar och returer. |
$401 |
| Predikativt kundlivstidsvärde |
En förutsägelse om hur mycket pengar en viss kund kommer att spendera under det kommande året. | $99 |
| Totalt kundlivstidsvärde | Summan av historiskt kundlivstidsvärde och prognostiserat kundlivstidsvärde. | $500 |
| Prediktion av kundbortfallrisk | Sannolikheten för att en kund ska bli kund hos oss baseras på antalet beställningar och hur ofta de görs. Varje gång kunden gör en order minskar sannolikheten för kundbortfall (grön), men när det går tid mellan orderna ökar sannolikheten för kundbortfall (röd), med en medelhög risk för kundbortfall representerad av gult. | 21% |
| Genomsnittlig tid mellan beställningar | Det genomsnittliga antalet dagar mellan varje order från en kund. | 75 dagar |
| Förväntat kön | Prediktivt kön är också en del av Klaviyo:s prediktiva analysfunktioner, men detta kommer inte att visas i en kundprofil. | N/A |
Hur kundlivstidsvärde data beräknas
Hur kundlivstidsvärde data beräknas
Klaviyo bygger automatiskt en kundlivstidsvärde-modell (kundlivstidsvärde) med hjälp av ditt företags data och omskolar modellen minst en gång i veckan.
Om du använder den anpassade API för att skicka orderhändelser måste du bekräfta att ditt beställningsvärde passerar genom ett $value-fält. Detta säkerställer att du får kundlivstidsvärde data baserat på dina beställda orderhändelser. Observera att $värdet måste vara det faktiska beställningsvärdet för att kundlivstidsvärde ska kunna beräknas korrekt.
Även om ingen kan förutspå framtiden med absolut säkerhet är Klaviyo:s prediktiva analysfunktioner kraftfulla verktyg för att optimera marknadsföringsutgifter och anpassa kundkommunikationen. Förutsägelser fungerar dock bäst när de är genomsnittliga för många kunder och förväntas inte vara exakta för någon enskild individ. Även om vissa individer kommer att spendera mer än sitt förutspådda kundlivstidsvärde och andra kommer att spendera mindre, kommer de som helhet att utjämna varandra.
Till exempel är det Predicted kundlivstidsvärde som visas i prediktiv analys-rutan inte en exakt förutsägelse. I vissa fall kan du se ett omöjligt antal förutspådda order. Du kan t.ex. se 1,43 som antalet förväntade order för en viss kund. När du ser detta betyder det att vi förväntar oss att kunden gör en eller två order, men det finns också en chans att de gör fler eller färre. Dessa förväntningar börjar bli begripliga när du grupperar flera kundföretag tillsammans eftersom du kan förutse det totala antalet order eller utgifter för gruppen. Om vi har fem kundföretag med ett förväntat antal order på 1,43, 0,25, 3,12, 0,78 och 2,97, kan vi förvänta oss cirka 9 order i denna grupp.
Hur beräknas förväntat datum för nästa order?Hur beräknas förväntat datum för nästa order?
Förväntat datum för nästa order tar hänsyn till den specifika kundens orderbeteende och orderbeteendet för alla dina kunder. Om kundorderna uppvisar ett mönster, känner Klaviyo igen detta mönster och gör en förutsägelse baserad på det. Om kundorderna inte uppvisar ett mönster eller om vi inte har tillräckligt med data på kunden, kommer Klaviyo att göra en rimlig förutsägelse baserat på hur dina andra kunder beter sig.
FAQ om upprepade köp nurture series flödeFAQ om upprepade köp nurture series flöde
Behöver jag lägga till tidigare profil i detta flöde? Måste jag säga till flödet att fylla på med alla möjliga profiler framöver?
Du behöver inte lägga till tidigare profil för befintlig profil eller berätta för flödet vilken profil som ska inkluderas, det kommer att räkna ut detta åt dig. Varje kund som gör en beställning hos dig har ett förväntat datum för nästa beställning. profil som aldrig har lagt en order hos dig tidigare kommer inte att ha ett förväntat datum för nästa order.
Jag såg att flödet har en villkorsstyrd delning. Hur får vi reda på det förväntade datumet för engångsköpare?
För engångsköpare, eftersom vi inte vet så mycket om deras köpbeteende, ber äknar vi deras förväntade datum för nästa beställning med hjälp av data över alla dina kund.
Vårt varumärke har 3 klasser av produktfrekvens. För vissa produkter kommer kund tillbaka slumpmässigt. Andra fylls på mellan 60 och 90 dagar. Den sista gruppen fylls på mellan 100 och 120 dagar. Kan vi lära appen att veta vad kunden har köpt och skicka påminnelser baserat på produkten?
Appen tar inte hänsyn till vilka produkter kunden beställt, så om du har produkter med olika påfyllningscykler rekommenderar vi att du istället skapar flera Placed Order triggade flöden för varje påfyllningscykel genom att lägga till följande:
- Utlösa filter för att begränsa varje flöde till produkter som delar samma cykel
- Tidsfördröjning som återspeglar den kända cykeln så att du skickar påfyllning via e-post vid rätt tidpunkt
Eftersom det förväntade datumet inte tar hänsyn till vad kunden senast beställde och inte heller den troliga påfyllningscykeln för den produkten, bör en kund som har kända påfyllningscykler för de flesta av sina produktkategorier hålla sig till ett standard Replenishment-flöde och inte använda denna funktion.
Saker att hålla utkik efter i upprepade köp nurture series flöde
- Vi rekommenderar inte att räkna ner till det förväntade datumet för nästa order eftersom återkommande kund helt enkelt kommer att få samma sekvens av e-post som leder fram till varje order vilket kan leda till avsluta prenumeration.
- Detta flöde bör inte ersätta användningen av påfyllningsflöde om kund känner till de allmänna cyklerna för de flesta av sina produktkategorier.
- Om du har en hög andel återkommande köpare kanske du bara vill använda den här funktionen för kunder som har köpt en gång för att vårda dem inför deras andra köp.
Hur det förväntade könet beräknas
Klaviyos könsförutsägelsealgoritm använder en kunds förnamn tillsammans med folkräkningen data för att göra en könsförutsägelse av antingen sannolikt man, sannolikt kvinna eller osäker.
Eftersom det förväntade könet fortfarande är en approximation, se till att du, när du använder riktad kommunikation, inkluderar viss information för båda könen.