Predpovedanie, kedy si vaši zákazníci zakúpia najbližšie W/LuckyTemplates

Čo keby ste mohli vedieť, kedy vaši zákazníci pravdepodobne uskutočnia ďalší nákup, pomocou prediktívnej analýzy v LuckyTemplates? Celé video tohto návodu si môžete pozrieť v spodnej časti tohto blogu.

Pomocou techník prediktívnej analýzy sa môžeme pokúsiť predpovedať, kedy sa očakáva, že vaši klienti kúpia vaše produkty a služby.

Samozrejme, v LuckyTemplates bude potrebné urobiť trochu práce, aby to všetko fungovalo. Ale len predvedie neuveriteľné a výkonné analytické funkcie LuckyTemplates, ktoré máte k dispozícii pri správnom používaní vzorcov DAX.

Pomocou LuckyTemplates môžete začleniť rôzne techniky modelovania vzorcov a údajov, aby ste získali veľmi zmysluplné poznatky.

V tomto príspevku budeme diskutovať o niektorých nápadoch na prediktívny prehľad. To je niečo, čo je z pohľadu DAX veľmi realizovateľné. Potom budeme diskutovať o tom, ako môžeme použiť údaje na predpovedanie správania zákazníkov. V konečnom dôsledku to môže mať pozitívny vplyv na naše finančné výsledky.

Obsah

• Použitie historických údajov na predpovedanie správania zákazníkov
• Čo môžete robiť s historickými údajmi
• 1. Určenie dátumu poslednej transakcie
• 2. Určenie počtu dní od posledného nákupu
• 3. Určenie priemerného počtu dní medzi nákupmi
• 4. Určenie nadpriemerných dní
• 5. Stanovenie ziskovosti zákazníka
  • Záver

Použitie historických údajov na predpovedanie správania zákazníkov

Skôr než sa pustíme do našej diskusie, pozrime sa na historické údaje, ktoré poskytuje tabuľka správania zákazníkov.

V hornej časti uvidíte polia Meno zákazníka , Celkový počet dní transakcie , Dátum posledného nákupu , Počet dní od posledného nákupu , Priemerný počet dní medzi nákupmi , Nadpriemerný počet dní a Celkový predaj .

Pomocou prediktívnej analýzy v LuckyTemplates sa môžeme pozrieť späť v čase a zistiť, kedy zákazníci skutočne nakúpili. Môžeme tiež vidieť, koľkokrát s nami osoba obchodovala.

Na základe časového rámca, ktorý si zakúpili, aká je pravdepodobnosť, že v blízkej budúcnosti kedykoľvek spätne odkúpia?

Výsledky z odpovede na túto otázku sú cenným pohľadom.

Čo môžete robiť s historickými údajmi

Jednoduchá prediktívna analytika v LuckyTemplates nebude 100% presná a okolo toho, čo sa môže stať, je veľa komplikácií, ale zamyslite sa nad tým, ako môžete tieto poznatky využiť.

Ak si zákazník od nás za posledné 2 roky kúpil niečo v priemere 15-krát a urobil to každých 40 alebo 50 dní, môžete urobiť nejaký marketing, zavolať na predaj alebo sa uistiť, že vidí reklamu online, aby vás upozornil aby prijali opatrenia.

Existuje toľko skvelých spôsobov, ako môžete využiť tento prehľad. Aj keď to nebude dokonalé, umožní vám to pochopiť nákupné rozhodnutia zákazníka a na základe týchto rozhodnutí môžete vymyslieť marketingový plán.

1. Určenie dátumu poslednej transakcie

Poďme si teda prejsť, ako sa mi to podarilo. Začnem skutočným posledným dátumom nákupu. Pozrime sa na vzorec.

2. Určenie počtu dní od posledného nákupu

Ďalšia vec, ktorú musíte urobiť, je vypočítať dni od posledného nákupu. Aký je počet dní od posledného nákupu? Aký je posledný skutočný dátum transakcie v mojej množine údajov? Len to zistím pomocou tohto jednoduchého vzorca.

Z týchto údajov vieme určiť, kedy u nás zákazník naposledy nakúpil. Je to zaujímavé a užitočné, pretože chcete vedieť, kedy u vás zákazník naposledy nakúpil, a potom to porovnať s priemerným časovým rámcom medzi nákupmi.

Akonáhle budete mať tento benchmark, tak môžete objaviť zákaznícke trendy. V tomto prípade zákazník Gregory Jackson nakúpil každých 61 dní.

Ale už 451 dní si nič nekúpil, takže niečo tam zjavne nie je v poriadku. Tieto údaje môžete použiť na vykonanie zmien vo svojich marketingových stratégiách, aby ste tohto zákazníka vyzvali, aby sa znova stal aktívnym.

3. Určenie priemerného počtu dní medzi nákupmi

Takže toto je veľká časť tejto analýzy: ako vypočítame priemerný počet dní medzi nákupmi? Hoci ide o kombináciu mnohých vecí, môže to byť jednoduchšie, ako si myslíte.

Vizualizáciou tohto vzorca môžete získať rovnako dobrú projekciu a nemusí byť dokonalá, ale rovnako dobrá.

Takže všetko, čo som urobil, bolo, že som vošiel a pre každého jedného zákazníka som zistil, kedy bol jeho posledný nákup a kedy bol jeho prvý nákup , a potom som ich vydelil celkovým počtom dní , počas ktorých uskutočnili transakciu.

Tak na to myslite. Takže pre každého zákazníka zistíme, kedy bol jeho prvý nákup , kedy posledný nákup a potom koľko dní s nami skutočne obchodoval.

Je zrejmé, že to nie je dokonalé, ale poskytne vám odhad priemerného počtu dní a nákupov. Keď k vám niekto chodí pravidelne, logickým spôsobom vám ukáže priemerné dni medzi nákupmi.

4. Určenie nadpriemerných dní

Potom som vytvoril ďalšie meranie, ktoré ukazuje, že ak zákazník prekročil odhadovaný priemerný počet dní, ukáže mi, koľko dní má skutočne za sebou. Toto  zobrazuje stĺpec Nadpriemerné dni .

Moja myseľ exploduje z toho, čo by si mohol urobiť s touto postavou. Povedzme, že ste online predajca, zistíte, že zákazník k vám prichádza každých 30 dní.

Do tohto dátumu im teda môžete poslať nejaký e-mailový marketing alebo môžete urobiť nejaké reklamy na Facebooku. Toto je skutočne, skutočne skvelý prehľad, ktorý môžete použiť na zlepšenie miery udržania zákazníkov.

Ďalším príkladom je tento konkrétny zákazník tu. Priemerný čas medzi nákupmi je 98 dní, pričom posledný nákup bol uskutočnený pred 48 dňami.

V dňoch pred ďalším nákupom tohto zákazníka mu môžete poslať nejaký marketingový materiál, ktorý mu pripomenie vašu firmu.

5. Stanovenie ziskovosti zákazníka

Ďalším meradlom, ktoré môžeme použiť, je ziskovosť vašich zákazníkov. Pomocoumôžete skontrolovať, ktorí z nich sú vaši najlepší zákazníci.

Môžete tiež určiť, či by to výrazne ovplyvnilo vaše podnikanie, keby ste stratili konkrétneho zákazníka. Ak použijeme príklad v tabuľke nižšie, strata Gregoryho Jacksona ako zákazníka nebude mať veľký vplyv, pretože ste od neho zarobili iba 3 222 USD na predaji.

Na druhej strane si chcete udržať Joshuu Romera, pretože bol doteraz veľmi dobrým zákazníkom. Môžete sformulovať marketingový plán a potom ho osloviť.

Môžete identifikovať zákazníkov, ktorí sú pre vašu firmu najziskovejší, a určiť, či nakupujú tak, ako by mali. Stĺpce Celkový predaj a Počet dní nad priemerom vám ukážu, ako identifikovať tieto dve čísla v reálnom čase.

Záver

Takže všetko zavŕšim týmto postrehom. Schopnosť integrovať pokročilé prediktívne analýzy do LuckyTemplates je výkonná a môže vašej organizácii pridať veľkú hodnotu.

Napríklad schopnosť robiť budúce obchodné predpovede môže zefektívniť vaše obchodné operácie a umožní vám získať konkurenčnú výhodu nad vašimi konkurentmi.

Nájdite si čas na prečítanie tohto videa a naučte sa techniku, ktorú môžete použiť na predpovedanie budúcich obchodných scenárov.

Ak sa chcete dozvedieť viac o niektorých z najpokročilejších analytických techník v LuckyTemplates, pozrite si nižšie uvedený odkaz z.

Veľa šťastia s týmito technikami