Ennustele, milloin asiakkaasi ostavat seuraavan W/LuckyTemplates

Mitä jos tietäisit, milloin asiakkaasi todennäköisesti tekevät seuraavan ostonsa LuckyTemplatesin ennakoivan analytiikan avulla? Voit katsoa tämän opetusohjelman koko videon tämän blogin alaosasta.

Ennakoivan analytiikan tekniikoita käyttämällä voimme yrittää ennustaa, milloin asiakkaidesi odotetaan ostavan tuotteitasi ja palveluitasi.

Tietysti LuckyTemplatesissa on vähän työtä, jotta kaikki tämä toimisi. Mutta se vain esittelee uskomattomia ja tehokkaita LuckyTemplates-analyyttisiä ominaisuuksia, jotka ovat käytettävissäsi, kun käytät DAX-kaavoja oikein.

LuckyTemplatesin avulla voit sisällyttää erilaisia ​​kaava- ja datamallinnustekniikoita saadaksesi erittäin merkityksellisiä oivalluksia.

Tässä viestissä aiomme keskustella joistakin ennakoivista ideoista. Tämä on jotain, joka on hyvin toteutettavissa DAX-näkökulmasta. Sitten keskustelemme siitä, kuinka voimme käyttää dataa asiakkaiden käyttäytymisen ennustamiseen. Viime kädessä tämä voi vaikuttaa myönteisesti taloudelliseen tulokseemme.

Sisällysluettelo

• Historiallisten tietojen käyttäminen asiakkaiden käyttäytymisen ennustamiseen
• Mitä voit tehdä historiallisilla tiedoilla
• 1. Viimeisen tapahtumapäivän määrittäminen
• 2. Viimeisestä ostosta kuluneiden päivien määrittäminen
• 3. Ostosten välisten päivien keskiarvon määrittäminen
• 4. Keskiarvon yläpuolella olevien päivien määrittäminen
• 5. Asiakkaan kannattavuuden määrittäminen
  • Johtopäätös

Historiallisten tietojen käyttäminen asiakkaiden käyttäytymisen ennustamiseen

Ennen kuin sukeltaamme keskusteluumme, katsokaamme asiakkaiden käyttäytymistaulukon tarjoamia historiallisia tietoja.

Ylhäällä näet kentät Asiakkaan nimi , Tapahtumapäivät yhteensä , Viimeisen oston päivämäärä , Päivää viimeisestä ostosta , Päivien keskiarvo ostojen välillä , Päiviä keskiarvon yläpuolella ja Kokonaismyynti .

Käyttämällä LuckyTemplatesin ennakoivaa analytiikkaa voimme katsoa ajassa taaksepäin ja nähdä, milloin asiakkaat ovat todella ostaneet. Voimme myös nähdä, kuinka monta kertaa henkilö on asioinut kanssamme.

Kuinka todennäköistä on, että he ostavat uudelleen milloin tahansa lähitulevaisuudessa heidän ostoaikansa perusteella?

Tähän kysymykseen saadut vastaukset ovat arvokas oivallus.

Mitä voit tehdä historiallisilla tiedoilla

LuckyTemplatesin yksinkertainen ennustava analytiikka ei tule olemaan 100 % tarkkaa, ja siinä on paljon monimutkaisuutta sen suhteen, mitä voi tapahtua, mutta mieti, kuinka voit käyttää tätä tietoa.

Jos asiakas on ostanut meiltä jotain keskimäärin 15 kertaa viimeisen 2 vuoden aikana ja hän on tehnyt tämän 40 tai 50 päivän välein, voit tehdä markkinointia, soittaa myyntipuheluun tai varmistaa, että hän näkee verkossa mainoksen. heitä ryhtymään toimiin.

On niin monia mahtavia tapoja käyttää tätä tietoa. Vaikka se ei tule olemaan täydellinen, se antaa sinulle käsityksen asiakkaan ostopäätöksistä ja voit laatia markkinointisuunnitelman näiden päätösten perusteella.

1. Viimeisen tapahtumapäivän määrittäminen

Joten käydään läpi, miten tein sen. Aloitan varsinaisesta viimeisestä ostopäivästä. Katsotaanpa kaavaa.

2. Viimeisestä ostosta kuluneiden päivien määrittäminen

Seuraavaksi sinun tulee laskea päivät edellisestä ostoksesta. Kuinka monta päivää on kulunut viimeisestä ostoksesta? Mikä on tietojoukossani viimeinen todellinen tapahtumapäivä? Selvitän sen tämän yksinkertaisen kaavan avulla.

Näistä tiedoista voimme päätellä, milloin asiakas on viimeksi ostanut meiltä. Se on mielenkiintoista ja hyödyllistä, koska haluat tietää, milloin asiakas on viimeksi ostanut sinulta, ja verrata sitä sitten ostosten väliseen keskimääräiseen aikaväliin.

Kun sinulla on tämä vertailukohta, voit löytää asiakastrendejä. Tässä tapauksessa asiakas Gregory Jackson on ostanut 61 päivän välein.

Mutta hän ei ole ostanut mitään 451 päivään, joten siellä on jotain aivan selvästi vialla. Voit käyttää näitä tietoja muuttaaksesi markkinointistrategioitasi saadaksesi tämän asiakkaan aktivoitumaan uudelleen.

3. Ostosten välisten päivien keskiarvon määrittäminen

Tämä on siis tämän analyysin iso osa: miten laskemme ostosten välisen keskimääräisen päivän? Vaikka se on yhdistelmä monia asioita, se voi olla yksinkertaisempaa kuin luulet.

Voit saada yhtä hyvän projektion, eikä se välttämättä ole täydellinen, mutta yhtä hyvä visualisoimalla tämä kaava.

Joten tein vain, että menin sisään ja selvitin jokaisen asiakkaan osalta, milloin hänen viimeinen ostos oli hänen ensimmäinen ostoksensa , ja sitten jaoin ne heidän kauppapäiviensä kokonaismäärällä .

Joten ajattele sitä. Joten selvitämme jokaisen asiakkaan osalta, milloin he tekivät ensimmäisen ostoksen , milloin he tekivät viimeisimmän ostoksen ja kuinka monta päivää he todella tekivät kauppaa kanssamme.

Ilmeisesti se ei ole täydellinen, mutta se antaa sinulle arvion keskimääräisistä päivistä ja ostoksista. Kun joku tulee luoksesi säännöllisesti, se näyttää sinulle keskimääräiset päivät ostosten välillä loogisella tavalla.

4. Keskiarvon yläpuolella olevien päivien määrittäminen

Sitten loin toisen mittarin, joka osoittaa, että jos asiakas on yli arvioidun keskimääräisen päivänsä, se näyttää minulle, kuinka monta päivää he todella ovat ylittäneet. Päivää keskiarvon yläpuolella -sarake näyttää tämän  .

Mieleni räjähtää, mitä voisit tehdä tälle hahmolle. Oletetaan, että olet verkkokauppias ja huomaat, että asiakas tulee luoksesi 30 päivän välein.

Joten ennen tätä päivämäärää voit lähettää heille sähköpostimarkkinointia tai voit tehdä mainoksia Facebookissa. Tämä on todella, todella hieno oivallus, jonka avulla voit parantaa asiakkaiden pysyvyyttä.

Toinen esimerkki on tämä asiakas täällä. Keskimääräinen aika ostosten välillä on 98 päivää, kun viimeinen ostos tehtiin 48 päivää sitten.

Tämän asiakkaan seuraavaa ostoa edeltävinä päivinä voit lähettää markkinointimateriaalia muistuttamaan häntä yrityksestäsi.

5. Asiakkaan kannattavuuden määrittäminen

Toinen mittari, jota voimme käyttää, on asiakkaidesi kannattavuus. Käyttämällä-sarakkeesta voit tarkistaa, mitkä ovat tärkeimmät asiakkaasi.

Voit myös määrittää, vaikuttaako yritykseesi suuresti, jos menetät tietyn asiakkaan. Alla olevan taulukon esimerkin avulla Gregory Jacksonin menettäminen asiakkaana ei vaikuta paljon, koska ansaitsit häneltä vain 3 222 dollaria.

Toisaalta haluat pitää Joshua Romeron, koska hän on ollut tähän asti erittäin hyvä asiakas. Voit laatia markkinointisuunnitelman ja ottaa sitten yhteyttä häneen.

Voit tunnistaa asiakkaat, jotka tuottavat yrityksellesi eniten, ja määrittää, ostavatko he niin kuin pitäisi. Kokonaismyynti- ja Keskiarvon yläpuolella olevat päivät -sarakkeet näyttävät , kuinka nämä kaksi lukua tunnistetaan reaaliajassa.

Johtopäätös

Joten päätän asiat tällä oivalluksella. Kyky integroida edistynyt ennakoiva analytiikka LuckyTemplatesissa on tehokas ja voi lisätä organisaatiollesi paljon arvoa.

Esimerkiksi kyky tehdä tulevaisuuden liiketoimintaennusteita voi tehostaa liiketoimintaasi ja antaa sinulle mahdollisuuden saada kilpailuetua kilpailijoihisi nähden.

Käytä aikaa tämän videon tarkistamiseen ja opi tekniikka, jonka avulla voit ennustaa tulevaisuuden liiketoimintaskenaarioita.

Jos haluat lisätietoja joistakin LuckyTemplatesin edistyneimmistä analytiikkatekniikoista, tutustu alla olevaan linkkiin.

Onnea näille tekniikoille