Megjósolja, mikor vásárolnak legközelebb W/LuckyTemplates ügyfelei

Mi lenne, ha a LuckyTemplates prediktív elemzése segítségével megtudhatná, hogy vásárlói várhatóan mikor vásárolnak legközelebb? Az oktatóanyag teljes videóját a blog alján tekintheti meg.

A prediktív elemzési technikák használatával megpróbálhatjuk megjósolni, hogy az ügyfelek várhatóan mikor vásárolják meg termékeit és szolgáltatásait.

Természetesen a LuckyTemplates-en belül lesz egy kis munka, hogy mindez működjön. De csak bemutatja azokat a hihetetlen és hatékony LuckyTemplates analitikai funkciókat, amelyek elérhetőek a DAX-képletek helyes használata esetén.

A LuckyTemplates segítségével különféle képlet- és adatmodellezési technikákat építhet be, hogy nagyon értelmes betekintést nyerhessen.

Ebben a bejegyzésben néhány prediktív betekintési ötletet fogunk megvitatni. Ez egy olyan dolog, ami a DAX szemszögéből nagyon kivitelezhető. Ezután megvitatjuk, hogyan használhatjuk fel az adatokat az ügyfelek viselkedésének előrejelzésére. Ez végső soron pozitívan befolyásolhatja pénzügyi eredményünket.

Tartalomjegyzék

• Történelmi adatok használata a vásárlói magatartás előrejelzésére
• Mit tehet a történelmi adatokkal
• 1. Az utolsó tranzakció dátumának meghatározása
• 2. Az utolsó vásárlás óta eltelt napok meghatározása
• 3. A vásárlások közötti átlagos napok meghatározása
• 4. Az átlag feletti napok meghatározása
• 5. Egy Ügyfél jövedelmezőségének meghatározása
  • Következtetés

Történelmi adatok használata a vásárlói magatartás előrejelzésére

Mielőtt belevágnánk a vitába, vessünk egy pillantást a vásárlói magatartás táblázat által szolgáltatott történelmi adatokra.

Felül láthatja az Ügyfél neve , a tranzakciók száma összesen , az utolsó vásárlás dátuma , az utolsó vásárlás óta eltelt napok , a vásárlások közötti napok átlagos száma , az átlag feletti napok és az összes értékesítés mezők.

A LuckyTemplates prediktív elemzésének használatával visszatekinthetünk az időben, és megnézhetjük, hogy az ügyfelek ténylegesen mikor vásároltak. Azt is láthatjuk, hogy egy személy hányszor kötött velünk tranzakciót.

A vásárlás időtartama alapján mekkora valószínűséggel vásárolnak újra a közeljövőben?

Az erre a kérdésre adott válasz eredménye értékes betekintést nyújt.

Mit tehet a történelmi adatokkal

A LuckyTemplates egyszerű prediktív elemzése nem lesz 100%-ban pontos, és sok bonyodalmat rejt magában, hogy mi történhet, de gondolja át, hogyan használhatja fel ezt a betekintést.

Ha egy ügyfél átlagosan 15-ször vásárolt tőlünk valamit az elmúlt 2 év során, és ezt 40 vagy 50 naponta megtette, akkor marketinget végezhet, felhívhat egy értékesítési hívást, vagy megbizonyosodhat arról, hogy egy hirdetést lát az interneten. hogy intézkedjenek.

Nagyon sok nagyszerű módja van ennek a betekintésnek a hasznosítására. Annak ellenére, hogy nem lesz tökéletes, megértheti az ügyfelek vásárlási döntéseit, és ezek alapján marketingtervet készíthet.

1. Az utolsó tranzakció dátumának meghatározása

Szóval nézzük végig, hogyan csináltam. A tényleges utolsó vásárlási dátummal kezdem. Nézzük a képletet.

2. Az utolsó vásárlás óta eltelt napok meghatározása

A következő lépés az utolsó vásárlás óta eltelt napok kiszámítása. Hány nap telt el az utolsó vásárlás óta? Mi az utolsó tényleges tranzakció dátuma az adatkészletemben? Csak ezt az egyszerű képletet használom.

Ezekből az adatokból meg tudjuk állapítani, hogy a vásárló mikor vásárolt utoljára nálunk. Ez érdekes és hasznos, mert tudni szeretné, hogy az ügyfél mikor vásárolt utoljára Öntől, majd ezt össze kell hasonlítani a vásárlások közötti átlagos időtartammal.

Ha megvan ez a viszonyítási alap, így fedezheti fel a vásárlói trendeket. Ebben az esetben az ügyfél Gregory Jackson 61 naponként vásárolt.

De 451 napja nem vásárolt semmit, tehát valami egyértelműen nincs rendben. Ezeket az adatokat felhasználhatja marketingstratégiájának módosítására, hogy az ügyfél ismét aktívvá váljon.

3. A vásárlások közötti átlagos napok meghatározása

Tehát ez az elemzés nagy része: hogyan számítjuk ki a vásárlások közötti átlagos napokat? Bár sok dolog kombinációja, egyszerűbb lehet, mint gondolnád.

Ugyanolyan jó vetítést kaphat, és lehet, hogy nem tökéletes, de ugyanolyan jó, ha ezt a képletet vizualizálja.

Tehát csak annyit tettem, hogy beléptem, és minden egyes vásárlónál kiszámoltam, hogy mikor volt az utolsó vásárlása , illetve az első vásárlás időpontja , majd elosztottam őket az általuk lebonyolított napok számával .

Szóval gondolkodj ezen. Így minden vásárlónál kiszámoljuk, hogy mikor vásárolt először , mikor vásárolt utoljára , és azután hány napon keresztül kötött velünk tranzakciót.

Nyilvánvalóan nem tökéletes, de becslést ad az átlagos napokról és vásárlásokról. Ha valaki rendszeresen eljön Önhöz, akkor logikus módon mutatja be a vásárlások közötti átlagos napokat.

4. Az átlag feletti napok meghatározása

Ezután létrehoztam egy másik mérőszámot, amely megmutatja, hogy ha egy ügyfél túl van a becsült átlagos napokon, akkor megmutatja, hogy valójában hány napon van túl. Ezt  mutatja a Napok átlag feletti száma oszlop.

Felrobban az agyam, hogy mit tudna kezdeni ezzel a figurával. Tegyük fel, hogy Ön egy online kiskereskedő, és rájön, hogy 30 naponta érkezik Önhöz egy ügyfél.

Tehát egészen addig a dátumig küldhetsz nekik e-mail-marketinget, vagy készíthetsz néhány hirdetést a Facebookon. Ez egy igazán, igazán nagyszerű betekintés, amelyet felhasználhat az ügyfélmegtartási arány javítására.

Egy másik példa ez a konkrét ügyfél. A vásárlások közötti átlagos idő 98 nap, míg legutóbbi vásárlásuk 48 napja történt.

Az ügyfél következő vásárlását megelőző napokban küldhet marketinganyagot, hogy emlékeztesse őket vállalkozására.

5. Egy Ügyfél jövedelmezőségének meghatározása

Egy másik mérce, amelyet használhatunk, az ügyfelei jövedelmezősége. Használni aoszlopban ellenőrizheti, hogy melyek a legjobb ügyfelei.

Azt is meghatározhatja, hogy nagy hatással lenne-e vállalkozására, ha elveszítene egy ügyfelet. Az alábbi táblázat példája alapján Gregory Jackson ügyfélként való elvesztése nem lesz túl nagy hatással, mivel csak 3222 USD-t keresett tőle.

Másrészt szeretné megtartani Joshua Romerót, mert eddig nagyon jó vásárló volt. Készíthet marketingtervet, majd felkeresheti őt.

Meghatározhatja azokat az ügyfeleket, amelyek a legjövedelmezőbbek vállalkozása számára, és megállapíthatja, hogy úgy vásárolnak-e, ahogy kellene. Az Összes értékesítés és az Átlag feletti napok oszlopok megmutatják, hogyan azonosíthatja ezt a két adatot valós időben.

Következtetés

Tehát ezzel a betekintéssel lezárom a dolgokat. A fejlett prediktív elemzések LuckyTemplatesbe integrálásának képessége hatékony, és sok értéket adhat szervezetének.

Például a jövőbeli üzleti előrejelzések képessége hatékonyabbá teheti üzleti tevékenységét, és versenyelőnyre tehet szert versenytársaival szemben.

Szánjon rá időt a videó áttekintésére, és tanuljon meg egy technikát, amellyel a jövőbeli üzleti forgatókönyveket előre jelezheti.

Ha többet szeretne megtudni a LuckyTemplates legfejlettebb elemzési technikáiról, nézze meg az alábbi linket.

Sok sikert ezekkel a technikákkal