Передбачте, коли ваші клієнти зроблять наступну покупку за допомогою LuckyTemplates

Що, якби ви могли знати, коли ваші клієнти, ймовірно, зроблять свою наступну покупку за допомогою прогнозної аналітики в LuckyTemplates? Ви можете переглянути повне відео цього підручника внизу цього блогу.

Використовуючи методи прогнозної аналітики, ми можемо спробувати передбачити, коли очікується, що ваші клієнти купуватимуть ваші продукти та послуги.

Звичайно, всередині LuckyTemplates потрібно трохи попрацювати, щоб усе це запрацювало. Але він просто продемонструє неймовірні та потужні аналітичні функції LuckyTemplates, доступні вам під час правильного використання формул DAX.

За допомогою LuckyTemplates ви можете включати різні методи моделювання формул і даних, щоб отримати дуже значущу інформацію.

У цій публікації ми збираємося обговорити деякі ідеї прогнозування. Це те, що дуже можливо з точки зору DAX. Потім ми обговоримо, як ми можемо використовувати дані для прогнозування поведінки клієнтів. Зрештою, це може позитивно вплинути на наш фінансовий результат.

Зміст

• Використання історичних даних для прогнозування поведінки клієнтів
• Що ви можете робити з історичними даними
• 1. Визначення дати останньої транзакції
• 2. Визначення кількості днів після останньої покупки
• 3. Визначення середньої кількості днів між покупками
• 4. Визначення кількості днів вище середнього
• 5. Визначення рентабельності замовника
  • Висновок

Використання історичних даних для прогнозування поведінки клієнтів

Перш ніж перейти до нашої дискусії, давайте подивимось на історичні дані, надані в таблиці поведінки клієнтів.

Зверху ви побачите поля «Ім’я клієнта » , « Загальна кількість днів транзакцій », «Дата останньої покупки », «Дні з моменту останньої покупки» , «Середня кількість днів між покупками» , « Дні вище середнього » та «Загальні продажі» .

Використовуючи прогнозну аналітику в LuckyTemplates, ми можемо зазирнути в минуле та побачити, коли клієнти дійсно купували. Ми також можемо побачити, скільки разів особа здійснювала з нами транзакції.

Виходячи з періоду часу, за який вони придбали, наскільки ймовірно, що вони зроблять повторну покупку в будь-який момент у найближчому майбутньому?

Результати відповіді на це питання є цінним розумінням.

Що ви можете робити з історичними даними

Проста прогнозна аналітика в LuckyTemplates не буде на 100% точною, і існує багато тонкощів навколо того, що може статися, але подумайте, як ви можете використовувати цю інформацію.

Якщо в середньому клієнт купував щось у нас 15 разів протягом останніх 2 років і робив це кожні 40 або 50 днів, ви можете зайнятися маркетингом, зателефонувати відділу продажів або переконатися, що вони бачать рекламу в Інтернеті, щоб підказати щоб вони вжили заходів.

Є так багато чудових способів, якими ви можете скористатися цією інформацією. Незважаючи на те, що він не буде ідеальним, він дасть вам розуміння рішень клієнта про покупку, і ви зможете розробити маркетинговий план на основі цих рішень.

1. Визначення дати останньої транзакції

Отже, давайте розглянемо, як я це зробив. Почну з фактичної останньої дати покупки. Давайте подивимося на формулу.

2. Визначення кількості днів після останньої покупки

Далі потрібно підрахувати дні з моменту останньої покупки. Скільки днів минуло з моменту останньої покупки? Яка дата останньої фактичної операції в моєму наборі даних? Я просто зрозумів це за допомогою цієї простої формули.

За цими даними ми можемо визначити, коли клієнт востаннє купував у нас. Це цікаво та корисно, оскільки ви хочете знати, коли клієнт востаннє купував у вас, а потім порівняти це із середнім періодом часу між покупками.

Отримавши цей контрольний показник, ви зможете виявити тенденції клієнтів. У цьому випадку клієнт Грегорі Джексон купував кожні 61 день.

Але він нічого не купував протягом 451 дня, тому тут щось зовсім не так. Ви можете використовувати ці дані, щоб змінити свої маркетингові стратегії, щоб спонукати цього клієнта знову стати активним.

3. Визначення середньої кількості днів між покупками

Отже, це велика частина цього аналізу: як ми розраховуємо середню кількість днів між покупками? Хоча це поєднання багатьох речей, це може бути простіше, ніж ви думаєте.

Ви можете отримати таку ж хорошу проекцію, і вона може бути не ідеальною, але такою ж хорошою, візуалізуючи цю формулу.

Тож усе, що я зробив, це те, що я зайшов і для кожного окремого клієнта визначив, коли вони зробили останню покупку порівняно з тим, коли вони зробили першу покупку , а потім розділив їх на загальну кількість днів , протягом яких вони здійснили транзакцію.

Тож подумайте про це. Отже, для кожного клієнта ми з’ясуємо, коли він зробив першу покупку , коли востаннє , а потім, скільки днів вони фактично здійснювали з нами транзакцію.

Очевидно, він не ідеальний, але він дасть вам оцінку середньої кількості днів і покупок. Коли хтось приходить до вас регулярно, він логічним чином покаже вам середню кількість днів між покупками.

4. Визначення кількості днів вище середнього

Тоді я створив ще один показник, який показує, що якщо клієнт перевищив передбачувану середню кількість днів, це покаже мені, скільки днів він фактично перевищив. Це те, що  показано в стовпці «Дні вище середнього» .

Мій розум вибухає від того, що можна зробити з цією фігурою. Скажімо, ви онлайн-продавець, і ви визначили, що клієнт приходить до вас кожні 30 днів.

Тож до цієї дати ви можете надіслати їм рекламу електронною поштою або розмістити рекламу на Facebook. Це справді, справді чудове розуміння, яке ви можете використати, щоб покращити рівень утримання клієнтів.

Іншим прикладом є цей конкретний клієнт тут. Середній час між покупками становить 98 днів, а остання покупка була зроблена 48 днів тому.

За кілька днів до наступної покупки цього клієнта ви можете надіслати маркетинговий матеріал, щоб нагадати йому про ваш бізнес.

5. Визначення рентабельності замовника

Іншим показником, який ми можемо використовувати, є прибутковість ваших клієнтів. Використовуючиви можете перевірити, хто з них є вашими найпопулярнішими клієнтами.

Ви також можете визначити, чи суттєво вплине на ваш бізнес втрата певного клієнта. Використовуючи приклад у таблиці нижче, втрата Грегорі Джексона як клієнта не матиме великого впливу, тому що ви заробили лише 3222 долари від продажів від нього.

З іншого боку, ви хочете зберегти Джошуа Ромеро, тому що він досі був дуже хорошим клієнтом. Ви можете сформулювати маркетинговий план і потім звернутися до нього.

Ви можете визначити клієнтів, які є найбільш прибутковими для вашого бізнесу, і визначити, чи вони здійснюють покупки належним чином. Стовпці « Загальний обсяг продажів » і «Дні вище середнього» покажуть вам, як визначити ці дві цифри в реальному часі.

Висновок

Тож я збираюся завершити це розумінням. Можливість інтегрувати розширену прогнозну аналітику в LuckyTemplates є потужною та може додати велику цінність вашій організації.

Наприклад, можливість робити майбутні бізнес-прогнози може зробити ваші бізнес-операції більш ефективними та дозволить вам отримати конкурентну перевагу над вашими конкурентами.

Не поспішайте переглянути це відео та навчіться техніці, яку можна застосувати для прогнозування майбутніх бізнес-сценаріїв.

Якщо ви хочете дізнатися більше про деякі з найдосконаліших методів аналітики в LuckyTemplates, перегляньте посилання нижче на.

Удачі з цими техніками