LTV: كيفية استخدام البيانات المتاحة للتنبؤ بقيمة العميل

النمو طويل الأجل هو جوهر التسويق الحديث ، والذي يركز على تحويل العملاء لمرة واحدة إلى عملاء منتظمين ومخلصين. يساعد استخدام مقياس LTV الشركات في تخصيص التسويق بشكل هادف: إنشاء حلول لتوصيات المنتجات الشخصية والحملات الإعلانية.

ومع ذلك ، عندما تحصل رسميًا على LTV باستخدام صيغ بسيطة ، على سبيل المثال ، من خلال معدل التمزق ، غالبًا ما تكون النتائج غير مرضية للأعمال. باستخدام مثال شركة كبيرة للتجارة الإلكترونية ، نعرض كيفية دمج بيانات المستخدم في مستودع واحد وتحديد منهجية حساب باستخدام مجموعات مختلفة من العملاء.

نظرًا لأن الشركة أرادت استخدام جميع البيانات المتاحة للتنبؤ بقيمة العميل وزيادة عمر العميل والقيمة الدائمة للعميل لقاعدة العملاء بأكملها ، فقد تم تحديد أهداف مثل:

• شريحة العملاء بناءً على نشاط الشراء الخاص بهم.
• إضفاء الطابع الشخصي على الاتصال مع شرائح العملاء التي تم الحصول عليها ، باستخدام الاتصالات الرقمية وقنوات التسويق المباشر (البريد الإلكتروني ، والرسائل القصيرة ، ومراكز الاتصال).

من بين الأدوات المستخدمة Google Analytics لجمع وتخزين بيانات سلوك المستخدم ونظام CRM (Microsoft Dynamics) لجمع البيانات حول الطلبات المكتملة. يجب أيضًا دمج هذه البيانات (بناءً على تكرار شراء العملاء) في نظام بيانات واحد لتقسيم العملاء. بعد ذلك ، يمكن إرسال شرائح العملاء التي تم الحصول عليها إلى الخدمات الإعلانية واستخدامها لعرض الإعلانات ذات الصلة وتخصيص الاتصالات التسويقية المباشرة.

تم اختيار Google BigQuery (GBQ) كمخزن بيانات سحابي لدمج البيانات ، بسبب معايير الأمان العالية والتكامل البسيط مع الخدمات الأخرى. في حين تم تطبيق OWOX BI Pipeline لإرسال البيانات الأولية غير المستندة إلى عينات حول سلوك المستخدم إلى GBQ ، في الوقت الفعلي تقريبًا.

بمساعدة API ومكتبات العميل ، تم نقل البيانات التالية من CRM إلى Google BigQuery:

• بيانات حول جميع الطلبات ، بما في ذلك الطلبات المكتملة (عبر الإنترنت وغير متصل ومن خلال مراكز الاتصال).
• معرفات مستخدم العميل ، إلى جانب بياناتهم الشخصية (الاسم ، والجنس ، وتاريخ الميلاد ، وعنوان البريد الإلكتروني ، ورقم الهاتف ، وتاريخ التسجيل ، وحالة برنامج الولاء ، والبريد الإلكتروني ، والاشتراك في الرسائل القصيرة ، وما إلى ذلك) ، بالإضافة إلى البيانات المتعلقة بنشاط شراء العملاء (أ عدد الطلبات التي قدمها العميل).

هنا مخطط تدفق البيانات:

نظرًا لأن عميلنا كان عبارة عن تجارة تجزئة للأزياء متعددة القنوات ، كانت هناك ضرورة لإنشاء شرائح العملاء الخاصة به مع معلمات مخصصة إضافية.

تم تعيين وقت دورة الاستهلاك لقاعدة العملاء على 1.5 شهر ± 2 يوم لحساب الفترة الزمنية للتجزئة. هذه القيمة هي متوسط ​​عدد الأيام بين الأمرين المتجاورين. للتحقق من هذا الرقم المتوسط ​​، تم حساب عدد الأيام بين الطلبات عبر الإنترنت ، ثم عدد الأيام بين الطلبات غير المتصلة بالإنترنت ، للحصول على متوسط ​​القيمة الموزونة لكلا النوعين من الطلبات.

بعد ذلك ، تم تحديد أنواع الشرائح الرئيسية بناءً على الفترة الزمنية المحسوبة لمثل هذه القطاعات مثل:

• أعضاء جدد . المستخدمون المسجلون حديثًا والذين لم يجروا أي عمليات شراء.
• الأعضاء القدامى . الأعضاء المسجلين القدامى الذين لم يجروا أي عمليات شراء.
• مشترون جدد . العملاء الذين أجروا أول عملية شراء.
• مشترين جيدين . العملاء الذين أجروا 3 عمليات شراء أو أكثر خلال آخر 6 فترات زمنية.
• مشترين جيدين جدا . العملاء الذين أجروا أكبر عدد من عمليات الشراء خلال آخر 6 فترات زمنية. كحد أعلى لهذا المقطع ، استخدم محللو OWOX BI معدل التحويل (النسبة المئوية للعملاء الذين أجروا عملية شراء خلال فترة التقرير). على سبيل المثال ، العميل الذي اشترى شيئًا ما في كل فترة زمنية أو في 4-5 من 6 فترات زمنية أخيرة.
• المشترين العرضيين . العملاء الذين أجروا عملية شراء خلال 1-2 فترات من آخر 6 فترات زمنية.
• مشترو النوم . المستخدمون الذين لم يجروا عملية شراء خلال آخر 6 فترات زمنية.
• غير نشط . المستخدمون الذين لم يجروا عملية شراء خلال آخر 12 فترة زمنية.

بعد تحديد شروط التجزئة ، أنشأ الفريق مخططًا لانتقالات المستخدم المحتملة بين مجموعات العملاء. من الأهمية بمكان رؤية ترحيل المستخدم من قطاع إلى آخر خلال الفترة الزمنية التي تم تحليلها وبعد التواصل مع العملاء من خلال قنوات التسويق الرقمية والمباشرة.

يوضح المخطط أعلاه النسبة المئوية للمستخدمين الذين يتحولون إلى شرائح أكثر نشاطًا خلال فترة إعداد التقارير. يعد الانتقال إلى مقاطع أكثر نشاطًا اتجاهًا إيجابيًا ويظهر باللون الأخضر ، في حين أن الانتقال إلى المقاطع السلبية هو اتجاه سلبي ويظهر باللون الأحمر. على سبيل المثال ، يمكنك أن ترى أن 15٪ من المستخدمين المسجلين ( الأعضاء الجدد ) يجرون أول عملية شراء ويصبحون مشترين جددًا ، وهو اتجاه جيد. 86٪ من الأشخاص ، الذين أجروا عملية شراء في الفترة الزمنية السابقة ، لم يشتروا أي شيء في الفترة الزمنية التي تم تحليلها وأصبحوا في النهاية مشترين غير رسميين ، وهو اتجاه سلبي.

أنشأ محللو OWOX BI مقاطع مستخدم من خلال تطبيق استعلامات SQL. نتيجة لذلك ، تلقوا جدولًا يحتوي على معرّفات المستخدمين وبيانات المستخدم الشخصية واسم المقطع.

بعد ذلك ، تم تشكيل الجدول مع معدلات الكفاءة الرئيسية لكل قسم:

• عدد المستخدمين في المقطع ونسبة المقطع في قاعدة العملاء.
• عدد الطلبات: الأوامر الإجمالية والمكتملة في مقطع.
• متوسط ​​الإيرادات لكل مستخدم.
• عدد الطلبات لكل مستخدم.
• العدد الإجمالي للأوامر وحصة المقطع في المبيعات العامة.
• التغييرات في عدد المستخدمين في شريحة (معدل النمو).

نظرًا لأن العميل يفضل إنشاء التقارير عبر جداول بيانات Google ، فقد تم استخدام الوظيفة الإضافية OWOX BI BigQuery Reports كطريقة بسيطة وموثوقة لنقل البيانات من Google BigQuery. دعونا نرى ما هي التقارير التي تم إنشاؤها بناءً على البيانات التي تم الحصول عليها.

يكشف التقرير الأول عن عدد المستخدمين الذين انتقلوا إلى شريحة أخرى أو ظلوا في نفس الشريحة.

يُظهر مقياس العملاء عدد المستخدمين ، ويوضح العمود StartSegment شريحة المستخدم في الفترة السابقة ، ويوضح العمود EndSegment شريحة المستخدم للفترة الزمنية الحالية. على سبيل المثال ، في السطر 7 يمكننا أن نرى عدد العملاء الذين تحولوا إلى مشترين جيدين من مشترين غير رسميين ، ومرة ​​أخرى ، هذا اتجاه جيد. لكن يمكننا أن نرى موقفًا معاكسًا تمامًا في السطر 10 ، وهو اتجاه سيئ. يمثل السطر 5 العملاء الذين ظلوا غير نشطين . هذا يعني أن العمل يحتاج إلى التواصل مع هؤلاء العملاء في كثير من الأحيان أو بشكل أكثر فاعلية وإقناعهم بالبدء في الشراء مرة أخرى بعد 6 فترات زمنية من عدم النشاط.

يعرض التقرير الثاني البيانات الحالية لكل مستخدم خلال فترة زمنية محددة.

يعرض القائمة الحالية للعملاء الذين كانوا أعضاء في كل قسم من القطاعات التسعة. يعرض هذا التقرير أيضًا جميع بيانات المستخدم الشخصية للاتصال المباشر: عنوان البريد الإلكتروني ورقم الهاتف وتاريخ الميلاد والاسم والجنس وحالة برنامج الولاء ومتوسط ​​الإيرادات لكل مستخدم والعدد الإجمالي لمكافآت المستخدم. مع وجود هذه البيانات في متناول اليد ، يمكن لمتخصصي التسويق إعداد إعلانات مخصصة لكل شريحة مستخدم. على سبيل المثال ، يمكنك تجميع المشترين غير الرسميين مع النشاط 0101000 (عمليتا شراء في غضون 7 أشهر) ، وإرسال دعوة لهم لإجراء عملية بيع سرية.

علاوة على ذلك ، تساعد المعلومات الواردة في التقرير في توفير ميزانية الإعلان ، مما يسمح باستبعاد شرائح كبيرة من المستخدمين من الجمهور المستهدف الذي تتواصل معه الشركة بالفعل ، باستخدام قنوات التسويق المباشر. أيضًا ، يمكن إثراء هذه البيانات بمعلومات أكثر تفصيلاً حول كل عميل ، مما يسمح للشخص بمراعاة العلامة التجارية والفئة وسعر اختيارات العملاء أثناء تشكيل إستراتيجية إعلانية.

يشير التقرير الثالث إلى مقاييس نشاط الشراء عبر شرائح العملاء خلال الفترة الزمنية التي تم تحليلها ، مقارنة بالفترة السابقة.

يساعد هذا التقرير في تتبع تغييرات مؤشرات الأداء الرئيسية لكل شريحة من شرائح العملاء:

• الإيرادات الناتجة عن شريحة العملاء ، وحصتها في إجمالي مبيعات الشركة.
• أرقام المقارنة لنشاط الشراء: تكرار الشراء ومتوسط ​​العائد لكل مستخدم.
• معدل إتمام الطلب: النسبة المئوية للطلبات التي تم دفعها.
• التغييرات في عدد المستخدمين من الشرائح النشطة. يُظهر الاتجاه الإيجابي نمو المستخدمين في القطاعات النشطة ( المشترون الجيدون ، والمشترين الجيدين جدًا ، والمشترين الجدد ) وانخفاض المستخدم في الشرائح السلبية ( المشترون النائمون ، والمشترين غير النشطين ، والمشترين العرضيين مع نشاط الشراء *** 000 ، ** 0000 ، و * 00000). للحصول على معلومات أكثر تفصيلاً حول تغييرات المقطع ، يمكن استخدام مخطط انتقالات المستخدم المحتملة من جزء إلى آخر. يسمح هذا المخطط أيضًا بمعرفة مدى تنظيم الاتصال مع العملاء بشكل جيد خلال فترة إعداد التقارير.

• باستخدام أدوات Google و OWOX BI ، تمكن مشروع التجارة الإلكترونية من جمع بيانات كاملة ومفصلة لإنشاء شرائح العملاء.
• ساعد محللو OWOX BI في أتمتة إنشاء التقارير. يمكن الآن تحليل مؤشرات الأداء الرئيسية المهمة عبر شرائح العملاء ومجموعات البيانات ، مع مراعاة البيانات الخاصة بكل عميل من أي قطاع.
• أثرى العمل التواصل مع عملائه من خلال تطبيق حملات إعلانية مفصلة.