LTV：如何使用可用数据来预测客户价值

长期增长是现代营销的精髓，它专注于将一次性客户转变为经常和忠诚的客户。 使用 LTV 指标可帮助公司有意义地个性化营销：为个性化产品推荐和广告活动创建解决方案。

但是，当您使用简单的公式（例如，通过流失率）正式获得 LTV 时，结果往往对业务不满意。 以大型电子商务企业为例，我们展示了如何将用户数据集成到单个存储库中，并使用不同的客户群选择计算方法。

由于企业希望使用所有可用数据来预测客户价值，增加客户寿命和整个客户群的 LTV，因此设定了以下目标：

• 根据客户的购买活动对客户进行细分。
• 使用数字通信和直接营销渠道（电子邮件、短信、呼叫中心）与获得的客户群进行个性化沟通。

使用的工具包括用于收集和存储用户行为数据的 Google Analytics（分析）和用于收集有关已完成订单数据的 CRM 系统（Microsoft Dynamics）。 这些数据也应该合并（基于客户的购买频率）在一个单一的数据系统中，用于对客户进行细分。 然后，可以将获得的客户细分发送到广告服务并用于展示相关广告和个性化直接营销传播。

Google BigQuery (GBQ) 被选为用于合并数据的云数据存储，因为它具有高安全标准和与其他服​​务的简单集成。 而 OWOX BI Pipeline 则用于近乎实时地向 GBQ 发送有关用户行为的原始未采样数据。

在 API 和客户端库的帮助下，以下来自 CRM 的数据被传输到 Google BigQuery：

• 有关所有订单的数据，包括已完成的订单（在线、离线和通过呼叫中心）。
• 客户用户 ID，以及他们的个人数据（姓名、性别、生日、电子邮件地址、电话号码、注册日期、忠诚度计划状态、电子邮件、短信订阅等），以及有关客户购买活动的数据（a客户的订单数量）。

这是数据流模式：

由于我们的客户是一家全渠道时尚零售企业，因此有必要使用额外的自定义参数创建自己的客户群。

客户群的消费周期时间设定为1.5个月±2天，计算细分的时间周期。 此值是两个相邻订单之间的天数中位数。 为了检查这个中位数，计算了在线订单之间的天数，然后是离线订单之间的天数，以获得两种订单的加权平均值。

接下来，根据计算的时间段确定主要的细分类型，例如：

• 新成员。 未进行购买的新注册用户。
• 老会员。 未进行购买的老注册用户。
• 新买家。 首次购买的客户。
• 好买家。 在过去 6 个时间段内进行了 3 次或更多购买的客户。
• 非常好的买家。 在过去 6 个时间段内购买最多的客户。 作为该细分市场的上限，OWOX BI 分析师使用了转化率（在报告期内进行购买的客户的百分比）。 例如，客户在每个时间段或最后 6 个时间段中的 4-5 个购买了东西。
• 休闲买家。 在过去 6 个时间段中的 1-2 个时间段内进行购买的客户。
• 睡买家。 在过去 6 个时间段内未进行购买的用户。
• 不活动。 在过去 12 个时间段内未进行购买的用户。

指定细分条件后，该团队创建了客户组之间可能的用户转换模式。 在分析的时间段内以及通过数字和直接营销渠道与客户沟通之后，看到用户从一个细分市场迁移到另一个细分市场至关重要。

上面的架构展示了在报告期内切换到更活跃细分的用户百分比。 过渡到更活跃的部分是一种积极的趋势，用绿色显示，而过渡到被动的部分是一种消极的趋势，用红色显示。 例如，您可以看到 15% 的注册用户（新会员）首次购买并成为新买家，这是一个很好的趋势。 86% 的人在上一个时间段内购买，在分析的时间段内没有购买任何东西，最终成为休闲购买者，这是一种负面趋势。

OWOX BI 分析师通过应用 SQL 查询来创建用户细分。 结果，他们收到了一个包含用户 ID、个人用户数据和分段名称的表。

接下来，形成了每个部分的主要效率表：

• 细分中的用户数量和客户群中的细分百分比。
• 订单数量：一个细分市场中的总订单和已完成订单。
• 每个用户的平均收入。
• 每个用户的订单数。
• 订单总数和分部在总营业额中的份额。
• 细分中用户数量的变化（增长率）。

由于客户更喜欢通过 Google 表格创建报告，因此 OWOX BI BigQuery Reports 插件被用作从 Google BigQuery 传输数据的简单且值得信赖的方式。 让我们看看根据获得的数据构建了哪些报告。

第一份报告显示了转移到另一个细分市场或留在同一细分市场的用户数量。

Clients指标显示用户数量， StartSegment列显示上一期间的用户段， EndSegment列显示当前时间段的用户段。 例如，在第 7 行中，我们可以看到有多少客户从Casual Buyer切换到Good Buyer，这也是一个好的趋势。 但是我们可以在第 10 行看到完全相反的情况，这是一个不好的趋势。 第 5 行代表仍然处于非活动状态的客户。 这意味着企业需要更频繁或更有效地与这些客户沟通，并说服他们在 6 个不活跃时间段后再次开始购买。

第二个报告显示了在设定的时间段内每个用户的当前数据。

它显示了属于九个细分市场中每个细分市场的客户的当前列表。 此报告还显示用于直接通信的所有个人用户数据：电子邮件地址、电话号码、生日、姓名、性别、忠诚度计划状态、每位用户的平均收入以及用户奖金的总数。 有了这些数据，营销专家可以为每个用户群设置个性化广告。 例如，您可以将休闲买家与 0101000 活动（7 个月内购买 2 次）分组，并向他们发送秘密销售邀请。

此外，报告中的信息有助于节省广告预算，允许使用直接营销渠道从公司已经与之沟通的目标受众中排除大量用户。 此外，可以通过有关每个客户的更详细信息来丰富此数据，从而在制定广告策略时考虑客户选择的品牌、类别和价格。

第三份报告显示了与上一时期相比，在分析的时间段内跨客户群的购买活动指标。

此报告有助于跟踪每个客户群的 KPI 变化：

• 一个客户群产生的收入，以及它在公司总营业额中的份额。
• 购买活动的比较数据：购买频率和每位用户的平均收入。
• 订单完成率：已支付订单的百分比。
• 来自活动细分的用户数量的变化。 积极趋势表明活跃用户群（好买家、非常好用户、新用户）的用户增长和被动用户群（睡眠用户、非活跃用户、休闲用户，购买活动为 ***000、**0000 和*00000)。 要获得有关段更改的更详细信息，可以使用从一个段到另一个段的可能用户转换的模式。 此模式还允许查看报告期内与客户的沟通组织得如何。

• 使用 Google 和 OWOX BI 工具，电子商务项目设法收集完整和详细的数据以创建客户群。
• OWOX BI 分析师帮助自动创建报告。 现在，可以跨客户细分和数据集分析重要的 KPI，考虑来自任何细分市场的每个客户的数据。
• 该业务通过应用详细的广告活动丰富了与客户的沟通。