Predicția valorii pe viață a clientului (CLV)

Articol
08/03/2022
13 minute de lectură

Preziceți valoarea potențială (veniturile) pe care clienții activi individuali o vor aduce în afacerea dvs. într-o perioadă de timp viitoare definită. Această funcție vă poate ajuta să atingeți diferite obiective:

Identificați clienții cu valoare ridicată și procesați această perspectivă
Creați segmente de clienți strategici pe baza valorii potențiale a acestora pentru a derula campanii personalizate cu eforturi de vânzări, marketing și asistență direcționate
Ghidați dezvoltarea produselor concentrându-vă pe caracteristicile care măresc valoarea clienților
Optimizați strategia de vânzări sau de marketing și alocați bugetul mai precis pentru contactarea clienților
Recunoașteți și recompensați clienții cu valoare ridicată prin programe de loialitate sau recompense

Cerințe preliminare

Înainte de a începe, reflectați ce înseamnă CLV pentru afacerea dvs. În prezent, acceptăm CLV bazat pe tranzacții predicție. Valoarea estimată a unui client se bazează pe istoricul tranzacțiilor comerciale. Pentru a crea predicție, aveți nevoie de permisiuni de cel puțin Colaborator.

Deoarece configurarea și rularea unui model CLV nu necesită mult timp, luați în considerare crearea mai multor modele cu preferințe de intrare variate și comparați rezultatele modelului pentru a vedea ce scenariu de model se potrivește cel mai bine nevoilor dvs. de afaceri.

Cerinţe de date

Următoarele date sunt necesare și, dacă sunt marcate opțional, recomandate pentru o performanță sporită a modelului. Cu cât modelul poate prelucra mai multe date, cu atât va fi mai precisă predicția. Prin urmare, vă încurajăm să efectuați ingerarea mai multor date despre activitatea clienților, dacă sunt disponibile.

Identificator client: identificator unic pentru a potrivi tranzacțiile cu un client individual
Istoricul tranzacțiilor: jurnalul istoric al tranzacțiilor cu schema de date semantice de mai jos
- ID-ul de tranzacție: identificator unic al fiecărei tranzacții
- Data tranzacției: Data, de preferință un marcaj de timp al fiecărei tranzacții
- Valoarea tranzacției: valoarea monetară (de exemplu, venitul sau marja de profit) a fiecărei tranzacții
- Etichetă atribuită returnărilor (opțional): valoare booleană care indică dacă tranzacția este o returnare
- ID produs (opțional): ID produs al produsului implicat în tranzacție
Date suplimentare (opțional), de exemplu
- Activități web: istoricul vizitelor site-ului web, istoricul e-mailurilor
- Activități de loialitate: puncte de recompensă de loialitate acumulate și istoricul de răscumpărare
- Serviciu pentru relații cu clienții jurnal, apel de serviciu, reclamație sau istoricul de returnare
- Informații despre profilul clientului
Date despre activitățile clienților (opțional):
- Identificatori de activitate pentru a distinge activitățile de același tip
- Identificatori ai clienților pentru asocia activitățile cu clienții dvs.
- Informații despre activitate care conțin numele și data activității
- Schema de date semantice pentru activități include:
  - Cheia primară: Un identificator unic pentru o activitate.
  - Marcaj temporal: Data și ora evenimentului identificate de cheia primară.
  - Eveniment (numele activității): numele evenimentului pe care doriți să îl utilizați
  - Detalii (suma sau valoarea): detalii despre activitatea clientului
Caracteristici de date sugerate:
- Date istorice suficiente: cel puțin un an de date tranzacționale. De preferință, doi-trei ani de date tranzacționale pentru a prezice CLV pentru un an.
- Achiziții multiple pe client: în mod ideal, cel puțin două până la trei tranzacții pe ID-ul clientului, de preferință pe mai multe date.
- Număr de clienți: cel puțin 100 de clienți unici, de preferință mai mult de 10.000 de clienți. Modelul va eșua cu mai puțin de 100 clienți și cu date istorice insuficiente.
- Completitatea datelor: mai puțin de 20% lipsesc valorile din câmpurile obligatorii din datele de intrare

Notă

Modelul necesită istoricul tranzacțiilor clienților dvs. În prezent, poate fi configurată o singură entitate din istoricul tranzacțiilor. Dacă există mai multe entități de cumpărare/tranzacție, le puteți uni Power Query înainte de ingerarea datelor.
Cu toate acestea, pentru date suplimentare despre activitatea clienților (opțional), puteți adăuga oricâte entități de activitate ale clienților doriți, pentru a fi considerate de model.

Creați o predicție a valorii duratei de viață a clientului

Mergi la Inteligența > Previziuni.
Selectați dala Valoarea duratei de viață a clientului și selectați Utilizați modelul.
În Valoarea de viață a clientului panou, selectați Incepe.
Denumiți acest model și Numele entității de ieșire pentru a le distinge de alte modele sau entități.
Selectați Următorul.

Definiți preferințe de model

Setați o Perioadă de timp de predicție pentru a defini cât de departe în viitor doriți să preziceți CLV.
În mod implicit, unitatea este setată ca luni. Îl puteți schimba în ani pentru a privi mai departe în viitor.

Sfat

Pentru a prezice cu precizie CLV pentru perioada de timp setată, aveți nevoie de o perioadă comparabilă de date istorice. De exemplu, dacă doriți să preziceți CLV pentru următoarele 12 luni, se recomandă să aveți cel puțin 18 - 24 de luni de date istorice.
Specificați ce înseamnă Clienți activi pentru afacerea ta. Setați intervalul de timp în care un client trebuie să fi avut cel puțin o tranzacție pentru a fi considerat activ. Modelul va prezice CLV numai pentru clienții activi.
- Lăsați modelul să calculeze intervalul de cumpărare (recomandat): Modelul analizează datele dvs. și determină o perioadă de timp pe baza achizițiilor istorice.
- Setați intervalul manual: Dacă aveți o definiție comercială specifică a unui client activ, alegeți această opțiune și setați perioada de timp în consecință.
Definiți percentila de Client cu valoare ridicată pentru a permite modelului să ofere rezultate care se potrivesc definiției afacerii dvs.
- Calculul modelului (recomandat): Modelul analizează datele dvs. și determină ce ar putea fi un client de valoare ridicată pentru afacerea dvs. pe baza istoricului tranzacțiilor clienților dvs. Modelul folosește o regulă euristică (inspirată de regula 80/20 sau principiul pareto) pentru a găsi proporția clienților cu valoare ridicată. Procentul de clienți care au contribuit la 80% din venitul cumulat pentru afacerea dvs. în perioada istorică sunt considerați clienți cu valoare ridicată. De obicei, mai puțin de 30-40% clienți contribuie la 80% venituri cumulate. Cu toate acestea, acest număr poate varia în funcție de afacerea și industria dvs.
- Procentul clienților activi de top: Definiți clienți de mare valoare pentru afacerea dvs. ca o percentilă a clienților cu plată activă de top. De exemplu, puteți utiliza această opțiune pentru a defini clienții cu valoare ridicată ca primii 20% din viitorii clienți plătitori.
Dacă afacerea dvs. definește clienții cu valoare ridicată într-un mod diferit, anunțați-ne pentru că ne-ar plăcea să aflăm.
Selectați Următorul pentru a trece la pasul următor.

Adăugați datele necesare

În pasul Date necesare, selectați Adăugați date pentru Istoric tranzacții clienți și alegeți entitatea care furnizează informații despre istoricul tranzacțiilor așa cum este descris în cerințele preliminare.
Asociați câmpurile semantice la atributele din cadrul entității din istoricul achizițiilor și selectați Următorul.
Dacă câmpurile de mai jos nu sunt completate, configurați relația de la entitatea din istoricul achizițiilor la entitatea Client și selectați Salvare.
1. Selectați entitate istoric tranzacții.
2. Selectați câmpul care identifică un client în entitatea de istoric al achizițiilor. Trebuie să fie asociat ID-ului clientului primar al entității dvs. client.
3. Selectați entitatea care corespunde entității clientului dvs. primar.
4. Introduceți un nume care descrie relația.
Selectați Următorul.

Adăugați date de activitate opționale

Datele care reflectă interacțiunile cheie ale clienților (cum ar fi web, serviciu pentru relații cu clienții și jurnalele de evenimente) adaugă context înregistrărilor tranzacțiilor. Mai multe modele găsite în datele de activitate ale clienților dvs. pot îmbunătăți precizia predicțiilor.

În Date suplimentare (opțional) pas, selectați Adăugați date sub Îmbunătățiți informațiile despre model cu date suplimentare despre activitate. Alegeți entitatea de activitate client care furnizează informații despre activitatea clienților așa cum este descris în cerințele preliminare.
Asociați câmpurile semantice la atributele din cadrul entității cu activitatea clientului și selectați Următorul.
Selectați un tip de activitate care se potrivește cu tipul de activitate a clienților pe care îl adăugați. Alegeți dintre tipurile de activitate existente sau adăugați un tip de activitate nou.
Configurați relația de la entitatea dvs. de activitate a clienților la entitatea Client.
1. Selectați câmpul care identifică clientul în tabelul de activitate a clienților. Poate fi legat direct de ID-ul de client principal al entității dvs. Client.
2. Selectați entitatea Client care se potrivește cu entitatea Client primară.
3. Introduceți un nume care descrie relația.
Selectați Salvare. Adăugați mai multe date dacă doriți să includeți alte activități ale clienților.
Adăugați date opționale despre clienți sau selectați Următorul.

Adăugați date opționale ale clienților

Selectați dintre 18 atribute de profil de client utilizate în mod obișnuit pentru a le include ca intrare în model. Aceste atribute pot duce la rezultate de model mai personalizate, relevante și mai acționabile pentru cazurile de utilizare ale afacerii dvs.

De exemplu: Contoso Coffee vrea să prezică valoarea de viață a clientului pentru a viza clienții de mare valoare cu o ofertă personalizată legată de lansarea noului lor espressor. Contoso folosește modelul CLV și adaugă toate cele 18 atribute ale profilului clientului pentru a vedea ce factori influențează clienții lor cu cea mai mare valoare. Ei consideră că locația clienților este factorul cel mai influent pentru acești clienți. Cu aceste informații, ei organizează un eveniment local pentru lansarea espressorului și se asociază cu vânzătorii locali pentru oferte personalizate și o experiență specială la eveniment. Fără aceste informații, Contoso ar fi trimis doar e-mailuri de marketing generice și ar fi ratat ocazia de a se personaliza pentru acest segment local al clienților lor de mare valoare.

În Date suplimentare (opțional) pas, selectați Adăugați date sub Îmbunătățiți și mai mult informațiile despre model cu date suplimentare despre clienți.
Pentru Entitate, alege Client: CustomerInsights pentru a selecta tabelul unificat al profilului clientului care se mapează la datele despre atributele clientului. Pentru Număr de înregistrare client, alege System.Customer.CustomerId.
Hartați mai multe câmpuri dacă datele sunt disponibile în profilurile dvs. unificate de clienți.
Selectați Salvați după maparea atributelor pe care modelul ar trebui să le folosească pentru a ajuta la prezicerea valorii de viață a clientului.
Selectați Următorul.

Configurați planificarea actualizărilor

În pasul Planificare de actualizare a datelor, alegeți frecvența de re-instruire a modelului pe baza celor mai recente date. Această setare este importantă pentru a actualiza acuratețea predicțiilor pe măsură ce noi date sunt ingerate în Customer Insights. Majoritatea firmelor pot reinstrui o dată pe lună și pot obține o precizie bună pentru predicția lor.
Selectați Următorul.

Examinați și rulați configurația modelului

În pasul Examinați detaliile modelului, validați configurația predicției. Puteți reveni la orice parte a configurării predicției selectând Editare sub valoarea afișată. De asemenea, puteți selecta un pas de configurare din indicatorul de progres.
Dacă toate valorile sunt configurate corect, selectați Salvați și rulați pentru a începe rularea modelului. Pe fila Previziunile mele, puteți vedea starea procesului predicție. Procesul poate dura câteva ore până la finalizare, în funcție de cantitatea de date utilizate în predicție.

Examinați starea și rezultatele predicție

Examinați starea de predicție

Mergeți la Informații > Predicții și selectați fila Previziunile mele.
Selectați predicția pe care doriți să o revizuiți.

Nume predicție: Numele predicției furnizat la crearea acesteia.
Tip predicție: Tipul modelului utilizat pentru predicție
Entitate de ieșire: Numele entității care va stoca rezultatul predicției. Accesați Date > Entități pentru a găsi entitatea cu acest nume.
Câmp estimat: Acest câmp este populat numai pentru anumite tipuri de predicții și nu este utilizat în predicția valorii ciclului de viață a clientului.
Stare: Starea rulării predicției.
- În așteptare: Predicția așteaptă să se finalizeze alte procese.
- Reîmprospătare: Predicția rulează în prezent pentru a crea rezultate care vor curge în entitatea de ieșire.
- Eșuat: Rularea predicției a eșuat. Pentru mai multe detalii, consultați fișierele-jurnal.
- Reușit: Predicția a reușit. Selectați Vizualizare sub elipsele verticale pentru a examina rezultatele predicției.
Editat: Data la care configurația predicției a fost modificată.
Ultima actualizare: Data la care predicția a fost reîmprospătată având ca rezultat entitatea de ieșire.

Examinați rezultatele predicției

Mergeți la Informații > Predicții și selectați fila Previziunile mele.
Selectați predicția pentru care doriți să examinați rezultatele.

Există trei secțiuni principale de date în pagina de rezultate.

Performanța modelului de antrenament : A, B sau C sunt posibile niveluri. Această notă indică performanța predicție și vă poate ajuta să luați decizia de a utiliza rezultatele stocate în entitatea de ieșire. Selectați Aflați mai multe despre acest scor pentru a înțelege mai bine valorile de bază ale performanței modelului și modul în care a fost derivat nivelul final de performanță al modelului.

Folosind definiția clienților cu valoare ridicată furnizată în timp ce configurați predicție, sistemul evaluează modul în care a funcționat modelul AI în prezicerea clienților cu valoare ridicată în comparație cu un model de bază.

Nivelurile sunt stabilite pe baza următoarelor reguli:
- A când modelul a prezis cu precizie cu cel puțin 5% mai mulți clienți de valoare ridicată în comparație cu modelul de bază.
- B când modelul a prezis cu precizie între 0-5% mai mulți clienți de valoare ridicată în comparație cu modelul de bază.
- C când modelul a prezis cu precizie mai puțini clienți de valoare ridicată în comparație cu modelul de bază.
Panoul Evaluarea modelului afișează detalii suplimentare despre performanța modelului AI și modelul de bază. Modelul de bază folosește o abordare care nu se bazează pe IA pentru a calcula valoarea pe viață a clienților pe baza în principal a achizițiilor istorice efectuate de clienți.
Formula standard utilizată pentru a calcula CLV după modelul de bază:

CLV pentru fiecare client = cumpărarea medie lunară efectuată de client în fereastra activă a clientului * Numărul de luni în perioada CLV predicție * Rata de retenție în ansamblu a tuturor clienților

Modelul AI este comparat cu modelul de bază bazat pe două valori de performanță ale modelului.
- Rata de succes în prezicerea clienților de valoare ridicată
  
  Vedeți diferența în prezicerea clienților cu valoare ridicată utilizând modelul AI comparativ cu modelul de bază. De exemplu, rata de succes de 84% înseamnă că dintre toți clienții cu valoare ridicată din datele de instruire, modelul AI a reușit să capteze cu precizie 84%. Apoi comparăm această rată de succes cu rata de succes a modelului de bază pentru a raporta modificarea relativă. Această valoare este utilizată pentru a atribui un nivel modelului.
- Valori de eroare
  
  O altă valoare vă permite să examinați performanța generală a modelului în termeni de eroare în prezicerea valorilor viitoare. Folosim măsurătoarea generală Root Mean Squared Error (RMSE) pentru a evalua această eroare. RMSE este un mod standard de măsurare a erorii unui model în prezicerea datelor cantitative. RMSE al modelului AI este comparat cu RMSE al modelului de bază și se raportează diferența relativă.
Modelul AI acordă prioritate clasării exacte a clienților în funcție de valoarea pe care o aduc afacerii dvs. Deci, numai rata de succes a prezicerii clienților cu valoare ridicată este utilizată pentru a obține nota modelului final. Valoarea RMSE este sensibilă la valori aberante. În scenariile în care aveți un procent mic de clienți cu valori de achiziție extraordinar de mari, valoarea generală RMSE ar putea să nu ofere o imagine completă a performanței modelului.
Valoarea clienților după procente: Folosind definiția dvs. de clienți cu valoare ridicată, clienții sunt grupați în valoare scăzută și valoare ridicată, pe baza predicțiilor CLV și sunt afișați într-un grafic. Plasând cursorul peste barele din histogramă, puteți vedea numărul de clienți din fiecare grup și valoarea medie CLV a grupului respectiv. Aceste date vă pot ajuta dacă doriți să creați segmente de clienți pe baza predicțiilor CLV.
Cei mai influenți factori: Diverși factori sunt luați în considerare atunci când creați CLV-ul predicție pe baza datelor de intrare furnizate modelului AI. Fiecare dintre factori are o importanță calculată pentru predicțiile agregate pe care le creează un model. Puteți utiliza acești factori pentru a vă ajuta la validarea rezultatelor predicției. Acești factori oferă, de asemenea, mai multe informații despre cei mai influenți factori care au contribuit la prezicerea CLV pentru toți clienții dvs.

Gestionați predicțiile

Este posibil să optimizați, să depanați, să reîmprospătați sau să ștergeți predicțiile. Examinați un raport de utilizare a datelor de intrare pentru a afla cum să faceți o predicție mai rapid și mai fiabil. Pentru mai multe informații, consultați Gestionați o predicție.