Ügyfél élettartamra vetített értékének előrejelzése (CLV)
Olyan potenciális érték (bevétel) előrejelzése, amit az egyes aktív ügyfelek egy megadott jövőbeli időszak során behoznak a vállalatba. Ez a előrejelzés a következőkben nyújt segítséget:
- Azonosítsa a nagy értékű ügyfeleket, és dolgozza fel ezt a betekintést.
- Hozzon létre stratégiai ügyfélszegmenseket potenciális értékük alapján, hogy személyre szabott kampányokat futtasson célzott értékesítési, marketing és támogatási erőfeszítésekkel.
- Irányítsa a termékfejlesztést azáltal, hogy azokra a funkciókra összpontosít, amelyek növelik az ügyfelek értékét.
- Optimalizálja az értékesítési vagy marketingstratégiát, és pontosabban ossza fel a költségvetést az ügyfelek eléréséhez.
- Ismerje fel és jutalmazza meg a nagy értékű ügyfeleket hűség- vagy jutalomprogramokkal.
Határozza meg, mit jelent a CLV az Ön vállalkozása számára. Támogatjuk a tranzakció alapú CLV előrejelzés. Az ügyfél előrejelzett értéke az üzleti tranzakciók előzményein alapul. Érdemes lehet több modellt létrehozni különböző bemeneti preferenciákkal, és összehasonlítani a modell eredményeit, hogy megtudja, melyik modellforgatókönyv felel meg legjobban az üzleti igényeinek.
Tipp.
Próbálja ki a CLV előrejelzés mintaadatok: Ügyfél élettartam-értéke (CLV) előrejelzés mintaútmutató.
Előfeltételek
- Legalább közreműködő engedélyek
- Legalább 1 000 ügyfélprofil a kívánt előrejelzés ablakon belül
- Az ügyfél-azonosító egy egyedi azonosító, amelyet arra használnak, hogy egy adott ügyfélhez tranzakciókat egyeztessenek
- Legalább egy éves tranzakciós előzmények, lehetőleg két-három év. Ideális esetben ügyfél-azonosítónként legalább két-három tranzakció, lehetőleg több dátumon keresztül. A tranzakciós előzményeknek tartalmazniuk kell a következőket:
- Tranzakcióazonosító: Az egyes tranzakciók egyedi azonosítója
- Tranzakció dátuma: Az egyes tranzakciók dátuma vagy időbélyegzője
- Tranzakció összege: Az egyes tranzakciók pénzbeli értéke (például bevétel vagy haszonkulcs)
- Visszáruhoz rendelt címke: Logikai igaz/hamis érték, amely azt jelzi, hogy a tranzakció visszáru-e
- Termékazonosító: A tranzakcióban érintett termék termékazonosítója
- Adatok az ügyfelek tevékenységéről:
- Elsődleges kulcs: Egy tevékenység egyedi azonosítója
- Időbélyeg: Az elsődleges kulccsal azonosított esemény dátuma és időpontja
- Esemény (tevékenység neve): A használni kívánt esemény neve
- Részletek (összeg vagy érték): Az ügyféltevékenység részletei
- További adatok, mint például:
- Internetes tevékenységek: Webhelylátogatási előzmények vagy e-mail előzmények
- Hűségtevékenységek: Hűségpontok gyűjtési és beváltási előzményei
- ügyfélszolgálat napló: Szervizhívás, panasz vagy visszaküldési előzmények
- Ügyfélprofil-információk
- Kevesebb, mint 20% hiányzó érték a kötelezően kitöltendő mezőkben
Feljegyzés
Csak egy tranzakcióelőzmény-tábla konfigurálható. Ha több vásárlási vagy tranzakciós tábla van, kombinálja őket az Power Query adatbetöltés előtt.
Ügyfélélettartam-érték előrejelzésének létrehozása
Válassza a Piszkozat mentése lehetőséget bármikor, ha a előrejelzés piszkozatként szeretné menteni. A piszkozat előrejelzés megjelenik a Saját előrejelzések lapon.
Ugrás az Elemzések előrejelzései> oldalra.
A Létrehozás lapon válassza a Modell használata lehetőséget az Ügyfél élettartamra vetített értéke csempén.
Válassza az Első lépések lehetőséget.
Nevezze el ezt a modellt és a kimeneti tábla nevét , hogy megkülönböztesse őket más modellektől vagy tábláktól.
Válassza a Következő lehetőséget.
Modellbeállítások definiálása
Állítson be egy előrejelzés időszakot annak meghatározásához, hogy milyen messzire szeretné előre jelezni a CLV-t. Az egység alapértelmezés szerint hónapként van beállítva.
Tipp.
A CLV pontos előrejelzéséhez a megadott időszakra összehasonlítható történeti adatokra van szükség. Ha például a CLV-t a következő 12 hónapra szeretné előre jelezni, legalább 18–24 hónapnyi előzményadattal kell rendelkeznie.
Állítsa be időkeretet amelyben az ügyfélnek legalább egy tranzakcióval kell rendelkeznie, hogy aktívnak minősüljön. A modell csak az aktív ügyfelek CLV-jétjelzi előre.
- Hagyja, hogy a modell kiszámítsa a vásárlási intervallumot (ajánlott): A modell elemzi az adatokat, és meghatározza az időszakot az előzményvásárlások alapján.
- Intervallum manuális beállítása: Az aktív ügyfél meghatározásának időtartama.
Adja meg a Nagy értékű ügyfél percentilisét.
- Modellszámítás (ajánlott): A modell 80/20 szabályt használ. Az ügyfelek százalékos értéke, amely hozzájárult a vállalat korábbi időszakban az összbevétel 80 %-ához nagy értékű ügyfélnek számít. Jellemzően 30-40%-nál kevesebb ügyfél járul hozzá az összbevétel 80%-ához. Ez a szám azonban a vállalattól és az iparágtól függően változhat.
- A legaktívabb ügyfelek százalékos aránya: Adott percentilis egy nagy értékű ügyfélhez. Írja be például a 25 értéket , ha a nagy értékű ügyfeleket a jövőbeli fizető ügyfelek felső 25%-aként szeretné meghatározni.
Ha vállalkozása más módon határozza meg a nagy értékű ügyfeleket, tudassa velünk, ahogy szeretnénk hallani.
Válassza a Következő lehetőséget.
Szükséges adatok hozzáadása
Válassza az Adatok hozzáadása az Ügyfél tranzakciós előzményeihez lehetőséget.
Válassza ki a szemantikai tevékenységtípust ( SalesOrder vagy SalesOrderLine), amely a tranzakciós előzményeket tartalmazza. Ha a tevékenység még nincs beállítva, válassza ki itt , és hozza létre.
Ha a tevékenység létrehozásakor a tevékenységattribútumok szemantikailag le voltak képezve, a Tevékenységek alattválassza ki azokat az attribútumokat vagy táblákat, amelyekre a számítást összpontosítani szeretné. Ha a szemantikai leképezés nem történt meg, válassza a Szerkesztés lehetőséget, és képezze le az adatokat.
Válassza a Tovább gombot , és tekintse át a modellhez szükséges attribútumokat.
Válassza a Mentés parancsot.
Adjon hozzá további tevékenységeket, vagy válassza a Tovább lehetőséget .
Opcionális tevékenységadatok hozzáadása
A fő ügyfélinterakciókat tükröző adatok (pl. a web, ügyfélszolgálat és eseménynaplók) környezeteti adatokat ad a tranzakciós bejegyzésekhez. Az ügyféltevékenységi adatokban talált további minták javíthatják az előrejelzések pontosságát.
Válassza az Adatok hozzáadása lehetőséget a Modellelemzések növelése további tevékenységadatokkal alatt .
Válassza ki a hozzáadni kívánt ügyféltevékenység típusának megfelelő tevékenységtípust. Ha a tevékenység még nincs beállítva, válassza ki itt , és hozza létre.
Ha a tevékenység létrehozásakor a tevékenységattribútumok le lettek képezve, a Tevékenységek alattválassza ki azokat az attribútumokat vagy táblákat, amelyekre a számítást összpontosítani szeretné. Ha a leképezés nem történt meg, válassza a Szerkesztés lehetőséget , és képezze le az adatokat.
Válassza a Tovább gombot , és tekintse át a modellhez szükséges attribútumokat.
Válassza a Mentés parancsot.
Válassza a Következő lehetőséget.
Adja hozzá az opcionális ügyféladatokat , vagy válassza a Tovább lehetőséget , és lépjen a Frissítési ütemezés beállítása elemre.
Opcionális ügyféladatok hozzáadása
Válasszon a 18 gyakran használt ügyfélprofil-attribútum közül, amelyeket fel szeretne venni a modell bemeneteként. Ezek az attribútumok személyre szabottabb, relevánsabb és gyakorlatban hasznosítható modelleredményekhez vezethetnek az üzleti használati esetekben.
Például: A Contoso Coffee előre szeretné jelezni az ügyfelek élettartamra vetített értékét, hogy az új eszpresszógépük bevezetésével kapcsolatos személyre szabott ajánlattal célozza meg a nagy értékű ügyfeleket. A Contoso a CLV-modellt használja, és hozzáadja mind a 18 ügyfélprofil-attribútumot, hogy lássa, mely tényezők befolyásolják a legnagyobb értékű ügyfeleket. Úgy találják, hogy az ügyfelek elhelyezkedése a legbefolyásosabb tényező ezen ügyfelek számára. Ezzel az információval helyi rendezvényt szerveznek az eszpresszógép bevezetésére, és együttműködnek a helyi árusokkal a személyre szabott ajánlatok és az esemény különleges élménye érdekében. Ezen információk nélkül előfordulhat, hogy a Contoso csak általános marketinges e-maileket küldött, és elmulasztotta a lehetőséget, hogy személyre szabja a nagy értékű ügyfelek ezen helyi szegmensét.
Válassza az Adatok hozzáadása lehetőséget a Modellelemzések további növelése további ügyféladatokkal alatt.
A Tábla mezőbenválassza az Ügyfél: CustomerInsights lehetőséget az ügyfélattribútum-adatokra leképezett egyesített ügyfélprofil kiválasztásához. Az Ügyfél-azonosító mezőbenválassza a System.Customer.CustomerId lehetőséget.
Rendeljen hozzá további mezőket, ha az adatok elérhetők az egyesített ügyfélprofilokban.
Válassza a Mentés parancsot.
Válassza a Következő lehetőséget.
Frissítési ütemezés beállítása
Válassza ki a modell újratanításának gyakoriságát a legújabb adatok alapján. Ez a beállítás fontos, hogy frissíthesse az előrejelzéseinek pontosságát, ahogy új adat kerül betöltésre. A legtöbb cég havonta egyszer végez újratanítást, és pontos előrejelzésekhez tud jutni.
Válassza a Következő lehetőséget.
A modellkonfiguráció áttekintése és futtatása
Az Áttekintés és futtatás lépés a konfiguráció összegzését jeleníti meg, és lehetőséget biztosít a módosítások elvégzésére a előrejelzés létrehozása előtt.
Válassza a Szerkesztés lehetőséget bármelyik lépésben az áttekintéshez és a módosítások elvégzéséhez.
Ha elégedett a választásokkal, válassza a Mentés és futtatás lehetőséget a modell futtatásának megkezdéséhez. Válassza a Kész lehetőséget. A Saját előrejelzések lap a előrejelzés létrehozása közben jelenik meg. A folyamat – az előrejelzésben használt adatok mennyiségétől függően – több óráig is tarthat.
Tipp.
A feladatoknak és folyamatoknak vannak állapotai . A legtöbb folyamat más felsőbb rétegbeli folyamatoktól, például az adatforrásoktól és az adatprofil-készítés frissítéseitől függ.
Válassza ki az állapotot a Folyamat részletei ablaktábla megnyitásához és a tevékenységek előrehaladásának megtekintéséhez. A feladat megszakításához válassza a panel alján található Feladat megszakítása lehetőséget .
Az egyes feladatok alatt kiválaszthatja a Részletek megtekintése lehetőséget további előrehaladási információkért, például a feldolgozási időért, az utolsó feldolgozási dátumért, valamint a feladathoz vagy folyamathoz kapcsolódó hibákért és figyelmeztetésekért. Válassza a panel alján található Rendszerállapot megtekintése lehetőséget a rendszer egyéb folyamatainak megtekintéséhez.
Előrejelzés eredmények megtekintése
Ugrás az Elemzések előrejelzései> oldalra.
A Saját várható kifejezések lapon válassza ki a megtekinteni kívánt előrejelzés.
Az eredményoldalon lévő adatok három fő részben jelennek meg.
Betanítási modell teljesítménye: Az A, B vagy C fokozatok jelzik a előrejelzés teljesítményét, és segíthetnek a kimeneti táblában tárolt eredmények használatában.
A rendszer felméri, hogy az AI-modell hogyan teljesített a nagy értékű ügyfelek előrejelzésében az alapmodellhez képest.
Az osztályzatot a következő szabályok határozzák meg:
- A , ha a modell legalább 5%-kal több nagy értékű ügyfelet jelzett előre pontosan az alapmodellhez képest.
- B , ha a modell 0–5%-kal több nagy értékű ügyfelet jelzett előre pontosan az alapmodellhez képest.
- C , ha a modell pontosan kevesebb nagy értékű ügyfelet jósolt előre az alapmodellhez képest.
Válassza a Tudnivalók erről a pontszámról lehetőséget a Modell minősítése panel megnyitásához, amely további részleteket jelenít meg az AI-modell teljesítményéről és az alapmodellről. Ez segít jobban megérteni a mögöttes modell teljesítménymetrikáit és a végső modell teljesítményosztályzatának származtatását. Az alapmodell nem AI-alapú megközelítést alkalmaz az ügyfelek élettartamának elsődlegesen az ügyfelek által történt korábbi vásárlások alapján történő kiszámításához.
Ügyfelek értéke percentilis szerint: Az alacsony és nagy értékű ügyfelek diagramon jelennek meg. Vigye az egérmutatót a hisztogram sávjai fölé az egyes csoportokban lévő ügyfelek számának és az adott csoport átlagos CLV-jének megtekintéséhez. Opcionálisan létrehozhat ügyfélszegmenseket a CLV-előrejelzéseik alapján.
Legbefolyásosabb tényezők: A CLV-előrejelzés létrehozásakor különböző tényezőket veszünk figyelembe az AI-modellnek megadott bemeneti adatok alapján. Az egyes tényezők fontosságát a rendszer kiszámítja a modell által létrehozott összesített előrejelzésekhez. Ezekkel a tényezőkkel ellenőrizheti a előrejelzés eredményeit. Ezek a tényezők további képet adnak a legbefolyásosabb tényezőkről is, amelyek hozzájárultak a CLV minden ügyfélre való előrejelzése során.
További információ a pontszámról
A CLV-értéknek az alapmodellel való kiszámításához használt szabványos képlet:
CLV minden ügyfélhez = Az ügyfél által az aktív ügyfélablakban végrehajtott átlagos havi vásárlások * A CLV előrejelzés időszak hónapjainak száma * Az összes ügyfél általános megtartási aránya
Az AI-modellt az alapmodellhez hasonlítják két teljesítménymérőszám-modell alapján.
Sikerességi arány a nagy értékű ügyfelek előrejelzésében
Megtekintheti a különbséget a nagy értékű ügyfelek előrejelzését az az AI modell használatával alapmodellhez képest. A 84%-os sikeresség például azt jelenti, hogy a képzési adatokban lévő értékes ügyfelekből az AI-modellnek sikerült pontosan rögzítenie a 84%-ot. Ezután összehasonlítjuk ezt az alapmodell sikerességi arányával a relatív változás jelentéséhez. Ez az érték egy osztályzatot rendel a modellhez.
Hibamutatók
Tekintse meg a modell általános teljesítményét a jövőbeli értékek előrejelzésének hibája szempontjából. A hiba felmérésére a gyök átlagos négyezetes eltérés (RMSE) mérőszámot használjuk. Az RMSE egy szabványos módja annak, hogy lemérje egy modell hibáját a kvantitatív adatok előrejelzésében. Összehasonlítják az AI modell RMSE-értékét az alapmodell RMSE-értékével, és a relatív különbség lesz jelentve.
Az AI modell előnyben részesíti ad az ügyfeleknek a vállalat számára behozott értéknek megfelelő pontos rangsorolásában. Az utolsó modellminőség származtatáshoz tehát csak a nagy értékű ügyfeleket jóslásának sikerességi aránya használható. Az RMSE mérőszám érzékeny a kiesőkre. Olyan helyzetekben, amikor az ügyfelek kis hányadánál nagyon magas a vásárlási érték, előfordulhat, hogy az általános RMSE metrika nem ad teljes képet a modell teljesítményével kapcsolatosan.