Klaviyos predictive analytics: hvornår kan du stole på dem?

Forudsagt livstidsværdi, næste ordredato og risiko for frafald. Nyttige, når datagrundlaget er der — misvisende, når det ikke er.

Se sammenhængen

Begrebet i praksis.

Vurdering / 01

Hvad de tre tal er

Forudsagt livstidsværdi estimerer, hvad en kunde vil købe for fremover.

Læs afsnittet
Vælg et punkt og se forklaringen. Hele artiklen kan læses nedenfor.

Hvad de tre tal er

Forudsagt livstidsværdi estimerer, hvad en kunde vil købe for fremover. Næste ordredato estimerer, hvornår hun køber igen. Risiko for frafald angiver, hvor sandsynligt det er, at hun ikke vender tilbage.

Alle tre bygger på kundens egen købshistorik holdt op mod mønstre på tværs af butikken. De er estimater, ikke målinger.

Kravene til datagrundlaget

Klaviyo beregner dem først, når butikken har tilstrækkelig historik og nok kunder med gentagne køb. En ny butik, eller en med overvejende engangskøbere, får enten ingen tal eller tal med stor usikkerhed.

Vær særligt varsom i kategorier med lange og uregelmæssige købsintervaller. Møbler og smykker har ikke det mønster, modellen leder efter.

Hvor de er værd at bruge

Næste ordredato er den mest umiddelbart brugbare: den kan udløse et replenishment-flow på det rigtige tidspunkt for hver enkelt kunde i stedet for efter en fast tidsgrænse for alle.

Forudsagt livstidsværdi fungerer godt til segmentering — hvem skal have den gode behandling, hvem skal med i lookalikes, hvem må koste mere at hente tilbage.

Risiko for frafald er bedst som udløser for winback, før kunden er væk, frem for efter.

Hvor de fører galt af sted

Som facit i en rapport. Forudsagt livstidsværdi ganget med antallet af kunder er ikke en omsætningsprognose, og den bør ikke stå i et budget.

Og som eneste kriterium. Et estimat, der bygger på to køb, er et gæt. Kombinér med faktisk adfærd — RFM-segmentering på det, kunden rent faktisk har gjort, er ofte mere robust.

Sådan tester I, om de holder

Tag en gruppe kunder med en forudsagt næste ordredato, og se, hvor mange der faktisk købte inden for perioden. Gør det på jeres egne tal, ikke på en påstand.

Holder de, kan de bruges som udløser. Gør de ikke, er faste intervaller baseret på jeres egen gennemsnitlige købsfrekvens bedre.

Ofte stillede spørgsmål

Kan jeg bruge predictive CLTV i budgettet?

Nej. Det er et estimat pr. kunde, ikke en prognose for butikken. Brug det til segmentering, ikke til fremskrivning.

Hvorfor har nogle af mine kunder ingen forudsigelser?

Fordi der ikke er nok købshistorik på dem. Modellen kræver gentagne køb for at kunne estimere mønsteret.

Fra indsigt til handling

Se, hvordan det bruges i praksis.

Cotonshoppen

E-mails med afsæt i kundens behov

Hos Cotonshoppen indgår e-mail marketing i arbejdet med kunderejsen. Casen viser sammenhængen mellem sortiment, kommunikation og genkøb.

Læs casen

Klaviyo og retention

Tal med os om jeres e-mailflows

Vi tager udgangspunkt i kunderejsen, de eksisterende flows og den data, I har til rådighed.

Vælg et tidspunkt

30 minutter · Uforpligtende

Om forfatteren

Growth hacker og fractional CMO med 10+ års erfaring og trecifrede millioner i forvaltet ad spend bag sig. Erfaring fra større danske og internationale scale-ups og fra bureaubranchen.

Mød teamet

Læs videre.

Alle artikler