예측 분석을 사용하여 구매 선호도가 가장 높은 고객 찾기
게시 됨: 2016-01-10재정 상태, 신용 점수 또는 지출 습관과 관련이 없는 잠재적인 대출 불이행자에 대해 흥미로운 연구가 진행되고 있습니다. 초기 분석 결과를 믿을 수 있다면 이 연구는 휴대폰을 항상 충전한 상태로 유지하는 사람들이 배터리가 완전히 방전되기를 기다리는 사람들보다 EMI 지불을 불이행할 가능성이 더 낮다고 주장합니다.
이제 후자의 무리에는 배터리가 다시 충전되기 전에 먼저 완전히 방전되어야 한다는 기술적 신화를 믿는 사람들도 포함될 것입니다. 그럼에도 불구하고 결과는 대출을 찾는 사람이 돈을 제때 상환할지 여부를 (심리적으로) 알 수 있는 대출 퍼즐의 중요한 부분을 가리키며, 그것도 돈과 어떤 식으로든 관련이 없는 요소를 기반으로 합니다. 그러나 그들은 대출을 원하는 사람과 그의 습관과 관련이 있습니다.
습관은 바꾸기 어렵기 때문에 습관 은 사람이 무언가를 할 가능성을 보장하는 열쇠입니다.
마찬가지로, 개인의 구매 가능성을 측정하는 소매업의 예측 모델은 거래가 아닌 고객 데이터를 사용하여 수행합니다. 어떤 사람들은 구매 가능성과 구매 의도를 혼동할 수 있지만 안개를 제거하겠습니다.
구매 의사가 있는 제품을 확인하고 있습니다. 그러나 아직 구매하지 않았거나 다음 달에 구매할 계획일 수 있습니다. 이유는 무엇이든 될 수 있습니다. 예를 들어 이번 달의 신용 한도가 구매를 허용하지 않습니다. 따라서 구매 의도가 있더라도 최소한 이번 달에는 구매할 가능성 이 0입니다.
이제 두 가지 개념을 명확히 알았으므로 예측 분석을 진행해 보겠습니다.
예측 모델은 어떻게 작동합니까?
최초 구매자를 위한 예측
이 모델은 잠재 고객의 사전 구매 행동을 이전 고객이 무언가를 구매한 행동과 비교합니다. 이 모델은 이메일 열기, 탐색한 페이지, 구매 경로, 클릭한 클릭 유도문안 등과 같은 속성을 사용합니다.
행동이 이전 구매자와 가장 일치하는 잠재 구매자는 '고친화 구매자'로 분류됩니다. 마케팅 담당자는 최대 판매 수를 마감하기 위해 맞춤형 메시지로 이 새로운 잠재 고객 목록을 추구합니다.
재구매자 예측
반복 구매 가능성을 예측하려면 이전 거래의 데이터와 구매가 이루어지기 전에 발생한 상호 작용도 고려합니다. 이는 최초 구매자를 위한 모델과 유사합니다.
그러나 이러한 고객의 첫 번째 구매에서 데이터베이스에 채워진 추가 정보가 있습니다. 이 통합은 반복 구매, 반품된 패키지 및 고객 서비스와의 상호 작용에 대한 데이터를 통합하므로 모델의 정확성을 상당히 향상시킵니다.
라이브 예제
그래서 다음과 같습니다.
"안녕 셀레나,
우리가 마지막으로 이야기한 이후로 오랜 시간이 지났습니다. 당신이 좋아할 것 같은 새로운 스타일의 캐시미어 어깨걸이를 출시했다는 소식을 전하게 되어 기쁩니다. 당신이 지난 겨울에 산 핑크색과 비슷하지만 훨씬 더 아첨하는 컷입니다. 이 컬렉션에서 귀하의 크기로 하나를 보내드립니다. 그것을 시도하고 그것이 어떻게 적합하고 느낌이 있는지 알려주세요.
당신을 위해 추천 된:
인도 스타트업에 대한 반 영리 조항은 무엇을 의미합니까?
Edtech Startup이 인도 인력의 기술 향상 및 미래 준비를 돕는 방법...
이번 주 새로운 시대의 기술 주식: Zomato의 문제는 계속되고 EaseMyTrip은 Str...
인도 스타트업, 자금 조달을 위해 지름길 선택
디지털 마케팅 플랫폼 Logicserve, INR 80 Cr 자금 지원, LS Dig...
Lendingtech Space에 대한 갱신된 규제 조사에 대해 경고하는 보고서
발목 끈
나만의 스타일리스트”
이제 누가 그런 취급을 받고 싶지 않겠습니까?
예측 분석에 무엇이 필요하고 그 이유는 무엇입니까?
모바일 우선 접근 방식. 왜요? 이제 고객의 구매 여정은 선형 경로가 아니라 여러 접점이 있고 모바일이 궤적의 중심에 있는 점을 연결하는 게임이기 때문입니다.
일단 그것을 얻으면 과다한 데이터 포인트에 액세스할 수 있습니다. 앱 사용 통계에서 소셜 미디어 활동에 이르기까지 쇼핑객의 신비한 마음을 해독하는 데 필요한 모든 것이 있습니다.
정부 기관 및 금융 기관의 데이터로 작업하는 시대는 지났고, 직관을 사용하여 변환 문제를 해결하는 시대도 지났습니다. 따라서 남은 것은 사람들이 가지고 있는 다양한 쇼핑 습관을 선택하고 이를 활용하는 데 도움이 될 수 있는 대량의 데이터와 고유한 상관 관계 분석입니다.
소매업에서 예측 분석의 이점
대상 할인(및 더 적은 할인)
세 종류의 구매자가 있습니다. 첫째, 할인만 받고 구매하려는 사람; 둘째, 할인 가능 여부와 관계없이 구매하는 사람 셋째, 어느 쪽이든 움직일 수 있는 사람. 마케터로서 나는 고객 인구의 20%만이 할인 중독자이고 15%는 일반적으로 할인 없이 구매하지만 대부분은 거래의 존재에 대해 신경 쓰지 않는다는 것을 알고 있습니다. 저와 같은 대부분의 마케터들도 그 점을 알고 있습니다. 그렇다면 왜 그들은 전체 이익 마진에 큰 영향을 미치는 포괄적 할인을 제공합니까?
나는 그것을 게으름이라고 부르고 싶다. 리드를 개별적으로 이해하고 분석하고 고유한 요구를 충족시키는 게으름.
할인에는 한 가지 크게 잘못된 것이 있습니다. 매년 특정한 기회에 나누어 주면 사람들은 그것을 기대하기 시작하고 그 할인 기간이 도래하기를 기다리며 구매합니다. 그들은 그 할인 없이 사지 않을 것입니다. 그래서 그것은 우리가 고객에게 노출시킨 나쁜 습관입니다.
그렇다면 할인은 어떻게 처리해야 할까요? 답은 다음과 같습니다. 제품의 가치를 떨어뜨리지 않는 7가지 할인 방법
이 기사, 또는 나는 할인이나 기타 인센티브가 잘못되었다고 말하지 않습니다. 그러나 그들은 차 자체가 아니라 차의 감미료와 같은 역할을 해야 합니다. 할인은 격려의 역할을 해야 합니다. 내 말은 고객이 장바구니를 버리는 것을 본다면 할인을 제공할 수 있다는 것입니다. 또는 신규 고객 확보를 위한 가입 보상으로 제공됩니다. 인센티브를 중단하면 권장 사항 및 알림을 통해 고객의 개별 요구와 요구 사항에 대한 개인화된 관심에 집중할 수 있습니다.
이렇게 하면 모든 고객의 수익과 수익성을 모두 극대화할 수 있습니다.
집중해야 할 세부 고객 세그먼트
말했듯이 인구통계를 기반으로 고객을 구분하는 시대는 더 이상 오지 않았습니다. 행동과 쇼핑 패턴에 초점을 맞추면 마케팅 담당자는 고객에게 도달하고 확보하는 데 비용이 많이 들기 때문에 미묘하고 전략적인 방법으로 고객에게 도달하는 방법에 대해 더 깊은 통찰력을 얻을 수 있습니다. 당신은 그들이 무엇을 구매하는지 뿐만 아니라 어떻게 구매하는지, 어떻게 선택하고 무언가를 결정하는지 알게 될 것입니다. 당신은 무엇이 그들이 당신을 위해 지갑을 열게 하고 또한 무엇이 그들이 당신의 브랜드에 대해 좋은 말을 하게 하고 그들의 가까이에 있는 소중한 사람이 당신에게서 구매하도록 만드는지 이해하게 될 것입니다.
적합한 사람을 선택하는 것 외에도, 귀하의 의견을 듣고, 경청하고, 팔로우할 가능성이 높아져 ROI가 크게 향상됩니다. 더 관련성이 높고 유용하면 마케터가 대폭 할인에 대한 의존도를 줄이는 데 도움이 됩니다.
고객 중심 접근
재고 정리 판매에서는 어떤 일이 발생합니까?
첫째, 대부분의 고객은 최소한 올바른 사양이 아닌 원하는 제품을 찾지 못합니다. 둘째, 회사는 모든 오래된 재고에 대해 막대한 금액을 면제하기 때문에 손실된 창고를 정리합니다. 두 당사자 모두에게 유리한 상황처럼 들리지 않습니다.
고객 중심이 아닌 상품 중심의 접근 방식이기 때문입니다. 그것은 어쨌든 고객이 특별하다고 느끼지 않습니다. 또한 잘못된 방식으로 고객을 민감하게 만듭니다. 내가 말했듯이, 그들은 당신의 패턴을 선택하고 비슷한 습관을 탐구한 다음 큰 연간 판매를 기다릴 것입니다. 그 기간에 구매하는 일부 고객은 55% 할인이 필요하지 않을 수도 있습니다. 그들은 여전히 25%에 구매했거나 전혀 거래하지 않았을 수 있습니다.
따라서 비즈니스 관점에서 예측 분석을 통해 세 가지 큰 이점을 얻을 수 있습니다.
- 증분 마진 (구매 동기가 있는 사람들로부터)
- 증분 수익 (처음에는 구매할 인센티브가 없었던 사람들로부터)
- 재고 과잉 감소 (재고 관리 개선)
피해야 할 실수
예측 분석도 잘못될 수 없는 마케팅 계획은 없습니다. 이 기사는 약간의 주의를 기울이면 쉽게 피할 수 있는 몇 가지 실수를 나열합니다. 몇 가지 중요한 사항은 다음과 같습니다.
- 점을 연결하기 전에 목표를 염두에 두십시오.
- 모든 필수 데이터 포인트가 없으면 캠페인을 진행하지 마십시오.
- 인사이트를 망칠 수 있는 데이터를 깔끔하게 정리하고 판단을 흐리게 합니다.
- 콘텐츠가 동적이기 때문에 번개의 속도로 시작하고 이동하십시오. 지연되면 그때까지 계획의 상황이 변경되었을 수 있습니다.
- 모든 비즈니스가 다르기 때문에 해당 분야의 전문가나 연구를 믿지 마십시오. 모두 오래된 데이터를 기반으로 합니다.
결론
전통적인 고객 세분화 모델은 인구 통계, 태도 또는 구매 선호도를 활용했습니다. 나름의 장점도 있지만, 기술과 소비자의 욕구로 인해 쓸모없게 되었습니다. 반면에 예측 분석은 마케터가 동일한 데이터를 다른 관점에서 볼 수 있도록 데이터의 숨겨진 패턴을 풀어 새로운 관점에서 고객 라이프사이클 관리 개념에 접근할 수 있도록 합니다.
이 접근 방식을 사용하여 수행된 세분화는 훨씬 더 미묘하고 정확하므로 잠재 고객이 귀하로부터 구매할지 여부, 그가 귀하의 제안을 수락할지 여부 또는 충성도를 유지할지 여부를 예측할 수 있습니다. 장기적으로. 이것은 상호 신뢰를 기반으로 더 수익성 있고 더 긴 관계로 이어지는 고객과 회사 모두에게 완전한 윈-윈 상황입니다.
따라서 고객이 무엇을 구매할지, 무엇을 더 많이 비축해야 하는지, 고객 문제가 더 커지기 전에 해결하는 방법 또는 고객이 귀하와 완전한 관계를 맺을 때 얻을 수 있는 수익이 얼마인지를 미리 파악하는 꿈을 꾸셨다면 여기를 클릭하십시오. 당신의 기회입니다. 예측 분석과 함께.
TargetingMantra에서 전자상거래용 이메일 마케팅에서 효과가 있는 것과 그렇지 않은 것에 대한 흥미로운 연구를 다운로드하십시오.