Предсказуемая аналитика или как вы можете помочь своим клиентам оформить заказ

Как среднему владельцу магазина, мне всегда было интересно, сколько я заработаю завтра, как я могу улучшить эти продажи и когда я должен или не должен давать скидки своим покупателям. Почему мои электронные письма имеют низкий индекс открываемости, даже если я пишу полезные электронные письма с продуктами или информацией, связанными с покупателем?

Это время, когда я начал спрашивать. Как я могу предсказать поведение моего клиента? Когда я должен отправить ему/ей электронное письмо или позвонить? Когда я должен напоминать пользователям, что «Я здесь», и когда я должен подтолкнуть их к взаимодействию? Именно тогда я нашел Latency Matrix. Это волшебный шар, в который можно заглянуть и предсказать, когда тот или иной конкретный клиент должен совершить следующее взаимодействие и что я должен делать в этой ситуации.

В. Мы должны предлагать пользователям скидки как можно чаще, чтобы увеличить продажи.

А - неправильно

Скидка не должна использоваться для постоянного возврата покупателей. Вы должны быть человеком, который предлагает то, что им нужно в каждый конкретный момент, и вы должны держать руку на пульсе, чтобы убедиться, что ваши клиенты вернутся к вам в следующий раз. Предлагаемая скидка не является правильным методом для достижения этой цели.

Давайте посмотрим, как предсказуемое обаяние работает с Latency Matrix.

Сначала это выглядит пугающе, но мы проверим это шаг за шагом, и вы научитесь читать и строить такие же самостоятельно.

Первое, что нам нужно сделать, это сгруппировать наших покупателей по 2 параметрам — количество дней, которое у них прошло между заказами (дни между взаимодействиями), и сколько заказов разместил конкретный клиент. При их фильтрации мы будем использовать эти 2 измерения, чтобы увидеть нормальное поведение покупателей в магазине и предсказать их будущие действия.

Давайте попробуем построить нашу матрицу задержки сейчас.

Когда мы экспортировали всех клиентов вместе с их заказами, нам нужно найти тех, кто разместил только один заказ. Мы считаем, сколько дней потребовалось клиентам, чтобы сделать свой первый и единственный заказ после регистрации. Пропустите покупателей с 2 ​​или более заказами, мы вернемся к ним позже. Это значение, количество дней между регистрацией и первым заказом, должно быть помещено в первую ячейку рядом с 1-м заказом, сделанным клиентами только с одним заказом (количество заказов).

Количество дней, затраченных клиентом на размещение 1 заказа после регистрации

В нашем примере на оформление первого заказа ушло 2 дня (в среднем) с момента регистрации.

Точно так же мы фильтруем клиентов, сделавших свой первый заказ, в зависимости от количества заказов, которые они сделали в вашем магазине. Таким образом, мы получаем количество или количество дней, которые потребовались, чтобы сделать первый заказ, если у клиента уже есть 2 заказа, то же самое для 3, 4, 5 и 11+ заказов на клиента. Получаем следующую картину:

Количество дней, которое потребовалось покупателям для размещения первого заказа, в зависимости от общего количества заказов, которые они разместили в вашем магазине.

Это точка, с которой мы можем начать наше предсказание. Если общее количество клиентов, которое использовалось для подсчета числа (в нашем случае это 694 клиента), достаточно велико, то можно сказать, что это период, когда все зарегистрированные пользователи, которые собираются сделать единственную покупку, должны совершить свою покупку. первое взаимодействие в течение 2-х дней (максимум), иначе с большой долей вероятности его вообще не сделают. Помня об этом, мы можем настроить автоматическое напоминание, которое расскажет покупателям что-то интересное, чтобы привлечь их в ваш магазин.

Максимальное время, за которое клиенты разместили свой первый заказ, составляет 12 и 17, хотя количество клиентов с таким поведением составляет 49, и по сравнению со всеми клиентами вы можете их игнорировать. Минимальное время, которое потребовалось покупателям для размещения своего первого заказа, равно 0, это означает, что они разместили свой заказ в тот же день, когда произошла регистрация.

Какое правильное время для первого напоминания?

Вы ожидаете, что клиенты сделают свой заказ за 2 дня, если у вас есть среднее время для клиентов с одним заказом, и это может занять до 4 дней с учетом всех покупателей. Это хорошая идея, чтобы настроить напоминание, которое будет отправлено на 5-й день, чтобы позволить им сделать свой первый шаг самостоятельно.

Ваши цифры обязательно изменятся со временем, так как вы поможете своим клиентам работать так, как вы ожидаете.

Почему не стоит отправлять письмо Всем потенциальным клиентам

Если вы используете какие-либо сторонние почтовые системы, этот метод может сэкономить вам время и деньги. Ваши покупатели не будут обращаться с вами как со спамом, поскольку вы не будете рассылать письма всем им слишком быстро или слишком поздно, когда они уже потеряли интерес к вашему магазину. Вы не потеряете потенциальную прибыль, если предложите таким пользователям скидку через 2 дня, так как, скорее всего, они сами будут совершать это взаимодействие (в среднем до 4 дней).

Так мы получаем список зарегистрированных пользователей без заказов и отправляем им напоминание через 5 дней.

Это сценарий первого напоминания, но как насчет существующих клиентов? Разовые покупатели обходятся владельцам магазинов дороже всего, поэтому эта группа очень важна, и вы должны предсказать, когда они совершат следующее взаимодействие и когда им следует это сделать.

Чтобы понять это, нам нужно собрать данные обо всех повторных заказах, сделанных вашими клиентами. Итак, мы получаем список покупателей с 2 ​​заказами и подсчитываем, через сколько дней они сделали второй заказ из первого заказа и фильтруем их по количеству заказов, которые у них есть в вашем магазине. Таким образом, 120 — это количество дней, которое потребовалось покупателю, чтобы разместить второй заказ, начиная с первого, и покупатель сделал только 2 заказа и так далее.

2-й – количество дней, за которое клиенты сделали свой второй заказ.

Также вам нужно рассчитать среднее количество дней для всех клиентов между первым и вторым заказом, чтобы увидеть среднюю статистику. Также имейте в виду, что эти цифры менее точны, поскольку количество клиентов, разместивших 2+ заказа, меньше, чем количество клиентов, сделавших только один заказ. Это нормальная ситуация для среднего интернет-магазина, и этот отчет должен помочь вам продвигать разовых покупателей и совершать дальнейшие взаимодействия.

В нашем примере на размещение второго заказа у покупателей с 2 ​​заказами ушло 120 дней, а на размещение второго заказа у всех покупателей в среднем ушло 110 дней. Таким образом, мы можем предсказать, что покупатели, сделавшие только один заказ, сделают вторую покупку в течение 110–120 дней. Сделайте для них напоминание через 121 день и подтолкните их ко второй покупке.

Настало время предлагать скидки в этот момент, так как скидка дешевле, чем новый пользователь. Теперь вы можете превратить своих разовых покупателей в постоянных клиентов.

То же самое вы делаете с третьим порядком, четвертым порядком и т. Д. Вы можете учитывать столько ордеров, сколько вам нужно для прогноза. По сути, к лояльным клиентам, которые делают более 10 заказов, следует относиться по-другому, поэтому вы можете остановиться на этих цифрах.

В результате вычислений вы получаете следующую оценку, которая называется Latency Matrix.

Матрица задержки

По сути, вам здесь нужен каждый последний заказ каждой группы и все средние числа. Таким образом, прогноз предстоящей продажи для клиентов с 2 заказами — это количество дней, затраченное на выполнение 3-го заказа в группе клиентов с 3 заказами (в нашем случае 96), и его среднее число, равное 110. прогноз следующего взаимодействия для покупателей с 3 заказами — 87 — 59 дней и т. д.

Более того, вы можете предлагать выгодные предложения, чтобы вернуть пользователей в ваш магазин, запланировав автоматические ответы через 3, 7, 30 дней бездействия всех групп клиентов, используя наши прогнозы в качестве отправной точки для отправки почты.

Со временем этот живой организм изменится, и цифры станут более точными, а % продаж возрастет.

Кроме того, для вашего удобства лучше получить общее количество клиентов в каждой группе, так как вы будете полагаться на итоговые данные, которые могут относиться к небольшому количеству покупателей и могут быть неточными.

Кроме того, если вы фильтруете клиентов по времени с момента последней транзакции, вы можете получить список клиентов, которым нужно отправить почту, и потенциально потерянных покупателей, неактивных более 12 месяцев.

Как часто я должен проверять эту матрицу?

Рекомендуется проверять его раз в месяц для только что созданных магазинов, раз в 3 месяца для магазинов с хорошей репутацией и достаточно стабильными продажами и не реже одного раза в год для магазинов с большой историей и хорошим рейтингом.

Что не отражено в этой матрице?

Вы не учитываете время совершения взаимодействия, поэтому учитываются все заказы, сделанные 2 года назад, и вновь созданные заказы. Поведение со временем изменится, ускорив ваши новые продажи, хотя старые показатели снизят вашу статистику.

Прогнозирование поведения клиентов может помочь вам с вашими маркетинговыми стратегиями и почтовым маркетингом, которым вы начнете доверять. Не оставляйте своих клиентов одних, когда они собираются покинуть ваш магазин навсегда.

Этот отчет требует много времени, но его можно сделать как в Excel, так и с помощью приложения Store Manager for Magento, Enterprise Edition (поддерживает как Magento Community, так и EE).

Найдите больше отчетов Magento от eMagicOne на – https://www.mag-manager.com/magento-report/

Надеюсь, вы будете быстро расти, и наша статья станет маленькой дверью, открывающей ваше большое будущее.

Этот пост подготовлен приглашенным автором Оксаной Семенюк, директором по маркетингу eMagicOne — компании, предлагающей умные и удобные решения для электронной коммерции, которые делают ведение онлайн-бизнеса очень простым и легким.