親愛的顧客，你會永遠屬於我嗎？
已發表: 2016-11-16讓像我這樣的創業者徹夜難眠的一件事是終極問題——“我的客戶會回來和我做另一筆交易嗎？” 每個月在 Stylofie（美容和健康服務在線市場），我們都會匯總一個月度銷售預測——打破數字。 新客戶銷售和重複銷售。
這兩個指標都受到每月密切監控和跟踪。 任何企業，無論是線上還是線下，都需要忠實的客戶群才能持續發展。 向現有客戶追加銷售/交叉銷售也更容易且成本更低——這就是 Marketing 101。
重複購買總是讓我很感興趣。 今天，客戶在網上有大量不同類別的選擇，無論是訂購雜貨、購買電話還是清洗衣物。 無處不在的智能手機為城市消費者創造了許多新的習慣形成行為，除非消費者找到價值和無摩擦的體驗，否則他/她很少會回來。 無論是電子商務、移動商務還是實體商務，出色的體驗都會促使客戶回到購買平台。
在 Stylofie，我們觀察到最近的數據趨勢——我們的重複訂單猛增，但我們的客戶流失率也開始上升。 這讓我們擔心和思考。 發生了哪些我們沒有預見到的變化？
為什麼客戶在與我們進行第一次交易後不回來？ 同時，我們也看到一些客戶每月與我們進行多達 3-4 筆交易。 考慮到我們的類別，即美容服務，它很高（你一個月可以剪幾次頭髮或修腳）。
我們使用電話，分析交易數據並查看監控工具。 我們想深入了解推動重複交易的整個現象。
為什麼回頭客對企業意義重大
| 一次客戶 | 回頭客 | |
| 平均訂單價值 | 702 | 787 |
| 每筆交易的保證金 | 2.2% | 14.9% |
新客戶/重複客戶的初始客戶獲取 (CAC) 成本是相同的——您通過保留和重複交易收回成本。 當我們對一次客戶與回頭客的平均訂單價值進行分析時，我們發現不僅訂單價值高出85 盧比（~12%），而且平均訂單價值存在顯著差異每筆交易的毛利率（2.2% 對 14.9%） 。
我們的回頭客不僅對收入做出了貢獻，而且對利潤的貢獻也更大。 每個只與我們進行一次交易的客戶實際上都會拖累我們的底線。 此外，回頭客更有可能向新客戶推薦 Stylofie，從而也降低了我們的 CAC。
為你推薦：
元界將如何改變印度汽車業
反暴利條款對印度初創企業意味著什麼？
教育科技初創公司如何幫助印度的勞動力提高技能並為未來做好準備……
本週新時代科技股：Zomato 的麻煩仍在繼續，EaseMyTrip 發布強...
印度初創公司走捷徑尋求資金
數字營銷平台 Logicserve 獲得 80 盧比的資金，更名為 LS Dig...
所以，對我們來說，問題陳述非常明確——我們能做些什麼來將我們的一次性客戶轉變為回頭客？ 然而，在我們嘗試解決這個問題之前，重要的是要了解——究竟是什麼讓 Stylofie 上的客戶成為回頭客？ 那是什麼魔法醬？
是什麼讓一次性客戶變成了回頭客
一天晚上，當我在思考這個問題時，我接到了我在 Genpact 的一位老朋友（我的前雇主）的電話。 他提到他正在啟動他的分析/大數據創業公司，並問我是否可以幫助我解決一些創業業務問題。 這就像一個飢餓的人被邀請參加 5 星級自助餐，我立即討論了手頭的問題——你能幫我預測客戶是否會在 Stylofie 上進行重複交易，基於他們第一次購買我們的產品嗎？
我在 Catalytics.in 的朋友們開始認真地研究問題陳述和數據。 通過深夜的幾個電話，團隊詢問了幾個關於業務以及他們在數據中看到的模式的問題。 他們最終建立了一個統計模型，我們可以使用該模型來預測消費者是否會回來並在我們的平台上重複購買。
Catalytics 團隊應用了細分和預測方法，他們首先根據 Stylofie 客戶的特徵對其進行細分，然後應用預測建模來確定誰會成為回頭客。
該模型在客戶第一次訪問時使用了客戶的各種特徵，例如 -
- 如果客戶是朋友介紹的。
- 客戶首次預訂時的預訂平台——iOS/Android/網站。
- 客戶在第一次預訂時是否使用了促銷代碼。
- 首次預訂時選擇的沙龍，如沙龍 1 與沙龍 2 等。
- 反饋評分後服務等
整個數據發現和預測建模過程是使用強大的開源統計軟件 R 進行的。
當 D 日到來時，我得到了期待已久的預測模型，在一個 Excel 文件中； 我與 Catalytics 團隊打了個早電話，他們解釋了模型的細微差別及其工作原理。 看到這個模型我非常興奮——幾乎就像試駕一輛新車——充滿了刺激和謹慎。
預測模型輔助
現在是時候把橡膠放在路上，看看模型的表現如何了。 我首先跑過幾個從未回來過的客戶的數據點，看看模型是否準確地預測了他們。 然後是處理下一組數據的時候了——與我們進行了多次預訂的回頭客； 基於 Excel 的模型給出了概率分數，結果讓我大吃一驚。 該模型在根據第一筆交易細節預測重複使用方面接近完美。 太神奇了！
我真的被震撼了，看到數據在工作中的力量。 這是一個基於 Excel 文件的公式，它以最基本的計量單位預測我們業務的未來——針對每個客戶訂單。
該模型在預測重複購買的概率得分方面表現出驚人的準確性，隨著我們開始在我們的運營中部署該模型，越來越多的想法和建議開始湧入，以優化它並根據其輸出推動決策。
我們還與 Catalytics 團隊一起探索擴展模型以預測客戶何時返回以及返回的頻率。
現在我可以部分睡得安穩了——我有信心可以預測第一次客戶是否會回來在我們的平台上進行重複交易。 對於創業者來說，那是來自天堂的甘露！ 當然，如今對於企業家來說，睡眠並不容易，因為雖然我們有一個預測客戶行為的模型，但我們還沒有找到一個預測 VC 投資行為的模型！ 也許，是時候與 Catalytics 團隊再次通話了！