Digital Marketing Academy · Oppitunti

Ennakoivat segmentit

Alttius- ja poistumispisteet.

Oppitunti 3/413 vaihetta

Ennakoivat segmentit on ilmainen Digital Marketing Academy-oppitunti CoddyKitissä. Tämä on oppitunti 3/4. Voit lukea tästä oppimispolusta kokonaan mitkä tahansa 3 oppituntia ilmaiseksi — sen jälkeen CoddyKit PRO avaa kaikki oppitunnit sekä käytännön harjoittelun sisäänrakennetulla koodieditorilla ja ympäri vuorokauden toimivalla tekoälytuutorilla. Oppitunti kuuluu Digital Marketing Academy-oppimispolkuun, ja edistymisesi synkronoituu verkon ja CoddyKit-sovelluksen välillä. Digital Marketing Academy-kurssilla on yhteensä 4 oppituntia.

Demografisten tietojen tuolle puolen

Perinteiset segmentit ryhmittelevät asiakkaat iän, sukupuolen tai sijainnin perusteella. Ennakoivat segmentit ryhmittelevät heidät sen sijaan todennäköisen tulevan käyttäytymisen mukaan.

Kysymys vaihtuu muodosta "kuka tämä asiakas on?" muotoon "mitä tämä asiakas tekee seuraavaksi?" Tämä tulevaisuuteen suuntautuva näkökulma tekee ennakoivista segmenteistä huomattavasti käyttökelpoisempia markkinoinnissa.

RFM:n perusta

RFM-pisteytys järjestää asiakkaat kolmen ulottuvuuden perusteella: viimeisimmän oston tuoreus, ostotiheys ja rahallinen arvo.

Kukin ulottuvuus pisteytetään yleensä kvintiilien perusteella asteikolla 1–5, jolloin parhaiden asiakkaiden koodi voi olla esimerkiksi R5 F5 M5. RFM on käyttäytymiseen perustuvan segmentoinnin klassinen ja helposti tulkittava perusta.

RFM score example:
Recency: 5 (bought 3 days ago)
Frequency: 4 (8 orders)
Monetary: 5 (top 20% spend)
Segment code: R5 F4 M5 = Champion

RFM-segmenttien nimeäminen

Raa'at RFM-koodit muuttuvat hyödyllisiksi, kun ne yhdistetään nimettyihin segmentteihin, jotka viittaavat tiettyyn toimenpiteeseen.

Mestarit ostavat usein ja äskettäin. Riskiasiakkaat ostivat aiemmin paljon, mutta ovat sittemmin hiljentyneet. Uudet asiakkaat ovat ostaneet äskettäin, mutta vain kerran. Kukin nimi viittaa erilaiseen kampanjaan.

R5 F5 M5 -> Champions
R2 F5 M5 -> At Risk (high value, lapsing)
R5 F1 M2 -> New / Promising
R1 F1 M1 -> Lost

Ennustetun LTV:n tasot

Kun LTV ennustetaan asiakaskohtaisesti, asiakkaat voidaan jakaa arvotasoihin, kuten platina-, kulta-, hopea- ja pronssitasoon.

Tämä kohdentaa asiakkuuksien säilyttämiseen käytettävän budjetin sinne, missä siitä on eniten hyötyä. Ylin 20 % asiakkaista tuottaa usein suurimman osan voitosta, joten heidän säilyttämisensä on ensisijaisen tärkeää.

Predicted LTV tiers:
Platinum: > 500
Gold: 250 - 500
Silver: 100 - 250
Bronze: < 100

Poistumariskisegmentit

Poistumamalli antaa jokaiselle aktiiviselle asiakkaalle todennäköisyyden poistua seuraavalla ajanjaksolla. Kun poistumariski yhdistetään ennustettuun arvoon, saadaan tehokas 2x2-ruudukko.

Arvoltaan suuret ja suuren poistumariskin asiakkaat ovat kiireellisimpiä säilyttämiskohteita. Arvoltaan pieniin ja suuren poistumariskin asiakkaisiin ei välttämättä kannata käyttää lainkaan säilyttämisbudjettia.

Value x Risk grid:
High value + High risk -> save now
High value + Low risk -> nurture
Low value + High risk -> let go
Low value + Low risk -> automate

Propensiteettisegmentit

Propensiteettimallit ennustavat tietyn tulevan toiminnon todennäköisyyttä, kuten seuraavaa ostosta, lisämyynnin hyväksymistä tai tuoteryhmien välistä ristiinmyyntiä.

Kun kohdennus tehdään vain propensiteettikynnyksen ylittäville asiakkaille, kampanjan tehokkuus paranee, koska rahaa ei enää käytetä ihmisiin, jotka eivät todennäköisesti konvertoidu tarjouksesta riippumatta.

Propensity to buy headphones:
Customer A: 0.82 -> target
Customer B: 0.11 -> skip
Threshold: 0.50

Klusterointimenetelmät

Ohjaamattomat menetelmät, kuten k-means, ryhmittelevät asiakkaat samankaltaisuuden perusteella useiden muuttujien osalta samanaikaisesti ja tuovat esiin segmenttejä, joita ei määritelty etukäteen.

Klusterit voivat paljastaa esimerkiksi "viikonlopun tarjousten metsästäjät" tai "premium-tuotteiden edelläkävijät". Haittapuolena on tulkittavuus: klusterit on profiloitava ja nimettävä ennen kuin niiden perusteella voidaan toimia.

k-means inputs: recency, frequency, AOV,
discount usage, category breadth, tenure
Output: 5 clusters to profile and name

Ennustavat piirteet

Hyvät ennustavat piirteet ulottuvat ostohistorian ulkopuolelle: sähköpostien parissa tapahtuva vuorovaikutus, tukipyynnöt, sovellusistuntojen tiheys ja tilausten välinen aika kertovat kaikki tulevasta käyttäytymisestä.

Odotetun ja toteutuneen ostoajankohdan kasvava ero on yksi vahvimmista poistuman varhaisista varoitusmerkeistä. Se ilmenee usein viikkoja ennen kuin asiakas passivoituu virallisesti.

Predictive features:
- days since last login
- inter-purchase interval drift
- email open + click rate
- support ticket sentiment

Staattisten segmenttien välttäminen

Asiakkaat siirtyvät jatkuvasti segmentistä toiseen. Ostamisen lopettava mestariasiakas muuttuu riskiasiakkaaksi, ja uusi asiakas voi edetä kultatasolle.

Ennakoivat segmentit on laskettava säännöllisesti uudelleen, usein päivittäin tai viikoittain. Rekisteröitymisen yhteydessä määritetty segmentti vanhenee nopeasti ja johtaa epäolennaiseen viestintään.

Segmenttien validointi

Segmentti on hyödyllinen vain, jos sen käyttäytyminen eroaa muista. Tarkistakaa, että ennustetun korkean LTV:n asiakkaat tuottavat ajan mittaan todella enemmän liikevaihtoa.

Lift-kaaviot ja vertailuryhmät vahvistavat, erotteleeko malli asiakkaat mielekkäästi vai järjestääkö se vain keskiarvon uudelleen. Huonosti toisistaan erottuvat segmentit tuhlaavat kohdennukseen käytettyä työtä.

Validation: predicted top decile generates
6x the margin of the bottom decile -> good lift

Segmentistä toimenpiteeksi

Jokaiselle ennakoivalle segmentille tulee määrittää selkeä markkinointitoimenpide: takaisinaktivointipolku riskiasiakkaille, VIP-ohjelma platina-asiakkaille ja perehdytyssarja uusille asiakkaille.

Ilman tätä vastaavuutta segmentointi on vain analyysia. Seuraavassa oppitunnissa nämä ennusteet muutetaan konkreettisiksi kampanjoiksi ja budjettipäätöksiksi.

Pikatarkistus

Tunnistakaa segmentti, johon tulee toimia kiireellisimmin.

Vastaa interaktiivisessa oppitunnissa

Kertaus

Ennakoivat segmentit ryhmittelevät asiakkaat tulevan käyttäytymisen perusteella käyttäen RFM:ää, ennustetun LTV:n tasoja, poistumariskiä, propensiteettipisteitä ja klusterointia.

Hyvät piirteet ja tiheä uudelleenlaskenta pitävät segmentit tarkkoina, validointi vahvistaa todellisen lisävaikutuksen, ja jokaiselle segmentille on määritettävä toimenpide. Seuraavaksi toimimme näiden ennusteiden perusteella.

Aloita maksutta

Opi Digital Marketing Academy tekoälytuutorin avulla — ilmaiseksi

Kirjoita ja suorita oikeaa koodia selaimessa, saa välitöntä apua tekoälytuutorilta ympäri vuorokauden ja jatka siitä, mihin jäit, verkossa tai sovelluksessa.

Kurssit: 63
Oppitunnit: 239

Aloita opiskelu maksutta Näytä koko kurssi

Usein kysytyt kysymykset

Onko oppitunti ”Ennakoivat segmentit” ilmainen?

Kyllä — voit lukea täällä verkossa kokonaan ilmaiseksi mitkä tahansa Digital Marketing Academy-oppimispolun 3 oppituntia, myös oppitunnin “Ennakoivat segmentit”. Sen jälkeen CoddyKit PRO avaa kaikki oppitunnit sekä interaktiiviset harjoitukset sisäänrakennetulla koodieditorilla ja ympäri vuorokauden toimivalla tekoälytuutorilla. Digital Marketing Academy-kurssilla on yhteensä 4 oppituntia.

Mitä opin oppitunnilla ”Ennakoivat segmentit”?

Alttius- ja poistumispisteet. Harjoittelet Digital Marketing Academy-aihetta koodilla, jonka suoritat suoraan selaimessa. Ympäri vuorokauden käytettävissä oleva tekoälytuutori vastaa kysymyksiisi oppitunnin aikana.

Tarvitsenko kokemusta aloittaakseni Digital Marketing Academy-opiskelun?

Aiempi kokemus ei ole tarpeen. CoddyKitin Digital Marketing Academy-oppimispolku sopii vasta-alkajista edistyneisiin, joten voit aloittaa tästä tai alusta ja edetä omaan tahtiisi. Tämä on oppitunti 3/4.

Kuinka kauan ”Ennakoivat segmentit”-oppitunnin suorittaminen kestää?

Useimmat CoddyKitin oppitunnit kestävät noin 5–10 minuuttia. Jokainen oppitunti on lyhyt ja interaktiivinen, joten edistyt tasaisesti ja voit jatkaa siitä, mihin jäit – sekä verkossa että sovelluksessa.

Voinko kirjoittaa ja suorittaa koodia tällä Digital Marketing Academy-oppitunnilla?

Kyllä. Jokainen Digital Marketing Academy-oppitunti sisältää sisäänrakennetun koodieditorin, joten voit kirjoittaa ja suorittaa oikeaa koodia suoraan selaimessa ja saada välitöntä palautetta tekoälyltä – paikallista asennusta ei tarvita.

Kaikki tämän kurssin oppitunnit

← Takaisin: Digital Marketing Academy