根据预测采取行动

预测客户流失或客户终身价值的模型，只有在它改变营销行动后才会创造价值。根据预测采取行动，意味着将评分接入营销活动、预算和客户体验。

最后一课将介绍如何把每位客户的预测转化为留存流程、基于价值的出价和可衡量的提升。

不要让广告平台只针对通用转化进行优化，而应将预测的客户终身价值作为转化价值反馈给平台。这样，平台追求的就会是高价值客户，而不只是低价点击。

这是预测型客户终身价值最具杠杆效应的用法：广告支出会自动向与最有利可图的客户相似的受众倾斜。

当高价值客户越过流失风险阈值时，应在客户离开之前触发干预：进行个性化关怀、提供忠诚度福利或给出使用建议。

关键在于时机。在出现第一个预警信号时采取行动，远比客户已经离开后再尝试挽回更便宜、更有效。

折扣会侵蚀毛利，因此应根据客户价值和风险来确定优惠力度。给原本就会购买的冠军客户发放 25% 的优惠券，就是对毛利的浪费。

应将强力激励留给高价值、高风险客户；对于不需要降价的客户，则使用非货币性福利（提前使用权、身份权益）。

预测结果可以驱动自动化客户旅程。新客户进入新客引导流程，流失风险客户进入挽回流程，冠军客户进入品牌拥护和推荐计划。

每个流程都由预测评分控制触发，因此客户收到的是与其预测状态相匹配的消息，而不是一刀切的群发消息。

倾向性评分可以揭示每位客户下一件最适合购买的产品。应推荐客户最有可能购买的商品，而不是对企业而言毛利最高的商品。

让推荐与预测的购买意向保持一致，可以提高转化率和 AOV，同时让客户体验保持相关性，而不是显得强行推销。

根据预测采取行动，也意味着知道什么时候不应花钱。对于预测为无论如何都会留存的客户，应停止发送留存优惠；对于低客户终身价值细分群体，应限制投入。

这样可以将预算释放给真正能够因干预而改变结果的受众，从而提高整体营销投资回报。

最难的工作是证明结果确实由行动造成。始终应留出一个不接受任何干预的对照组。

比较干预组和对照组的留存率或收入，可以分离出真实的增量提升，将实际影响与无论如何都会留存的客户区分开来。

随着客户行为变化，预测结果会逐渐失准。应将实际结果反馈给模型，让模型学习哪些干预有效，并重新校准评分。

从预测到行动、再到衡量和重新训练的这一循环，正是静态报告与持续运行的预测型营销系统之间的区别。

要警惕过度干预：用优惠轰炸流失风险客户可能会加速客户流失。也要关注公平性，确保模型不会不公平地排除某些群体。

绝不能让模型在无人监控的情况下运行。应监测模型漂移，并在预测准确率低于可接受阈值时暂停自动化行动。

成熟的项目会预测每位客户的客户终身价值和流失风险，根据价值和风险进行细分，然后将每位客户分配到合适的行动和优惠中。

项目会通过留出对照组衡量增量提升，并持续重新训练模型。这个闭环能将客户终身价值从一个指标转变为竞争优势。

根据预测采取行动包括基于价值的出价、由阈值触发的客户流失预防、按客户价值确定优惠力度、个性化生命周期流程，以及由倾向性评分驱动的交叉销售。

在行动无效的地方抑制触达，通过留出对照组证明影响，并根据实际结果重新训练模型以闭合反馈回路。至此，我们完成了从定义客户终身价值到运营预测型营销系统的全过程。