Basandosi sui dati di transato online e offline, questo algoritmo crea cluster di clienti prevedendo il loro comportamento di acquisto futuro e determinandone così l’importanza di ogni singolo, per il tuo brand. É inoltre in grado di predire le seguenti informazioni:
- Se ognuno di loro sarà ancora tuo client fra un anno.
- Quante transazioni possono essere attese da ogni cliente nelle prossime X settimane.
- Se il cliente sta per abbandonarti.
- Se il cliente sarà tra quelli che apporteranno maggiore valore alla tua azienda in futuro.
Descrizione
| Dati di Input | Dati di Output |
| Customer_id | Churn probability |
| Date | Expected amount |
| Order_id | Actual spending segment |
| Order_line_id | Future spending segment |
| Amount | |
| Discount |
Dettagli ed esempi di output
L’algoritmo CLV è basato su un modello statistico complesso che impiega il tempo che intercorre tra un acquisto e l’altro e la regolarità di acquisto. Il modello include anche il “paradosso di frequenza”, che vuol dire che ogni ciclo caratterizzato da un’elevata frequenza di acquisto è seguito da un periodo di inattività.
Il modello calcola:
- Probabilità di abbandono
- Spesa prevista
- Segmento di spesa attuale
- Segmento di spesa futura
| Customer ID | 11223344 |
| Churn probability | 0.21 |
| Expected amount | €140.23 |
| Actual spending segment | Silver |
| Future spending segment | Silver-Bronze |
Tags:
- Modello statistico
- Predittivo
- Clustering
Pagina precedente: Customer Engagement dinamico