Customer Lifetime Value (CLV)

Questo algoritmo crea cluster di clienti, basandosi sul loro attuale e predittivo livello di spesa, per determinare la loro importanza per l’azienda. E’ inoltre in grado di predire le seguenti informazioni per ogni cliente:

  • Se da qui a un anno saranno ancora tuoi clienti
  • Quante transazioni possono essere attese da ogni cliente nelle prossime X settimane
  • Se il cliente sta per abbandonare il brand
  • Se il cliente sarà tra quelli che apporteranno maggiore valore all’azienda in futuro

Descrizione

Dati di input e output del CLV

Dati di Input Dati di Output
Dati Transazionali

Customer_id.

Date.

Order_id.

Order_line_id.

Amount.

Discount.

 

Churn probability.

Expected amount.

Actual spending segment.

Future spending segment.

 

 

 

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 ogni ciclo caratterizzato da un’elevata frequenza di acquisto, viene seguita da un periodo di inattività.

Il modello calcola:

  • Probabilità di abbandono
  • Spesa prevista
  • Segmento di spesa attuale
  • Segmento di spesa futura

Esempi di output

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 | Pagina seguente: Introduction