So verwenden Sie Predictive Customer Analytics, um Benutzer zu konvertieren

Predictive Customer Analytics nutzt maschinelles Lernen, um historische Daten zu analysieren und einen Algorithmus zu erstellen. Dieser Algorithmus wird dann auf aktuelle Daten angewendet, um vorherzusagen, was als nächstes passieren wird.

Obwohl diese Vorhersagen die Zukunft nicht mit 100-prozentiger Genauigkeit vorhersagen können, können sie Trends und Muster aufdecken, die Ihnen datengestützte Hinweise darauf geben, wie Sie Ihre Ziele, einschließlich Conversions, am besten erreichen.

Sie können Predictive Analytics verwenden, um das Verhalten von Kunden zu verstehen und Conversions zu steigern. Lesen Sie weiter, um zu erfahren, wie.

Wie genau ist Predictive Customer Analytics?

Predictive Customer Analytics ist nicht narrensicher. Die Algorithmen, die Kundenanalysen erstellen, stützen sich auf eine große Menge hochwertiger Daten, um zuverlässige Vorhersagen auszuspucken.

Unternehmen mit mehr als 100.000 monatlich aktiven Nutzern werden mit größerer Wahrscheinlichkeit die Vorteile der vorausschauenden Kundenanalyse voll ausschöpfen, da sie über ein ausreichend großes Datenvolumen verfügen, um genaue Vorhersagen zu gewährleisten. Unternehmen müssen auch Kundeninteraktionen planen, die Benutzer während ihrer gesamten Customer Journey auslösen können. Diese Auslöser können Berührungspunkte wie Klicks, Anmeldungen, Videoaufrufe oder das Erreichen bestimmter Meilensteine ​​sein. Dies sind die Verhaltensdaten, die Ihr Predictive-Analytics-Algorithmus verarbeiten wird.

Ein Predictive-Analytics-Tool wie Amplitude Audiences misst die Genauigkeit des Modells und gibt Ihnen einen Health Score, der auf Dingen wie Datenqualität und -quantität basiert. Alles über 70 % gilt als brauchbares Modell.

Es ist hilfreich, an vorausschauende Kundenanalysen eher in Bezug auf Trends und das Spielen der Chancen zu denken als in Bezug auf genaue Zahlen und Prozentsätze. Sagen wir zum Beispiel, Predictive Analytics zeigt, dass 45 Prozent Ihrer Kunden, die nach zwei Tagen noch keinen Song in Ihrer Musik-Streaming-App abgespielt haben, abwandern werden. Diese Zahl steigt jedoch nach drei Tagen Inaktivität auf 65 Prozent.

Anstatt sich über die Genauigkeit der Prozentsätze zwischen Tag zwei und drei Gedanken zu machen, konzentrieren Sie sich auf den übergreifenden Trend. Diese Erkenntnis zeigt Ihnen, dass es einen wichtigen Meilenstein gibt, an dem es wichtig ist, Kunden erneut einzubeziehen, um sicherzustellen, dass Sie ihre Anforderungen erfüllen. Sie könnten beispielsweise eine In-App-Benachrichtigung senden, in der Sie sie einladen, sich eine neue Single ihres Lieblingskünstlers anzuhören.

Die Beziehung zwischen Predictive Analytics und Kundenverhalten

Predictive Customer Analytics hilft Ihnen, das Benutzerverhalten zu verstehen und wie Kunden auf Ihre Versuche reagieren, sie zu bestimmten Aktionen zu bewegen. Ein Predictive-Analytics-Tool hilft Ihnen, verschiedene Möglichkeiten zu testen, damit Sie eine kostengünstige Entscheidung mit einer höheren Erfolgswahrscheinlichkeit treffen können.

Mit einem Predictive-Analytics-Algorithmus wie Predictions von Amplitude können Sie einfach die Registerkarte Vorhersagen auswählen, eine Kohorte oder Gruppe von Benutzern erstellen und die zukünftige Aktion auswählen, die diese Gruppe ausführen soll – oder nicht. Sobald das Modell ausgeführt wurde, können Sie sehen, welche Faktoren für die Vorhersage der Conversion am wichtigsten sind. Zu diesen Faktoren gehören Attribute – Alter, Gerätetyp, Unternehmensgröße – und Verhaltensweisen – Abspielen eines Songs, Teilen einer Playlist, Verwenden der Favoritenfunktion.

Wenn Sie wissen, welche Funktionen und produktinternen Verhaltensweisen sich auf die Conversion auswirken, können Sie besser verstehen, was Sie optimieren müssen, um die Conversion-Raten zu verbessern.

Anwendungsfälle für Predictive Customer Analytics

Sie können Customer Predictive Analytics für Folgendes verwenden:

• Preisgestaltung : Predictive Analytics hilft Ihnen, den richtigen Preis für Ihr Produkt zu bestimmen. Sie können mit ein paar verschiedenen Preisen experimentieren. Wenn Sie feststellen, dass einige Leute ihren Einkaufswagen zu einem höheren Preis aufgeben, können Sie sich dafür entscheiden, eine Folge-E-Mail mit einem Rabattangebot zu senden.
• Cross -Selling und Up-Selling: Die Steigerung des Customer Lifetime Value (CLV) durch Cross-Selling und Up-Selling ist mit Predictive Customer Analytics einfacher. Basierend auf historischen Daten kann der Algorithmus Sie darauf aufmerksam machen, dass Spieler, die Edelsteine ​​​​im Spiel kaufen, um aufzusteigen, auch gerne neue Gegenstände kaufen. Sie können diese Gelegenheit nutzen, um ein Paket für Power-Ups im Spiel zu erstellen, wenn Kunden eine bestimmte Anzahl von Edelsteinen kaufen.
• Marketingkampagnen : Mit Predictive Customer Analytics stellen Sie möglicherweise fest, dass Personen, die auf einer Zielseite von TikTok landen, mit größerer Wahrscheinlichkeit Ihre App herunterladen als diejenigen, die sich von Facebook durchklicken. Sie könnten diese Informationen nehmen und sich entscheiden, mehr von Ihrem Social-Media-Budget in TikTok zu investieren. Oder Sie könnten die Botschaft der Facebook-Werbung optimieren, um mehr qualifizierte und interessierte Besucher zu liefern.
• Inverse Pricing : Predictive Customer Analytics hilft Ihnen, die richtige Botschaft an den richtigen Kunden zu richten, basierend auf der Wahrscheinlichkeit, dass er eine Aktion ausführt. Nehmen Sie zum Beispiel Abonnements. Der Algorithmus kann dabei helfen festzustellen, ob Benutzer eine hohe, mittlere oder geringe Wahrscheinlichkeit haben, sich für ein monatliches Abonnement anzumelden. Sie können diese Informationen verwenden, um Benutzer in drei Kohorten einzuteilen und Ihre Nachverfolgung entsprechend anzupassen. Beispielsweise kann eine einfache E-Mail-Erinnerung oder In-App-Benachrichtigung für diejenigen ausreichen, die sich am wahrscheinlichsten anmelden. Für diejenigen mit geringer Wahrscheinlichkeit können Sie erwägen, ihnen den ersten Monat kostenlos zu geben und ihnen einen Rabatt von zehn Prozent auf ihren zweiten Monat zu schenken.

Reduzierung der Kundenabwanderung durch Predictive Analytics

Es spielt keine Rolle, wie gut Ihre Akquise-Engine ist; Wenn Sie bestehende Kunden nicht halten können, ist es schwierig, Ihr Geschäft auszubauen.

Predictive Customer Analytics hilft Unternehmen, Kunden mit hohem Abwanderungsrisiko zu identifizieren. Um Kundenabwanderung zu erkennen, bevor sie auftritt, sehen Sie sich die Merkmale von Kunden an, die in der Vergangenheit abgewandert sind, indem Sie die Kohortenanalyse der Abwanderungsrate verwenden. Sie können sich auch den Lebenszyklus eines Kunden ansehen, um Hinweise darauf zu erhalten, wer wahrscheinlich abwandern wird. Möglicherweise finden Sie Indikatoren, die darauf basieren, wie lange die Person Kunde war, wie lange es her ist, dass sie zuletzt mit Ihrem Produkt interagiert hat, bevor sie abgewandert ist, und welche Funktionen sie vor ihrem Abschied verwendet oder nicht verwendet hat.

Dann können Sie verschiedene Botschaften und Anreize testen, um zu erfahren, was diese Kunden in Zukunft am ehesten binden wird.

Schließlich wenden Sie diese Lektionen auf bestehende Kunden an, die ähnliche Anzeichen von Abwanderung zeigen. Durch frühzeitiges Eingreifen haben Sie eine bessere Chance, Vertrauen und Kundenbindung zurückzugewinnen.

Vier Unternehmen nutzen Predictive Analytics (der richtige Weg)

Der Predictive-Analytics-Markt wird bis 2028 voraussichtlich auf 41,5 Milliarden US-Dollar anwachsen. Unternehmen, die diese Prognosetools nicht einsetzen, laufen jetzt Gefahr, hinter die Konkurrenz zurückzufallen. Hier sind einige Anwendungsfälle, die zeigen, wie Branchenführer prädiktive Kundenanalysen einsetzen, um ihr Geschäft auszubauen.

1. Jumbo hat sein Geschäft mithilfe von Audiences in eine lukrative Upselling- und Cross-Selling-Maschine verwandelt. Der Algorithmus von Amplitude lernt aus vergangenem Kaufverhalten und identifiziert, welche Produkte Kunden als nächstes kaufen möchten. Je mehr Daten sie für Produktvorhersagen einbeziehen, desto mehr Verkäufe machen sie, wenn Kunden zur Kasse gehen.
2. Amazon nutzt seine riesigen Datensätze, um den Wert jedes Kaufs zu maximieren, den Kunden tätigen. Es ändert den Preis von Produkten so oft wie alle zehn Minuten. Kunden sehen unterschiedliche Preise basierend darauf, wofür Wettbewerber ihre Produkte verkaufen, dem verfügbaren Inventar, der Beliebtheit des Artikels und dem bisherigen Verhalten des Kunden und von Personen mit ähnlichen Vorlieben.
3. Stitch Fix verwendet prädiktive Analysen, um Stile an Kunden anzupassen. Sie verwenden eine Mischung aus expliziten Informationen, die vom Kunden bereitgestellt werden, sowie das Verhalten ähnlicher Kundenkohorten und wie sie auf diese Stile reagiert haben.
4. Chick-fil-A macht es einfach, schnell Ihr Lieblingsgericht auszuwählen, da es verschiedene Menülayouts präsentiert. Sie basieren jedes Layout auf bekannten Kundenpräferenzen und den Präferenzen ähnlicher Kunden. Predictive Analytics hilft Chick-fil-A auch dabei, UX-Entscheidungen in ihrer App zu treffen, wie z. B. das Verschieben der Lieferschaltfläche auf den ersten Bestellbildschirm. Dieser Schritt führte zu einem Anstieg der Lieferaufträge um 23 Prozent.

Setzen Sie Predictive Customer Analytics in die Praxis um

Eine Harvard Business Review-Umfrage aus dem Jahr 2019 ergab, dass 77 % der Führungskräfte die Implementierung von Big Data für eine lästige Pflicht hielten. Aber es ist nicht die Technologie, vor der sie misstrauisch waren – 93 % dachten, dass die Anpassung ihrer Mitarbeiter und Prozesse das eigentliche Hindernis darstellen würde.

Während die Mathematik, die der vorausschauenden Kundenanalyse zugrunde liegt, komplex sein kann, muss der Prozess zum Erstellen einer Vorhersage es nicht sein. Digital-Analytics-Tools wie Amplitude sind Self-Service und legen Data Science in die Hände von Produktmanagern und Marketern, die sie für die tägliche Entscheidungsfindung benötigen – ohne Ihr Data-Science-Team einzubeziehen. Machen Sie mehr Mitarbeiter in Ihrem Unternehmen zu Datenanalysten, die Vorhersagen über das Kundenverhalten erstellen können – schnell und selbstständig – und datengesteuerte Maßnahmen ergreifen.

Fordern Sie noch heute eine Demo von Amplitude Audiences an und erfahren Sie, wie einfach es sein kann, Vorhersagen zu treffen, die Ihre Preise, Produktpersonalisierungen, Marketingkampagnen und mehr beeinflussen.

Verweise

• Globaler Predictive Analytics-Markt 2028, Statista
• How Amazon Use Big Data to Rule E-Commerce, Inside Big Data, 2019
• Algorithmen-Tour, Stitch Fix
• Unternehmen scheitern bei ihren Bemühungen, datengetrieben zu werden, Harvard Business Review, 2019