Analisis yang Dapat Diprediksi atau Bagaimana Anda Dapat Membantu Pelanggan Anda Melakukan Pemesanan

Sebagai pemilik toko rata-rata, saya selalu ingin tahu berapa banyak yang akan saya peroleh besok, bagaimana saya bisa membuat penjualan itu lebih baik dan kapan saya harus memberi atau tidak memberikan diskon kepada pelanggan saya. Mengapa email saya memiliki indeks pembukaan yang rendah meskipun saya menulis email yang berguna dengan produk atau informasi terkait pembelanja?

Saat itulah saya mulai bertanya. Bagaimana saya bisa memprediksi perilaku klien saya? Kapan saya harus mengiriminya email atau meneleponnya? Kapan saya harus mengingatkan pengguna bahwa "Ini Saya" dan kapan saya harus mendorong mereka untuk berinteraksi? Saat itulah saya menemukan Latency Matrix. Ini adalah bola ajaib untuk melihat dan memprediksi kapan pelanggan tertentu harus melakukan interaksi berikutnya dan apa yang harus saya lakukan dalam situasi itu.

T – Kami harus menawarkan diskon kepada pengguna sesering mungkin untuk mendapatkan lebih banyak penjualan

A – Salah

Diskon tidak boleh digunakan untuk membawa pembeli kembali setiap saat. Anda harus menjadi orang yang menawarkan apa yang mereka butuhkan di setiap momen tertentu dan Anda harus terus memantau untuk memastikan pelanggan Anda akan kembali kepada Anda di lain waktu. Diskon yang ditawarkan bukanlah cara yang tepat untuk mencapainya.

Mari kita lihat bagaimana pesona yang dapat diprediksi bekerja dengan Latency Matrix

Awalnya terlihat menakutkan, tetapi kami akan memeriksanya selangkah demi selangkah dan Anda akan tahu cara membaca dan membuat yang sama sendiri.

Hal pertama yang perlu kita lakukan adalah mengelompokkan pembeli kita berdasarkan 2 dimensi – jumlah hari yang dibutuhkan untuk mereka di antara pesanan (hari di antara interaksi) dan berapa banyak pesanan yang dibuat oleh pelanggan yang sebenarnya. Saat memfilternya, kami akan menggunakan 2 dimensi tersebut untuk melihat perilaku pelanggan normal di toko dan untuk memprediksi tindakan mereka di masa mendatang.

Mari kita coba membangun matriks Latency kita sekarang.

Ketika kami telah mengekspor semua pelanggan bersama dengan pesanan mereka, kami perlu menemukan mereka yang hanya melakukan satu pesanan. Kami menghitung berapa hari yang dibutuhkan pelanggan untuk melakukan pemesanan pertama dan satu-satunya setelah pendaftaran. Lewati pembeli dengan 2 pesanan atau lebih, kami akan menghubungi mereka kembali nanti. Nilai ini, hari antara pendaftaran dan pesanan pertama, harus ditempatkan di sel pertama di sebelah pesanan pertama yang dibuat oleh pelanggan dengan hanya satu pesanan (jumlah pesanan).

Hari yang dibutuhkan klien untuk melakukan 1 pesanan setelah pendaftaran

Dalam contoh kami, dibutuhkan 2 hari (rata-rata) mulai dari tanggal pendaftaran untuk melakukan pemesanan pertama.

Dengan cara yang sama kami menyaring pelanggan yang telah melakukan pemesanan pertama mereka tergantung pada jumlah pesanan yang mereka buat di toko Anda. Dengan cara ini kita mendapatkan jumlah atau hari yang dibutuhkan untuk melakukan pemesanan pertama jika pelanggan sudah memiliki 2 pesanan, sama untuk 3, 4, 5 dan 11+ pesanan per pelanggan. Kami mendapatkan gambar berikut:

Hari yang dibutuhkan pembeli untuk melakukan pemesanan pertama tergantung pada jumlah total pesanan yang mereka lakukan di toko Anda

Ini adalah titik di mana kita bisa memulai prediksi kita. Jika jumlah total pelanggan yang digunakan untuk menghitung jumlah (dalam kasus kami adalah 694 pelanggan) cukup tinggi, kita dapat mengatakan bahwa itu adalah periode ketika semua pengguna terdaftar yang akan melakukan satu-satunya pembelian harus melakukan pembelian mereka. interaksi pertama dalam 2 hari (maks), jika tidak dengan tingkat probabilitas tinggi, mereka tidak akan melakukannya sama sekali. Dengan mengingat hal itu, kami dapat menyiapkan beberapa pengingat otomatis yang akan memberi tahu pembeli sesuatu yang menarik untuk menarik mereka ke toko Anda.

Waktu maksimum yang dibutuhkan pelanggan untuk melakukan pemesanan pertama mereka adalah 12 dan 17, meskipun jumlah klien dengan perilaku seperti itu adalah 49 dan jika dibandingkan dengan semua pelanggan, Anda dapat mengabaikannya. Waktu minimum yang dibutuhkan pembeli untuk melakukan pemesanan pertama adalah 0, artinya mereka telah melakukan pemesanan pada hari yang sama saat pendaftaran terjadi.

Kapan waktu yang tepat untuk pengingat pertama?

Anda mengharapkan klien untuk membuat pesanan mereka dalam 2 hari, jika Anda memiliki waktu rata-rata untuk pelanggan dengan satu pesanan dan mungkin memakan waktu hingga 4 hari dengan mempertimbangkan semua pembeli. Sebaiknya atur pengingat Anda agar dikirim pada hari ke-5 agar mereka dapat melakukan langkah pertama sendiri.

Nomor Anda pasti akan berubah seiring waktu, karena Anda akan membantu klien Anda melakukan sendiri seperti yang Anda harapkan.

Mengapa Anda tidak harus mengirim surat ke Semua calon pelanggan

Jika Anda menggunakan sistem surat pihak ketiga, metode ini dapat menghemat waktu dan uang Anda. Pembeli Anda tidak akan memperlakukan Anda seperti spam karena Anda tidak akan mengirim email ke mereka semua terlalu cepat atau terlambat ketika mereka sudah kehilangan minat pada toko Anda. Anda tidak akan kehilangan potensi keuntungan jika Anda menawarkan diskon untuk pengguna tersebut dalam 2 hari karena kemungkinan besar mereka akan melakukan interaksi ini sendiri (rata-rata hingga 4 hari).

Jadi kami mendapatkan daftar pengguna terdaftar tanpa pesanan apa pun dan mengirimi mereka pengingat dalam 5 hari.

Itu skenario reminder pertama, tapi bagaimana dengan pelanggan yang sudah ada? Pembeli satu kali adalah yang paling mahal bagi pemilik toko, jadi grup ini sangat penting dan Anda harus memprediksi kapan mereka akan melakukan interaksi berikutnya dan kapan mereka harus melakukannya.

Untuk memahami itu, kami perlu mengumpulkan data tentang semua pesanan kedua yang dibuat oleh pelanggan Anda. Jadi kami mendapatkan daftar pembeli dengan 2 pesanan dan menghitung dalam berapa hari mereka membuat pesanan kedua dari pesanan pertama dan memfilternya dengan jumlah pesanan yang mereka miliki di toko Anda. Jadi 120 adalah jumlah hari yang dibutuhkan pelanggan untuk melakukan pemesanan kedua mulai dari yang pertama dan pembeli hanya melakukan 2 pesanan, dan seterusnya.

2-nd – Jumlah hari yang dibutuhkan pelanggan untuk membuat pesanan kedua mereka

Anda juga perlu menghitung jumlah hari rata-rata untuk semua pelanggan antara urutan pertama dan kedua untuk melihat statistik rata-rata. Juga perlu diingat bahwa angka-angka tersebut kurang akurat karena jumlah klien yang telah menempatkan 2+ pesanan lebih rendah daripada mereka yang hanya memiliki satu pesanan. Ini adalah situasi normal untuk toko e-niaga rata-rata, dan laporan ini akan membantu Anda mendorong pembeli satu kali dan membuat interaksi lebih lanjut.

Dalam contoh kami, dibutuhkan 120 hari untuk melakukan pemesanan kedua untuk pembeli dengan 2 pesanan dan rata-rata butuh 110 hari untuk melakukan pemesanan kedua untuk semua pelanggan. Jadi kami dapat memprediksi bahwa pembeli dengan hanya satu pesanan akan melakukan pembelian kedua dalam waktu 110 – 120 hari. Buat pengingat untuk mereka dalam 121 hari dan dorong mereka ke pembelian kedua.

Saatnya untuk menawarkan diskon pada saat ini karena diskon lebih murah daripada pengguna baru. Anda dapat mengubah pembeli satu kali menjadi pelanggan setia sekarang.

Cara yang sama Anda lakukan dengan pesanan ketiga, pesanan keempat, dll. Anda dapat mengambil pesanan sebanyak yang Anda butuhkan untuk prediksi. Pada dasarnya pelanggan setia yang melakukan pemesanan lebih dari 10 harus diperlakukan berbeda, sehingga Anda bisa berhenti di angka tersebut.

Sebagai hasil perhitungan Anda mendapatkan nilai berikut yang disebut Matriks Latensi.

Matriks Latensi

Pada dasarnya yang Anda butuhkan di sini adalah setiap urutan terakhir dari setiap grup dan semua angka rata-rata. Jadi prediksi penjualan yang akan datang untuk klien dengan 2 pesanan adalah jumlah hari yang dibutuhkan untuk membuat pesanan ke-3 dalam kelompok pelanggan dengan 3 pesanan (yaitu 96 dalam kasus kami) dan jumlah rata-ratanya yaitu 110. prediksi interaksi selanjutnya untuk pembeli dengan 3 pesanan adalah 87 – 59 hari, dst.

Terlebih lagi, Anda dapat menawarkan penawaran hebat untuk membawa pengguna kembali ke toko Anda dengan menjadwalkan balasan otomatis dalam 3, 7, 30 hari tanpa aktivitas semua grup pelanggan yang memiliki prediksi kami sebagai pemicu email "titik awal".

Pada waktunya organisme hidup ini akan berubah dan jumlahnya akan lebih akurat dan % penjualan akan meningkat.

Juga untuk kenyamanan Anda, lebih baik untuk mendapatkan total pelanggan di setiap grup karena Anda akan mengandalkan total dan mereka mungkin merujuk ke sejumlah kecil pembeli dan mungkin tidak akurat.

Juga jika Anda memfilter klien berdasarkan waktu dari transaksi terakhir, Anda bisa mendapatkan daftar pelanggan untuk mengirim email ke dan pembeli yang berpotensi hilang dengan lebih dari 12 bulan tidak aktif.

Seberapa sering saya harus memeriksa matriks ini?

Sebaiknya periksa sebulan sekali untuk toko yang baru dibuat, 3 bulan sekali untuk toko dengan reputasi baik dan penjualan yang cukup stabil, dan setidaknya setahun sekali untuk toko dengan sejarah besar dan peringkat bagus.

Apa yang tidak tercakup dalam matriks ini?

Anda tidak memperhitungkan waktu saat interaksi dilakukan, jadi semua pesanan yang dibuat 2 tahun yang lalu dan pesanan yang baru dibuat akan diperhitungkan. Perilaku akan berubah seiring waktu dengan mempercepat penjualan baru Anda, meskipun angka lama akan menurunkan statistik Anda.

Memprediksi perilaku pelanggan dapat membantu Anda dengan strategi pemasaran dan pemasaran surat yang akan mulai Anda percayai. Jangan tinggalkan klien Anda sendiri ketika mereka akan meninggalkan toko Anda selamanya.

Laporan ini memakan waktu, tetapi dapat dilakukan baik di Excel atau dengan aplikasi Store Manager untuk Magento, Edisi Perusahaan (Mendukung Komunitas Magento dan EE).

Temukan lebih banyak laporan Magento oleh eMagicOne di – https://www.mag-manager.com/magento-report/

Semoga Anda akan berkembang pesat dan artikel kami akan menjadi pintu kecil yang membuka masa depan Anda yang besar.

Posting ini disediakan oleh kontributor tamu Oksana Semenyuk, CMO di eMagicOne – perusahaan yang menawarkan solusi e-niaga cerdas dan nyaman yang membuat pemeliharaan bisnis online menjadi sangat mudah dan mudah.