予測顧客分析を使用してユーザーを変換する方法

予測顧客分析では、機械学習を使用して履歴データを分析し、アルゴリズムを構築します。 次に、そのアルゴリズムを現在のデータに適用して、次に何が起こるかを予測します。

これらの予測は 100% の正確さで未来を予測することはできませんが、コンバージョンを含む目標を達成するための最善の方法について、データに裏打ちされた手がかりを提供する傾向とパターンを明らかにすることができます。

予測分析を使用して、顧客の行動を理解し、コンバージョンを増やすことができます。 読み進めて、その方法を学びましょう。

予測顧客分析はどの程度正確ですか?

予測顧客分析は絶対確実ではありません。 顧客分析を生成するアルゴリズムは、大量の高品質データに依存して、信頼できる予測を吐き出します。

月間アクティブ ユーザー数が 100,000 人を超える企業は、正確な予測を行うのに十分な量のデータを保有しているため、予測顧客分析のメリットを十分に享受できる可能性が高くなります。 企業はまた、ユーザーがカスタマージャーニー全体でトリガーできるように、顧客とのやり取りを計画する必要があります。 これらのトリガーは、クリック、サインアップ、ビデオの視聴、または特定のマイルストーンへの到達などのタッチポイントである可能性があります。 これは、予測分析アルゴリズムが処理する行動データです。

Amplitude Audiences のような予測分析ツールは、モデルの精度を測定し、データの質や量などに基づいてヘルス スコアを提供します。 70% を超えるものは、使用可能なモデルと見なされます。

正確な数値やパーセンテージではなく、傾向やオッズをプレイするという観点から予測顧客分析を考えると役に立ちます。 たとえば、予測分析により、2 日後に音楽ストリーミング アプリで曲を再生していない顧客の 45% が解約することが示されているとします。 ただし、この数値は、3 日間活動しないと 65% に跳ね上がります。

2 日目から 3 日目までのパーセンテージの精度を心配するよりも、全体的な傾向に注目してください。 このインサイトは、顧客のニーズを確実に満たすために顧客との再エンゲージメントが不可欠な重要なマイルストーンがあることを示しています。 たとえば、お気に入りのアーティストがリリースした新しいシングルを聴くように招待するアプリ内通知を送信できます。

予測分析と顧客行動の関係

予測顧客分析は、ユーザーの行動や、特定の行動を取るよう促す試みに対して顧客がどのように反応するかを理解するのに役立ちます。 予測分析ツールは、さまざまな可能性をテストするのに役立ちます。そのため、成功の可能性が高く、費用対効果の高い決定を下すことができます。

Amplitude の Predictions のような予測分析アルゴリズムを使用すると、予測タブを選択するだけで、ユーザーのコホートまたはグループを作成し、そのグループが実行したい (または実行したくない) 将来のアクションを選択できます。 モデルの実行が完了すると、コンバージョンを予測する上で最も重要な要素を確認できます。 これらの要因には、属性(年齢、デバイスの種類、会社の規模) と行動(曲の再生、プレイリストの共有、お気に入り機能の使用) が含まれます。

コンバージョンに影響を与える機能と製品内の動作を知ることは、コンバージョン率を改善するために何を調整する必要があるかを理解するのに役立ちます。

予測顧客分析のユースケース

顧客予測分析は、次の目的で使用できます。

• 価格設定: 予測分析は、製品の適切な価格を決定するのに役立ちます。 いくつかの異なる価格を試すことができます。 高い価格でショッピング カートを放棄している人がいることに気付いた場合は、割引オファーを記載したフォローアップ メールを送信することを選択できます。
• クロスセルとアップセル: クロスセルとアップセルによる顧客生涯価値 (CLV) の向上は、予測顧客分析を使用することで容易になります。 過去のデータに基づいて、アルゴリズムは、レベルアップのためにゲーム内でジェムを購入するゲーマーが、新しいアイテムも購入することを好むことを警告する場合があります。 この機会を利用して、顧客が一定数のジェムを購入すると、ゲーム内パワーアップのバンドルを作成できます。
• マーケティング キャンペーン: 予測顧客分析を使用すると、TikTok からランディング ページにアクセスした人は、Facebook からクリックスルーした人よりもアプリをダウンロードする可能性が高いことがわかります。 その情報を参考にして、ソーシャル メディアの予算を TikTok にもっと投資することを決めるかもしれません。 または、Facebook 広告のメッセージを微調整して、より質の高い関心のある訪問者を配信することもできます。
• 逆価格設定: 予測顧客分析は、アクションを実行する可能性に基づいて、適切なメッセージを適切な顧客に向けるのに役立ちます。 たとえば、サブスクリプションを取ります。 このアルゴリズムは、ユーザーが月額サブスクリプションにサインアップする可能性が高いか、中か、低いかを判断するのに役立ちます。 その情報を使用して、ユーザーを 3 つのコホートに分類し、それに応じてフォローアップを調整できます。 たとえば、サインアップする可能性が最も高いユーザーには、簡単なメール リマインダーまたはアプリ内通知で十分な場合があります。 可能性が低い場合は、最初の 1 か月を無料で提供し、2 か月目に 10% の割引を提供することを検討してください。

予測分析で顧客離れを減らす

獲得エンジンがどれほど優れているかは問題ではありません。 既存の顧客を維持できなければ、ビジネスを成長させることは困難です。

予測顧客分析は、企業が顧客離れのリスクが高い顧客を特定するのに役立ちます。 顧客の離反を事前に特定するには、解約率コホート分析を使用して、過去に解約した顧客の特徴を調べます。 また、解約の可能性が高い顧客の手がかりを得るために、顧客のライフサイクルを調べることもできます。 その人が顧客であった期間、離脱する前に最後に製品を操作してからの経過時間、別れを告げる前に使用した (または使用しなかった) 機能に基づいて、指標を見つけることができます。

次に、さまざまなメッセージとインセンティブをテストして、それらの顧客を将来維持する可能性が最も高いものを知ることができます.

最後に、これらの教訓を、同様の解約の兆候を示す現在の顧客に適用します。 早期に介入することで、信頼と顧客ロイヤルティを取り戻す可能性が高くなります。

予測分析を使用している 4 つの企業 (正しい方法)

予測分析市場は、2028 年までに 415 億ドルに成長すると予想されています。これらの予測ツールの使用を開始しない企業は、競合他社に後れをとってしまう危険性があります。 業界のリーダーが予測顧客分析を使用してビジネスを成長させる方法を示すいくつかの使用事例を次に示します。

1. ジャンボは、オーディエンスの助けを借りて、そのビジネスを収益性の高いアップセルおよびクロスセル マシンに変えました。 Amplitude のアルゴリズムは、過去の購入行動から学習し、顧客が次に購入したい製品を識別します。 製品予測に含めるデータが多いほど、顧客がチェックアウトしたときの売上が増加します。
2. Amazon は、膨大なデータセットを使用して、顧客が行うすべての購入の価値を最大化します。 商品の価格は 10 分ごとに頻繁に変更されます。 顧客は、競合他社が商品を販売している商品、在庫、商品の人気度、顧客や同様の嗜好を持つ人々の過去の行動に基づいて、さまざまな価格を確認します。
3. Stitch Fix は、予測分析を使用してスタイルを顧客に一致させます。 彼らは、顧客から提供された明示的な情報に加えて、同様の顧客コホートの行動と、それらのスタイルに彼らがどのように反応したかを組み合わせて使用​​します.
4. Chick-fil-A では、さまざまなメニュー レイアウトが表示されるため、お気に入りのアイテムをすばやく簡単に選択できます。 各レイアウトは、既知の顧客の好みと同様の顧客の好みに基づいています。 予測分析は、配送ボタンを最初の注文画面に移動するなど、Chick-fil-A がアプリで UX を決定するのにも役立ちます。 この動きにより、配達注文が 23% 増加しました。

予測顧客分析を実践する

2019 年の Harvard Business Review の調査によると、エグゼクティブの 77% がビッグデータの実装は雑用だと考えていました。 しかし、彼らが警戒していたのはテクノロジではありません。93% は、従業員とプロセスを適応させることが本当の障害になると考えていました。

予測顧客分析の基礎となる数学は複雑かもしれませんが、予測を作成するプロセスは複雑である必要はありません。 Amplitude のようなデジタル分析ツールはセルフサービスであり、データ サイエンス チームが関与することなく、毎日の意思決定にデータ サイエンスを必要とするプロダクト マネージャーやマーケティング担当者の手に渡ります。 社内のより多くの人をデータ アナリストに変えてください。データ アナリストは、顧客の行動に関する予測を迅速かつ独自に作成し、データ駆動型のアクションを実行できます。

今すぐ Amplitude Audiences のデモをリクエストして、価格設定、製品のパーソナライゼーション、マーケティング キャンペーンなどを知らせる予測をいかに簡単に行うことができるかを学びましょう。

参考文献

• グローバル予測分析市場 2028、Statista
• Amazon がどのようにビッグ データを使用して E コマースを支配したか、Inside Big Data、2019 年
• アルゴリズムツアー、ステッチ修正
• 企業はデータドリブンになるための取り組みに失敗している、ハーバード ビジネス レビュー、2019 年