예측 가능한 분석 또는 고객이 주문하도록 돕는 방법

평범한 가게 주인으로서 나는 항상 내일 얼마를 벌 수 있을지, 어떻게 하면 더 나은 판매를 할 수 있는지, 언제 고객에게 할인을 주어야 하는지, 아니면 하지 말아야 하는지 궁금했습니다. 쇼핑 관련 제품이나 정보가 포함된 유용한 이메일을 작성했는데도 왜 내 이메일의 시작 지수가 낮습니까?

그때부터 묻기 시작했습니다. 내 고객의 행동을 어떻게 예측할 수 있습니까? 언제 그에게 이메일을 보내거나 전화를 걸어야 합니까? 언제 사용자에게 "여기 있습니다"라고 상기시켜야 하며 언제 상호 작용하도록 밀어야 합니까? 그때 내가 Latency Matrix를 찾았습니다. 특정 고객이 언제 다음 인터랙션을 해야 하는지, 그 상황에서 내가 무엇을 해야 하는지 살펴보고 예측하는 것은 마법의 공입니다.

Q – 더 많은 판매를 얻기 위해 가능한 한 자주 사용자에게 할인을 제공해야 합니다.

답 - 틀렸다

항상 쇼핑객을 다시 데려오는 데 할인을 사용해서는 안 됩니다. 당신은 모든 특정 순간에 고객이 필요로 하는 것을 제공하는 사람이어야 하며 고객이 다음에 다시 연락할 수 있도록 계속해서 맥박을 맞춰야 합니다. 제공되는 할인은 이를 달성하기 위한 올바른 방법이 아닙니다.

예측 가능한 매력이 Latency Matrix에서 어떻게 작동하는지 살펴보겠습니다.

처음에는 무섭게 생겼지만 차근차근 체크해 보면 스스로 같은 것을 읽고 만드는 방법을 알게 될 것입니다.

가장 먼저 해야 할 일은 구매자를 2차원으로 그룹화하는 것입니다. 주문 사이에 걸린 일수(상호작용 사이의 일수)와 정확한 고객이 주문한 주문 수입니다. 필터링할 때 이 2가지 차원을 사용하여 매장에서 일반적인 고객 행동을 확인하고 향후 행동을 예측합니다.

이제 Latency 매트릭스를 구축해 보겠습니다.

주문과 함께 모든 고객을 내보낼 때 한 번만 주문한 고객을 찾아야 합니다. 우리는 고객이 등록 후 첫 번째 주문을 하기까지 얼마나 걸렸는지 계산합니다. 2개 이상의 주문으로 쇼핑객을 건너뛰십시오. 나중에 다시 연락드리겠습니다. 이 값, 등록과 첫 번째 주문 사이의 일수는 하나의 주문(주문 수)으로 고객이 만든 첫 번째 주문 옆의 첫 번째 셀에 배치해야 합니다.

고객이 등록 후 1개의 주문을 하는 데 걸린 날짜

이 예에서는 등록일로부터 첫 번째 주문을 하는 데 평균 2일이 걸렸습니다.

같은 방식으로 매장에서 주문한 고객 수에 따라 첫 주문을 한 고객을 필터링합니다. 이렇게 하면 고객이 이미 2개의 주문을 하고 있는 경우 첫 번째 주문을 하는 데 걸린 수 또는 일수를 알 수 있습니다. 다음 그림을 얻습니다.

구매자가 매장에서 주문한 총 주문 수에 따라 첫 번째 주문을 하는 데 걸린 날짜

예측을 시작할 수 있는 지점입니다. 수를 계산하는 데 사용한 총 고객 수(저희의 경우 694명)가 충분히 높다면 단 한번의 구매를 하려고 하는 등록된 모든 사용자가 구매해야 하는 기간이라고 말할 수 있습니다. 2일(최대) 이내에 첫 번째 상호 작용, 그렇지 않으면 높은 확률로 전혀 하지 않을 것입니다. 이를 염두에 두고 구매자에게 흥미로운 점을 알려주는 자동 알림을 설정할 수 있습니다.

고객이 첫 주문을 하는 데 걸리는 최대 시간은 12 및 17이지만 그러한 행동을 하는 고객의 수는 49이며 모든 고객과 비교하면 무시해도 됩니다. 쇼핑객이 첫 주문을 하는 데 걸린 최소 시간은 0이며 등록이 발생한 당일에 주문을 했음을 의미합니다.

첫 번째 알림의 정확한 시간은 몇 시입니까?

고객이 한 번 주문하는 평균 시간이 있고 모든 쇼핑객을 고려하면 최대 4일이 소요될 수 있는 경우 고객이 2일 이내에 주문을 완료할 것으로 예상합니다. 5일차에 알림을 보내도록 설정하여 자녀가 스스로 첫 걸음을 내디딜 수 있도록 하는 것이 좋습니다.

귀하의 고객이 예상대로 스스로 수행할 수 있도록 귀하의 숫자는 시간이 지남에 따라 반드시 변경될 것입니다.

모든 잠재 고객에게 편지를 보내면 안되는 이유

타사 메일 시스템을 사용하는 경우 이 방법을 사용하면 시간과 비용을 절약할 수 있습니다. 당신의 쇼핑객들은 이미 당신의 상점에 관심을 잃었을 때 너무 빠르거나 너무 늦게 그들 모두에게 메일을 보내지 않을 것이기 때문에 당신을 스팸처럼 취급하지 않을 것입니다. 이러한 사용자에게 2일 이내에 할인을 제공하면 잠재적인 이익을 잃지 않을 것입니다. 이러한 사용자가 이러한 상호작용을 스스로 할 가능성이 가장 높기 때문입니다(평균 최대 4일).

따라서 주문이 없는 등록된 사용자 목록을 가져와 5일 이내에 알림을 보냅니다.

그것이 첫 번째 알림의 시나리오이지만 기존 고객은 어떻습니까? 일회성 구매자는 상점 소유자에게 가장 비용이 많이 들기 때문에 이 그룹은 매우 중요하며 그들이 다음 상호작용을 언제 하고 언제 해야 하는지를 예측해야 합니다.

이를 이해하려면 고객의 모든 2차 주문에 대한 데이터를 수집해야 합니다. 따라서 우리는 2개의 주문이 있는 쇼핑객 목록을 가져오고 첫 번째 주문에서 두 번째 주문을 수행한 날짜를 계산하고 매장에서 주문한 수로 필터링합니다. 따라서 120은 고객이 첫 번째 주문부터 두 번째 주문을 하고 구매자가 2개의 주문만 하는 데 걸린 일 수입니다.

2nd – 고객이 두 번째 주문을 하는 데 걸린 일 수

또한 평균 통계를 보려면 첫 번째 주문과 두 번째 주문 사이의 모든 고객에 대한 평균 일수를 계산해야 합니다. 또한 2개 이상 주문한 고객의 수가 1개만 주문한 고객보다 적기 때문에 이 수치는 덜 정확하다는 점을 염두에 두십시오. 이는 일반 전자상거래 상점의 일반적인 상황이며 이 보고서는 일회성 구매자를 푸시하고 추가 상호작용을 하는 데 도움이 될 것입니다.

이 예에서는 2개의 주문이 있는 쇼핑객에 대해 두 번째 주문을 하는 데 120일이 걸렸고 모든 고객에 대해 두 번째 주문을 하는 데 평균 110일이 걸렸습니다. 따라서 한 번만 주문한 쇼핑객은 110~120일 이내에 두 번째 구매를 해야 한다고 예측할 수 있습니다. 121일 후에 알림을 만들고 두 번째 구매로 푸시합니다.

신규유저보다 할인이 더 저렴하기 때문에 이 시점에서 할인을 제공해야 할 때입니다. 이제 일회성 구매자를 충성도 높은 고객으로 만들 수 있습니다.

3차, 4차 등으로 하는 것과 같은 방식입니다. 예측에 필요한 만큼의 주문 수를 받을 수 있습니다. 기본적으로 10개 이상의 주문을 하는 충성도가 높은 고객은 다르게 취급되어야 하므로 해당 숫자에 중지할 수 있습니다.

계산 결과 Latency Matrix라는 다음 등급을 얻습니다.

대기 시간 매트릭스

기본적으로 여기에 필요한 것은 각 그룹의 모든 마지막 순서와 모든 평균 숫자입니다. 따라서 2건의 주문이 있는 고객의 다가오는 판매 예측은 3건의 고객 그룹에서 3번째 주문을 하는 데 걸린 일수(저희의 경우 96일)와 평균 110일입니다. 3개의 주문이 있는 쇼핑객에 대한 다음 상호작용의 예측은 87 – 59일 등입니다.

또한 메일 트리거 "시작점"으로 예측을 갖는 모든 고객 그룹의 비활성 3, 7, 30일 동안 자동 응답을 예약하여 사용자를 매장으로 다시 불러들이는 특가 상품을 제공할 수 있습니다.

시간이 지나면 이 살아있는 유기체가 변하고 숫자가 더 정확해지며 판매 비율이 증가할 것입니다.

또한 총계에 의존하고 소수의 구매자를 참조할 수 있고 정확하지 않을 수 있으므로 편의를 위해 각 그룹의 총 고객을 얻는 것이 좋습니다.

또한 마지막 거래의 시간을 기준으로 클라이언트를 필터링하는 경우 12개월 이상의 비활성 상태에서 메일을 보낼 고객 목록과 잠재적으로 잃어버린 쇼핑객 목록을 얻을 수 있습니다.

이 매트릭스를 얼마나 자주 확인해야 합니까?

새로 생긴 매장은 월 1회, 평판이 좋고 매출이 꽤 안정적인 매장은 3개월에 1회, 역사가 크고 순위가 좋은 매장은 1년에 1회 이상 확인하는 것이 좋다.

이 매트릭스에서 다루지 않는 것은 무엇입니까?

상호 작용이 이루어진 시간을 고려하지 않으므로 2년 전에 이루어진 모든 주문과 새로 생성된 주문이 고려됩니다. 행동은 새로운 판매를 가속화함으로써 시간이 지남에 따라 변할 것이지만 이전 수치는 통계를 낮추게 됩니다.

고객 행동을 예측하면 신뢰할 수 있는 마케팅 전략과 메일 마케팅에 손을 댈 수 있습니다. 고객이 매장을 영원히 떠나려 할 때 혼자 두지 마십시오.

이 보고서는 시간이 많이 걸리지만 Excel에서 또는 Magento 애플리케이션용 Store Manager, Enterprise Edition(Magento Community 및 EE 모두 지원)을 사용하여 수행할 수 있습니다.

eMagicOne의 더 많은 Magento 보고서 찾기 – https://www.mag-manager.com/magento-report/

당신이 빠르게 성장하고 우리의 기사가 당신의 큰 미래를 여는 작은 문이 되기를 바랍니다.

이 게시물은 온라인 비즈니스를 매우 쉽고 간편하게 유지 관리할 수 있는 스마트하고 편리한 전자 상거래 솔루션을 제공하는 eMagicOne의 CMO인 게스트 기고자 Oksana Semenyuk이 제공합니다.