예측 고객 분석을 사용하여 사용자를 전환하는 방법

예측적 고객 분석은 기계 학습을 사용하여 과거 데이터를 분석하고 알고리즘을 구축합니다. 그런 다음 해당 알고리즘을 현재 데이터에 적용하여 다음에 일어날 일을 예측합니다.

이러한 예측이 100% 정확도로 미래를 예측할 수는 없지만 전환을 포함하여 목표를 달성하는 가장 좋은 방법에 대한 데이터 기반 단서를 제공하는 추세와 패턴을 드러낼 수 있습니다.

예측 분석을 사용하여 고객의 행동을 이해하고 전환을 늘릴 수 있습니다. 방법을 배우려면 계속 읽으십시오.

예측 고객 분석은 얼마나 정확합니까?

예측적 고객 분석은 완벽하지 않습니다. 고객 분석을 생성하는 알고리즘은 신뢰할 수 있는 예측을 내놓기 위해 많은 양의 고품질 데이터에 의존합니다.

월간 활성 사용자가 100,000명 이상인 회사는 정확한 예측을 보장할 수 있을 만큼 충분한 양의 데이터가 있기 때문에 예측적 고객 분석의 모든 이점을 누릴 가능성이 더 큽니다. 기업은 또한 사용자가 고객 여정 전반에 걸쳐 트리거할 고객 상호 작용을 계획해야 합니다. 이러한 트리거는 클릭, 가입, 동영상 조회 또는 특정 이정표 도달과 같은 터치포인트가 될 수 있습니다. 이것은 예측 분석 알고리즘이 처리할 행동 데이터입니다.

Amplitude Audiences와 같은 예측 분석 도구는 모델의 정확도를 측정하고 데이터 품질 및 수량과 같은 항목을 기반으로 상태 점수를 제공합니다. 70% 이상이면 사용 가능한 모델로 간주됩니다.

정확한 수치와 비율보다는 추세와 승산의 관점에서 예측적 고객 분석을 생각하는 것이 도움이 됩니다. 예를 들어, 예측 분석에 따르면 이틀 후에 음악 스트리밍 앱에서 노래를 재생하지 않은 고객의 45%가 이탈할 것이라고 가정해 보겠습니다. 그러나 이 수치는 3일 동안 활동이 없으면 65%로 급증합니다.

2일과 3일 사이에 백분율의 정확성에 대해 걱정하기보다는 전반적인 추세에 집중하십시오. 이 통찰력은 고객의 요구 사항을 충족하기 위해 고객을 다시 참여시키는 것이 필수적인 중요한 이정표가 있음을 알려줍니다. 예를 들어, 좋아하는 아티스트가 발표한 새 싱글을 듣도록 초대하는 앱 내 알림을 보낼 수 있습니다.

예측 분석과 고객 행동 간의 관계

예측적 고객 분석은 사용자 행동을 이해하고 고객이 특정 조치를 취하도록 유도하려는 시도에 어떻게 반응하는지 이해하는 데 도움이 됩니다. 예측 분석 도구는 다양한 가능성을 테스트하는 데 도움이 되므로 더 높은 성공 확률로 비용 효율적인 결정을 내릴 수 있습니다.

Amplitude의 예측과 같은 예측 분석 알고리즘을 사용하면 예측 탭을 선택하고 코호트 또는 사용자 그룹을 구축한 다음 해당 그룹이 취하기를 원하거나 원하지 않는 향후 조치를 선택할 수 있습니다. 모델 실행이 완료되면 전환을 예측하는 데 가장 중요한 요소를 확인할 수 있습니다. 이러한 요소에는 연령, 기기 유형, 회사 규모와 같은 속성 과 노래 재생, 재생 목록 공유, 즐겨찾는 기능 사용 등의 행동 이 포함됩니다.

어떤 기능과 제품 내 동작이 전환에 영향을 미치는지 알면 전환율을 개선하기 위해 무엇을 조정해야 하는지 이해하는 데 도움이 됩니다.

예측적 고객 분석을 위한 사용 사례

다음을 위해 고객 예측 분석을 사용할 수 있습니다.

• 가격 책정 : 예측 분석을 통해 제품에 적합한 가격을 결정할 수 있습니다. 몇 가지 다른 가격으로 실험할 수 있습니다. 일부 사람들이 더 높은 가격에 장바구니를 포기하는 것을 발견하면 할인 제안이 포함된 후속 이메일을 보내도록 선택할 수 있습니다.
• 교차 판매 및 상향 판매 : 예측 고객 분석을 통해 교차 판매 및 상향 판매를 통해 고객평생가치(CLV)를 더 쉽게 높일 수 있습니다. 과거 데이터를 기반으로 알고리즘은 레벨을 올리기 위해 게임 내에서 보석을 구매하는 게이머도 새 아이템을 구매하는 것을 좋아한다는 경고를 표시할 수 있습니다. 고객이 특정 수의 보석을 구매할 때 이 기회를 사용하여 게임 내 파워업 번들을 생성할 수 있습니다.
• 마케팅 캠페인 : 예측 고객 분석을 사용하면 TikTok에서 랜딩 페이지에 도달하는 사람들이 Facebook에서 클릭하는 사람들보다 앱을 다운로드할 가능성이 더 높다는 것을 알 수 있습니다. 그 정보를 가지고 TikTok에 소셜 미디어 예산을 더 많이 투자하기로 결정할 수 있습니다. 또는 Facebook 광고의 메시지를 조정하여 보다 자격 있고 관심 있는 방문자를 제공할 수 있습니다.
• 역 가격 책정 : 예측적 고객 분석은 행동을 수행할 가능성을 기반으로 올바른 고객에게 올바른 메시지를 타겟팅하는 데 도움이 됩니다. 예를 들어 구독을 가져옵니다. 알고리즘은 사용자가 월간 구독에 가입할 가능성이 높음, 중간 또는 낮음을 결정하는 데 도움이 될 수 있습니다. 이 정보를 사용하여 사용자를 세 집단으로 분류하고 그에 따라 후속 조치를 조정할 수 있습니다. 예를 들어, 간단한 이메일 알림이나 인앱 알림은 가입할 가능성이 가장 높은 사람들에게 충분할 수 있습니다. 가능성이 낮은 사람들의 경우 첫 달에는 무료로 제공하고 두 번째 달에는 10% 할인을 제공하는 것을 고려할 수 있습니다.

예측 분석으로 고객 이탈 감소

획득 엔진이 얼마나 좋은지는 중요하지 않습니다. 기존 고객을 유지하지 못하면 비즈니스를 성장시키기 어렵습니다.

예측적 고객 분석은 기업이 이탈 위험이 높은 고객을 식별하는 데 도움이 됩니다. 고객 이탈이 발생하기 전에 식별하려면 이탈률 코호트 분석을 사용하여 과거에 이탈한 고객의 특성을 살펴봅니다. 또한 고객의 라이프사이클에서 누가 이탈할 가능성이 있는지에 대한 단서를 찾을 수 있습니다. 그 사람이 고객이었던 기간, 이탈하기 전에 제품과 마지막으로 상호 작용한 후의 시간, 작별 인사를 하기 전에 사용하거나 사용하지 않은 기능을 기반으로 지표를 찾을 수 있습니다.

그런 다음 다양한 메시지와 인센티브를 테스트하여 향후 이러한 고객을 유지할 가능성이 가장 높은 것이 무엇인지 알아볼 수 있습니다.

마지막으로 유사한 이탈 징후를 보이는 현재 고객에게 이러한 교훈을 적용합니다. 조기에 개입하면 신뢰와 고객 충성도를 회복할 수 있는 더 나은 기회를 얻을 수 있습니다.

예측 분석을 사용하는 4개 회사(올바른 방법)

예측 분석 시장은 2028년까지 415억 달러로 성장할 것으로 예상됩니다. 이러한 예측 도구를 사용하지 않는 회사는 이제 경쟁에서 뒤처질 위험이 있습니다. 다음은 업계 리더들이 예측적 고객 분석을 사용하여 비즈니스를 성장시키는 방법을 보여주는 몇 가지 사용 사례입니다.

1. Jumbo는 Audiences의 도움으로 비즈니스를 수익성 높은 상향 판매 및 교차 판매 시스템으로 전환했습니다. Amplitude의 알고리즘은 과거 구매 행동에서 학습하고 고객이 다음에 구매하기를 원하는 제품을 식별합니다. 제품 예측을 위해 포함하는 데이터가 많을수록 고객이 체크아웃할 때 더 많은 매출을 올릴 수 있습니다.
2. Amazon은 방대한 데이터 세트를 사용하여 고객이 구매하는 모든 가치를 극대화합니다. 10분마다 제품 가격을 자주 변경합니다. 고객은 경쟁업체가 제품을 판매하는 대상, 사용 가능한 재고, 품목의 인기도, 고객과 유사한 선호도를 가진 사람들의 과거 행동에 따라 다른 가격을 보게 됩니다.
3. Stitch Fix는 예측 분석을 사용하여 고객에게 스타일을 일치시킵니다. 그들은 고객이 제공한 명시적 정보와 유사한 고객 집단의 행동 및 이러한 스타일에 대한 반응을 혼합하여 사용합니다.
4. Chick-fil-A는 다양한 메뉴 레이아웃을 제공하기 때문에 좋아하는 항목을 빠르게 선택할 수 있습니다. 그들은 알려진 고객 선호도와 유사한 고객의 선호도에 따라 각 레이아웃을 기반으로 합니다. 예측 분석은 또한 Chick-fil-A가 배달 버튼을 첫 번째 주문 화면으로 이동하는 것과 같이 앱에서 UX 결정을 내리는 데 도움이 됩니다. 그 움직임으로 배달 주문이 23% 증가했습니다.

예측적 고객 분석을 실행

2019년 하버드 비즈니스 리뷰(Harvard Business Review) 설문조사에 따르면 경영진의 77%가 빅 데이터 구현이 귀찮은 일이라고 생각했습니다. 그러나 그들이 경계한 것은 기술이 아닙니다. 93%는 인력과 프로세스를 조정하는 것이 진정한 장애물이 될 것이라고 생각했습니다.

예측 고객 분석의 기초가 되는 수학은 복잡할 수 있지만 예측 생성 프로세스는 복잡할 필요가 없습니다. Amplitude와 같은 디지털 분석 도구는 셀프 서비스이며 데이터 과학 팀이 개입하지 않고도 일상적인 의사 결정에 데이터 과학이 필요한 제품 관리자와 마케팅 담당자에게 데이터 과학을 제공합니다. 회사의 더 많은 사람들을 데이터 분석가로 전환하여 고객 행동에 대한 예측을 신속하게 자체적으로 생성하고 데이터 기반 조치를 취할 수 있습니다.

지금 Amplitude Audiences의 데모를 요청하고 가격, 제품 개인화, 마케팅 캠페인 등에 대한 정보를 예측하는 것이 얼마나 쉬운지 알아보십시오.

참고문헌

• 글로벌 예측 분석 시장 2028, Statista
• Amazon이 빅 데이터를 사용하여 전자 상거래를 지배한 방법, 빅 데이터 내부, 2019
• 알고리즘 둘러보기, 스티치 수정
• 데이터 기반 기업이 되기 위한 노력에 실패하고 있는 기업들, Harvard Business Review, 2019