การวิเคราะห์ที่คาดการณ์ได้หรือวิธีที่คุณสามารถช่วยลูกค้าในการสั่งซื้อ

ในฐานะเจ้าของร้านทั่วไป ฉันมักจะสงสัยว่าพรุ่งนี้ฉันจะมีรายได้เท่าไร ฉันจะทำให้ยอดขายดีขึ้นได้อย่างไร และเมื่อใดที่ฉันควรจะให้หรือไม่ควรให้ส่วนลดแก่ลูกค้าของฉัน เหตุใดอีเมลของฉันจึงมีดัชนีการเปิดต่ำแม้ว่าฉันจะเขียนอีเมลที่มีประโยชน์พร้อมผลิตภัณฑ์หรือข้อมูลที่เกี่ยวข้องกับนักช้อป

นั่นคือเวลาที่ผมเริ่มถาม ฉันจะทำนายพฤติกรรมของลูกค้าได้อย่างไร ฉันควรส่งอีเมลหรือโทรหาเขาเมื่อใด ฉันควรเตือนผู้ใช้ว่า "ฉันอยู่นี่" เมื่อใด และเมื่อใดที่ฉันควรผลักดันให้พวกเขาโต้ตอบ นั่นคือตอนที่ฉันพบ Latency Matrix เป็นลูกบอลวิเศษที่จะมองและคาดการณ์เมื่อลูกค้ารายใดรายหนึ่งควรทำปฏิสัมพันธ์ครั้งต่อไปและสิ่งที่ฉันควรทำในสถานการณ์นั้น

ถาม – เราควรเสนอส่วนลดให้กับผู้ใช้ให้บ่อยที่สุดเพื่อเพิ่มยอดขาย

ก – ผิด

ไม่ควรใช้ส่วนลดเพื่อดึงดูดผู้ซื้อกลับมาตลอดเวลา คุณควรเป็นคนที่เสนอสิ่งที่พวกเขาต้องการในทุกช่วงเวลาที่เฉพาะเจาะจง และคุณควรคอยจับตาดูเพื่อให้แน่ใจว่าลูกค้าของคุณจะติดต่อกลับหาคุณในครั้งต่อไป ส่วนลดที่เสนอไม่ใช่วิธีการที่เหมาะสมในการบรรลุเป้าหมายนั้น

มาดูกันว่าเสน่ห์ที่คาดเดาได้ทำงานอย่างไรกับ Latency Matrix

มันดูน่ากลัวในตอนแรก แต่เราจะตรวจสอบทีละขั้นตอน และคุณจะรู้วิธีอ่านและสร้างสิ่งเดียวกันด้วยตัวคุณเอง

สิ่งแรกที่เราต้องทำคือจัดกลุ่มผู้ซื้อของเราตาม 2 มิติ – จำนวนวันที่พวกเขาใช้ระหว่างคำสั่งซื้อ (วันระหว่างการโต้ตอบ) และจำนวนคำสั่งซื้อที่ลูกค้าได้วางไว้ เมื่อกรองข้อมูล เราจะใช้ 2 มิติข้อมูลดังกล่าวเพื่อดูพฤติกรรมปกติของลูกค้าที่ร้านค้าและเพื่อคาดการณ์การดำเนินการในอนาคตของพวกเขา

มาลองสร้างเมทริกซ์ Latency กันตอนนี้

เมื่อเราส่งออกลูกค้าทั้งหมดพร้อมกับคำสั่งซื้อของพวกเขาแล้ว เราต้องหาผู้ที่ทำการสั่งซื้อเพียงรายการเดียว เรานับว่าลูกค้าใช้เวลากี่วันในการสั่งซื้อครั้งแรกและครั้งเดียวหลังจากการลงทะเบียน ข้ามผู้ซื้อที่มีคำสั่งซื้อตั้งแต่ 2 รายการขึ้นไป เราจะติดต่อกลับในภายหลัง ค่านี้ ซึ่งเป็นจำนวนวันระหว่างการลงทะเบียนและคำสั่งซื้อแรก ควรอยู่ในเซลล์แรกถัดจากคำสั่งซื้อที่ 1 ที่จัดทำโดยลูกค้าที่มีคำสั่งซื้อเพียงรายการเดียว (จำนวนคำสั่งซื้อ)

วันที่ลูกค้าทำการสั่งซื้อ 1 รายการหลังการลงทะเบียน

ในตัวอย่างของเรา ใช้เวลา 2 วัน (โดยเฉลี่ย) นับตั้งแต่วันที่ลงทะเบียนในการสั่งซื้อครั้งแรก

ในทำนองเดียวกัน เรากรองลูกค้าที่ทำการสั่งซื้อครั้งแรกโดยขึ้นอยู่กับจำนวนการสั่งซื้อที่พวกเขาทำที่ร้านค้าของคุณ วิธีนี้ทำให้เราได้จำนวนหรือวันที่ต้องใช้ในการสั่งซื้อครั้งแรก หากลูกค้ามีคำสั่งซื้อ 2 รายการแล้ว ซึ่งเหมือนกันสำหรับคำสั่งซื้อ 3, 4, 5 และ 11+ รายการต่อลูกค้าหนึ่งราย เราได้รับภาพต่อไปนี้:

วันที่ผู้ซื้อใช้ในการสั่งซื้อครั้งแรกขึ้นอยู่กับจำนวนคำสั่งซื้อทั้งหมดที่ได้สั่งซื้อที่ร้านค้าของคุณ

เป็นจุดที่เราสามารถเริ่มการทำนายของเราได้ หากจำนวนลูกค้าทั้งหมดที่เคยใช้ในการคำนวณจำนวน (กรณีของเราคือ 694 ลูกค้า) สูงพอ เรียกได้ว่าเป็นช่วงที่ผู้ใช้ที่ลงทะเบียนทั้งหมดซึ่งกำลังจะทำการซื้อเพียงรายการเดียวควรทำ การโต้ตอบครั้งแรกภายใน 2 วัน (สูงสุด) มิฉะนั้น มีความเป็นไปได้สูง พวกเขาจะไม่ทำเลย โปรดจำไว้ว่าเราสามารถตั้งค่าการเตือนอัตโนมัติบางอย่างที่จะแจ้งให้ผู้ซื้อทราบถึงสิ่งที่น่าสนใจเพื่อดึงดูดพวกเขามาที่ร้านค้าของคุณ

ระยะเวลาสูงสุดที่ลูกค้าใช้ในการสั่งซื้อครั้งแรกคือ 12 และ 17 ราย แม้ว่าจำนวนลูกค้าที่มีพฤติกรรมดังกล่าวจะอยู่ที่ 49 ราย และเมื่อเปรียบเทียบกับลูกค้าทั้งหมดแล้ว คุณสามารถเพิกเฉยได้ เวลาขั้นต่ำที่นักช็อปใช้ในการสั่งซื้อครั้งแรกคือ 0 หมายความว่าพวกเขาได้สั่งซื้อสินค้าในวันเดียวกันกับที่เกิดการลงทะเบียน

เวลาที่ถูกต้องสำหรับการเตือนครั้งแรกคือเวลาใด

คุณคาดหวังให้ลูกค้าทำการสั่งซื้อภายใน 2 วัน หากคุณมีเวลาเฉลี่ยสำหรับลูกค้าที่มีคำสั่งซื้อเดียวและอาจใช้เวลาถึง 4 วันโดยคำนึงถึงผู้ซื้อทั้งหมด เป็นความคิดที่ดีที่จะตั้งการเตือนความจำของคุณให้เราส่งในวันที่ 5 เพื่อให้พวกเขาทำตามขั้นตอนแรกด้วยตนเอง

ตัวเลขของคุณจะเปลี่ยนไปตามเวลาอย่างแน่นอน เนื่องจากคุณจะช่วยให้ลูกค้าของคุณดำเนินการตามที่คุณคาดหวัง

ทำไมคุณไม่ควรส่งจดหมายถึงผู้มีโอกาสเป็นลูกค้าทั้งหมด

หากคุณใช้ระบบเมลของบริษัทอื่น วิธีนี้อาจช่วยคุณประหยัดเวลาและค่าใช้จ่าย นักช็อปของคุณจะไม่ปฏิบัติต่อคุณเหมือนเป็นสแปม เพราะคุณจะไม่ส่งอีเมลถึงพวกเขาทั้งหมดเร็วหรือช้าเกินไป เมื่อพวกเขาหมดความสนใจในร้านค้าของคุณแล้ว คุณจะไม่สูญเสียผลกำไรที่อาจเกิดขึ้นหากคุณเสนอส่วนลดสำหรับผู้ใช้ดังกล่าวใน 2 วัน เนื่องจากมีแนวโน้มมากที่สุดที่พวกเขาจะทำการโต้ตอบนี้ด้วยตนเอง (โดยเฉลี่ยสูงสุด 4 วัน)

ดังนั้นเราจึงได้รับรายชื่อผู้ใช้ที่ลงทะเบียนโดยไม่มีคำสั่งใด ๆ และส่งการแจ้งเตือนใน 5 วัน

นั่นคือสถานการณ์ของการเตือนความจำครั้งแรก แต่แล้วลูกค้าปัจจุบันล่ะ ผู้ซื้อแบบซื้อครั้งเดียวคือราคาที่แพงที่สุดสำหรับเจ้าของร้านค้า ดังนั้นกลุ่มนี้จึงสำคัญมาก และคุณควรคาดการณ์ว่าพวกเขาจะทำปฏิสัมพันธ์ครั้งต่อไปเมื่อใดและเมื่อใดที่พวกเขาควรทำ

เพื่อให้เข้าใจว่า เราจำเป็นต้องรวบรวมข้อมูลเกี่ยวกับคำสั่งซื้อที่สองทั้งหมดที่ลูกค้าของคุณทำ ดังนั้นเราจึงได้รายชื่อนักช้อปที่มี 2 คำสั่งซื้อและคำนวณจำนวนวันที่พวกเขาทำการสั่งซื้อครั้งที่สองจากคำสั่งซื้อแรกและกรองพวกเขาตามจำนวนคำสั่งซื้อที่พวกเขามีที่ร้านค้าของคุณ ดังนั้น 120 คือจำนวนวันที่ลูกค้าใช้ในการสั่งซื้อครั้งที่สองโดยเริ่มจากรายการแรกและผู้ซื้อทำการสั่งซื้อเพียง 2 รายการเท่านั้น เป็นต้น

ลำดับที่ 2 – จำนวนวันที่ลูกค้าทำการสั่งซื้อครั้งที่สอง

นอกจากนี้ คุณต้องคำนวณจำนวนวันเฉลี่ยสำหรับลูกค้าทั้งหมดระหว่างลำดับที่หนึ่งและลำดับที่สองเพื่อดูสถิติเฉลี่ย พึงระลึกไว้เสมอว่าตัวเลขเหล่านั้นมีความแม่นยำน้อยกว่า เนื่องจากจำนวนลูกค้าที่สั่งซื้อ 2 รายการขึ้นไปนั้นต่ำกว่าจำนวนที่มีเพียงคำสั่งเดียว เป็นเรื่องปกติสำหรับร้านค้าอีคอมเมิร์ซทั่วไป และรายงานนี้จะช่วยคุณผลักดันผู้ซื้อที่ซื้อครั้งเดียวและโต้ตอบเพิ่มเติมได้

ในตัวอย่างของเรา ใช้เวลา 120 วันในการสั่งซื้อครั้งที่สองสำหรับผู้ซื้อที่มีคำสั่งซื้อ 2 รายการ และโดยเฉลี่ยแล้วจะใช้เวลา 110 วันในการสั่งซื้อครั้งที่สองสำหรับลูกค้าทั้งหมด ดังนั้นเราจึงสามารถคาดการณ์ได้ว่าผู้ซื้อที่มีคำสั่งซื้อเพียงรายการเดียวควรทำการซื้อครั้งที่สองภายใน 110 – 120 วัน เตือนความจำสำหรับพวกเขาใน 121 วันและผลักดันพวกเขาไปสู่การซื้อครั้งที่สอง

ถึงเวลาเสนอส่วนลด ณ จุดนี้เนื่องจากส่วนลดถูกกว่าผู้ใช้ใหม่ คุณสามารถเปลี่ยนผู้ซื้อขาจรเป็นลูกค้าประจำได้ในขณะนี้

เช่นเดียวกับที่คุณทำกับคำสั่งที่สาม ลำดับที่สี่ ฯลฯ คุณสามารถนับคำสั่งได้มากเท่าที่คุณต้องการสำหรับการคาดการณ์ โดยทั่วไปแล้ว ลูกค้าประจำที่สั่งซื้อมากกว่า 10 รายการควรได้รับการปฏิบัติแตกต่างออกไป ดังนั้นคุณจึงสามารถหยุดที่ตัวเลขเหล่านั้นได้

จากการคำนวณ คุณจะได้เกรดที่เรียกว่า Latency Matrix

เมทริกซ์แฝง

โดยพื้นฐานแล้วสิ่งที่คุณต้องการที่นี่คือทุกลำดับสุดท้ายของแต่ละกลุ่มและตัวเลขเฉลี่ยทั้งหมด ดังนั้นการคาดคะเนการขายที่จะเกิดขึ้นสำหรับลูกค้าที่มี 2 คำสั่งซื้อคือจำนวนวันที่ต้องใช้ในการสั่งซื้อครั้งที่ 3 ในกลุ่มลูกค้าที่มีคำสั่งซื้อ 3 รายการ (นั่นคือ 96 ในกรณีของเรา) และจำนวนเฉลี่ยคือ 110 การคาดการณ์การโต้ตอบครั้งต่อไปสำหรับผู้ซื้อที่มีคำสั่งซื้อ 3 รายการคือ 87 – 59 วัน เป็นต้น

ยิ่งไปกว่านั้น คุณสามารถเสนอข้อเสนอที่ยอดเยี่ยมเพื่อนำผู้ใช้กลับมาที่ร้านค้าของคุณโดยกำหนดเวลาการตอบกลับอัตโนมัติใน 3, 7, 30 วันที่ไม่มีการใช้งานของกลุ่มลูกค้าทั้งหมดที่มีการคาดคะเนของเราว่าเป็น "จุดเริ่มต้น" ของจดหมาย

เมื่อเวลาผ่านไป สิ่งมีชีวิตนี้จะเปลี่ยนแปลง และตัวเลขจะแม่นยำยิ่งขึ้น และ % ของยอดขายจะเพิ่มขึ้น

นอกจากนี้ เพื่อความสะดวกของคุณ เป็นการดีกว่าที่จะหาจำนวนลูกค้าในแต่ละกลุ่ม เนื่องจากคุณจะต้องพึ่งพายอดรวมและพวกเขาอาจหมายถึงผู้ซื้อจำนวนน้อยและอาจไม่ถูกต้อง

นอกจากนี้ ในกรณีที่คุณกรองลูกค้าตามเวลาจากการทำธุรกรรมครั้งล่าสุด คุณสามารถรับรายชื่อลูกค้าที่จะส่งจดหมายถึงและผู้ซื้อที่อาจสูญหายโดยที่ไม่มีการใช้งานนานกว่า 12 เดือน

ฉันควรตรวจสอบเมทริกซ์นี้บ่อยแค่ไหน?

เป็นความคิดที่ดีที่จะตรวจสอบร้านค้าที่สร้างใหม่เดือนละครั้ง 3 เดือนสำหรับร้านค้าที่มีชื่อเสียงดีและมียอดขายค่อนข้างคงที่ และอย่างน้อยปีละครั้งสำหรับร้านค้าที่มีประวัติยาวนานและมีอันดับที่ดี

อะไรไม่ครอบคลุมในเมทริกซ์นี้?

คุณไม่คำนึงถึงเวลาเมื่อมีการโต้ตอบ ดังนั้นคำสั่งซื้อทั้งหมดที่ทำเมื่อ 2 ปีที่แล้วและคำสั่งซื้อที่สร้างขึ้นใหม่จะถูกนำมาพิจารณาด้วย พฤติกรรมจะเปลี่ยนไปตามเวลาโดยการเพิ่มยอดขายใหม่ของคุณ แม้ว่าตัวเลขเก่าจะทำให้สถิติของคุณลดลง

การคาดการณ์พฤติกรรมของลูกค้าสามารถช่วยให้คุณรับมือกับกลยุทธ์ทางการตลาดและการตลาดทางไปรษณีย์ที่คุณจะเริ่มไว้วางใจได้ อย่าปล่อยให้ลูกค้าของคุณอยู่คนเดียวเมื่อพวกเขากำลังจะออกจากร้านของคุณตลอดไป

รายงานนี้ใช้เวลานาน แต่สามารถทำได้ทั้งใน Excel หรือด้วย Store Manager สำหรับแอปพลิเคชัน Magento รุ่น Enterprise (รองรับทั้ง Magento Community และ EE)

ค้นหารายงาน Magento เพิ่มเติมโดย eMagicOne ได้ที่ – https://www.mag-manager.com/magento-report/

หวังว่าคุณจะเติบโตอย่างรวดเร็วและบทความของเราจะเป็นประตูเล็กๆ ที่จะเปิดประตูสู่อนาคตอันยิ่งใหญ่ของคุณ

โพสต์นี้จัดทำโดยผู้มีส่วนร่วมรับเชิญ Oksana Semenyuk, CMO ที่ eMagicOne – บริษัท ที่นำเสนอโซลูชันอีคอมเมิร์ซที่ชาญฉลาดและสะดวกสบายที่ทำให้ การรักษาธุรกิจออนไลน์ทำได้ง่ายและไม่ยุ่งยาก