客戶生命周期價值第1部分:評估客戶一生

下載顧客一生中第1部分筆記本下麵演示解決方案覆蓋按需觀看虛擬車間要學習更多的知識。你也可以去第2部分學習如何估計未來客戶消費。

每一個營銷人員麵臨的最大挑戰是如何最好地花錢,以盈利增長自己的品牌。我們想要我們的營銷美元花在活動吸引最好的顧客,同時避免支出無利可圖的客戶或損害品牌資產的活動。beplay体育app下载地址

營銷人員往往隻看支出效率。至少我可以花在廣告和促銷來生成收入嗎?隻關注投資回報率指標會削弱你的品牌價值,讓你更加依賴價格促銷作為一種產生銷售。

在你現有的客戶都是人從品牌忠誠品牌瞬變。beplay体育app下载地址品牌忠誠是高度與你的品牌,願意與他人分享自己的經驗,和最有可能購買再次。品牌瞬變沒有忠誠你的品牌和基於價格的商店。營銷在理想情況下將專注於增長的品牌忠誠,同時最小化接觸品牌瞬變。

如何識別這些品牌的支持者和最佳使用你的營銷美元來延長他們的關係嗎?

今天的客戶不缺乏選擇。脫穎而出,企業需要直接說個人的需要和欲望在另一邊的監視器,電話,或站,經常的方式識別不僅個人客戶帶來他們的上下文。如果做正確,個性化的接觸可以推動更高的收入,營銷效率和客戶保留,隨著功能的成熟和顧客期望上升,正確個性化將變得越來越重要。作為麥肯錫公司所說,個性化將是“營銷成功的'司機在未來五年了。”

但個性化的一個關鍵方麵是理解,不是每個客戶有他或她相同的盈利潛力。不僅不同客戶不同的值來自我們的產品和服務,但beplay体育app下载地址這直接轉化為價值總量的差異,我們可能期望回報。如果我們和客戶之間的關係是互惠互利的,我們必須仔細調整客戶購置成本(CAC)和beplay体育app下载地址保留與總收入或利率客戶生命周期價值(CLV)我們可以合理地接受這種關係的一生。

這是中央客戶生命周期價值計算背後的動機。通過計算收入的數量我們可以接受從給定客戶的生命周期我們與他們的關係,我們可以更好地調整我們的投資最大化我們的關係對雙方的價值。我們可能會進一步尋求理解為什麼有些客戶更看重我們的產品和服務比其他和東方我們的消息吸引更多beplay体育app下载地址更高的潛在的個人。我們也可能使用CLV總體評估的整體有效性構建股權和監控我們的營銷實踐創新和市場的變化如何影響隨著時間嗎。

但和CLV是一樣強大,我們很感激是很重要的來自兩個不同的和獨立的估計。第一個是外加花(或平均訂單價值)我們可能期望看到從一個給定的客戶。第二個是交易數量我們可能期望估計客戶在給定的時間範圍內。這第二個估計是常被看作是達到目的的一種手段,但隨著組織轉變他們的營銷支出獲取新客戶保留,本身就非常有價值。beplay体育app下载地址

客戶如何beplay体育app下载地址信號一生的意圖

在大多數零售商參與的非契約性的場景中,客戶可能來來去去。beplay体育app下载地址零售商試圖評估剩下的一生在一個客戶關係必須仔細檢查生成的事務信號之前客戶的頻率和近因訂婚。beplay体育app下载地址例如,減緩他們頻繁的買家的購買模式或者僅僅是未能出現在較長一段時間可能預示著他們接近他們的關係一生的終結。另一位買家很少從事可能繼續成為一個可行的關係即使沒有類似的持續時間。

了解客戶在他們的關係與我們的壽命可以關鍵交付正確的信息在正確的時間。beplay体育app下载地址客戶暗示他們的意圖與我們的品牌是一個長期的關係,可能會積極回應更高的投資提供了加深和加強與美國的關係,關係的長期潛力最大化即使犧牲短期的收入。beplay体育app下载地址客戶暗示他們的意圖短期關係可能被類似推開提供或者更糟可能會接受提供了無望的人恢複的投資。

利用mlflow機器學習模型管理和部署平台,我們可以輕鬆地將我們的模型映射到標準的應用程序接口。Beplay体育安卓版本雖然mlflow本地不支持所產生的模型,它很容易擴展。最終的結果是,我們可以迅速把我們訓練到功能和應用程序中啟用周期性模型,實時和交互式客戶壽命指標的得分。

類似地,我們可以識別信號,如當長期客戶關係的轉變方法一生的結束他們的關係,促進替代產品和服務轉變成一個新的,潛在獲利與自己或伴侶的關係。beplay体育app下载地址即使短暫的客戶,我們可以考慮如何最好地提供產品和服務beplay体育app下载地址過程中最大化收入的限時接觸和允許他們向別人推薦我們尋找相似的產品。

彼得漸變和薩拉·湯姆斯寫在客戶中心性的劇本,在一個有效的以客戶為中心的戰略“最大限度地金融收益的機會識別和充分利用,但這些高風險押注必須加權和分布在低風險類別的資產。”Finding the right balance and tailoring our interactions starts with a careful estimate of where customers are in their lifetime journey with us.

估計客戶生命周期從事務性的信號

如前所述,在non-subscription模型中,我們無法知道客戶的確切一生或他或她所在,但是我們可以利用事務信號生成的概率估計客戶是活躍的和將來可能會返回。推廣的購買,直到你死(BTYD)模型,接觸的客戶的頻率和近因相對於同樣的模式在零售商客戶的人口可以用來獲得生存曲線為我們提供這些值。

這些預測背後的數學CLV模型相當複雜。原BTYD模型提出的施米特萊因等。在1980年代末(現在稱為帕累托/負二項分布或帕累托/ NBD模型)才在收養音量控製器等。簡化了計算邏輯(生產Beta-Geometrical /負二項分布或BG / NBD模型)在2000年代中期。即便如此,簡化模型的數學變得很粗糙的非常快。值得慶幸的是,這兩個模型背後的邏輯是我們可以通過一個流行的Python庫命名為一生中我們可以提供簡單的總結指標以獲得更高壽命估計。

對業務交付客戶生命周期的估計

雖然很容易,但圖書館的使用壽命來計算用戶特定的概率的方式與大型企業是很有挑戰性的需求。首先,必須處理大量的事務數據,以生成所需的每個客戶指標模型。接下來,必須來自這個數據曲線,擬合預期值分布的模式,由一個參數調節的過程不能預先確定的,而是必須評估迭代在大範圍的潛在價值。最後,壽命模型,一旦安裝,必須集成到我們的業務的營銷和客戶互動功能的預測它產生任何有意義的影響。我們的意圖在這個博客和相關的筆記本演示如何處理每一個挑戰。

指標的計算

BTYD模型依賴於三個關鍵每個客戶指標:

• 頻率-時間單位的數量在一個給定時間段的non-initial(重複)事務。如果按每天計算水平,這隻是唯一的日期的數目,初始事務的事務發生- 1表明客戶關係的開始。
• 年齡——時間單位的數量從最初的發生交易到一個給定的時間段。如果事務是觀察到在日常的層麵上,這隻是天算起客戶的初始事務數據集的結束。
• 近因——客戶的年齡時(正如前麵定義的)他們的最新non-initial(重複)事務。

指標本身是很簡單的。挑戰在於推導這些值為每個客戶從交易曆史記錄每一行項目的每筆交易發生在多年內。通過利用數據處理平台等Beplay体育安卓版本Apache火花本地分配這個工作在多服務器環境的能力,這一挑戰可以很容易地和指標計算及時解決。隨著越來越多的事務數據到達和這些指標必須重新計算在越來越多的事務數據集,火花的彈性性質允許額外的資源招募處理時間內包含進來。

模型擬合

與每個客戶指標計算,有生之年庫可用於火車之一多個BTYD模型可能適用於一個給定的零售場景。(兩個最廣泛適用的是帕累托/ NBD和BG / NBD模型但是還有其他方式。)雖然計算複雜,每個模型訓練與一個簡單的方法調用,使過程高度可訪問。

正則化參數仍然是在每個模型的訓練過程,以避免過度擬合訓練數據。什麼對這個參數在給定值是最好的訓練很難提前知道,常見的做法是訓練和評估模型適合對一係列潛在的價值,直到可以確定一個最優值。

這個過程通常涉及到成百上千的培訓/評估運行。時執行一次,確定一個最優值的過程,這通常是重複新事務數據到達時,會變得非常耗費時間。

通過使用一個專門的圖書館命名hyperopt背後的基礎設施,我們可以利用我們的Apache引發環境和分發模型以並行的方式進行培訓和評價工作。這允許參數調優執行有效地鍛煉,回到我們最優模型類型和正則化參數設置。

解決方案部署

一旦良好的訓練,我們的模型的能力不僅決定客戶的概率會和好,但是活動預計在未來時間內的數量。矩陣之間的關係說明近因和頻率指標和這些預測結果提供了強大的視覺表示現在的知識封裝在擬合模型。但是真正的挑戰是把這些預測功能的那些確定客戶互動。

利用mlflow,機器學習模型管理和部署平台,我們可以輕鬆地將我們的模型映射到標準的應用程序接口。Beplay体育安卓版本雖然mlflow本地不支持所產生的模型,它很容易擴展。最終的結果是,我們可以迅速把我們訓練到功能和應用程序中啟用周期性模型,實時和交互式客戶壽命指標的得分。

把它一起磚

BYTD模型的預測能力結合提供的易於實現一生圖書館廣泛采用的客戶生命周期預測的可行性。不過,有幾個技術難題,必須克服。但無論是擴展客戶指標的計算從大量的事務曆史,執行優化hyperparameter調優在搜索空間或部署優化模型作為解決方案讓客戶評分,克服這些挑戰所需要的能力。不過,將這些功能集成到一個單一的環境是一個挑戰,而且會耗費大量的時間。值得慶幸的是,磚做過為我們工作。和通過提供這些原生雲平台,零售商和製造商需要訪問這些可以開發和部署解決方案在一個高度Beplay体育安卓版本可伸縮環境有限的前期成本。

下載筆記本開始。