Vorhersagen, wann Ihre Kunden das nächste Mal LuckyTemplates kaufen werden

Was wäre, wenn Sie mithilfe von Predictive Analytics in LuckyTemplates wissen könnten, wann Ihre Kunden voraussichtlich ihren nächsten Kauf tätigen werden? Sie können sich das vollständige Video dieses Tutorials unten in diesem Blog ansehen.

Mithilfe prädiktiver Analysetechniken können wir versuchen, vorherzusagen, wann Ihre Kunden voraussichtlich Ihre Produkte und Dienstleistungen kaufen werden.

Natürlich wird es innerhalb von LuckyTemplates noch ein wenig Arbeit geben, damit das alles funktioniert. Aber es zeigt lediglich die unglaublichen und leistungsstarken LuckyTemplates-Analysefunktionen, die Ihnen bei der korrekten Verwendung von DAX-Formeln zur Verfügung stehen.

Mit LuckyTemplates können Sie verschiedene Formel- und Datenmodellierungstechniken integrieren, um sehr aussagekräftige Erkenntnisse zu gewinnen.

In diesem Beitrag werden wir einige Ideen für prädiktive Erkenntnisse besprechen. Aus DAX-Sicht ist das durchaus machbar. Anschließend besprechen wir, wie wir die Daten nutzen können, um das Kundenverhalten vorherzusagen. Letztendlich kann sich dies positiv auf unser finanzielles Endergebnis auswirken.

Inhaltsverzeichnis

• Verwendung historischer Daten zur Vorhersage des Kundenverhaltens
• Was Sie mit historischen Daten machen können
• 1. Bestimmung des letzten Transaktionsdatums
• 2. Ermitteln der Tage seit dem letzten Kauf
• 3. Bestimmung der durchschnittlichen Tage zwischen Käufen
• 4. Bestimmung der Tage über dem Durchschnitt
• 5. Ermittlung der Rentabilität eines Kunden
  • Abschluss

Verwendung historischer Daten zur Vorhersage des Kundenverhaltens

Bevor wir in unsere Diskussion einsteigen, werfen wir einen Blick auf die historischen Daten, die in der Kundenverhaltenstabelle bereitgestellt werden.

Oben sehen Sie die Felder „Kundenname “, „ Transaktionstage insgesamt “ , „Datum des letzten Kaufs “, „Tage seit dem letzten Kauf“ , „Durchschnittliche Tage zwischen Käufen“ , „Tage über dem Durchschnitt “ und „Gesamtverkäufe“ .

Durch den Einsatz prädiktiver Analysen in LuckyTemplates können wir in der Zeit zurückblicken und sehen, wann Kunden tatsächlich gekauft haben. Wir können auch sehen, wie oft eine Person mit uns Transaktionen getätigt hat.

Wie wahrscheinlich ist es, basierend auf dem Zeitraum, in dem sie gekauft haben, dass sie irgendwann in naher Zukunft erneut kaufen?

Die Ergebnisse der Beantwortung dieser Frage sind eine wertvolle Erkenntnis.

Was Sie mit historischen Daten machen können

Einfache prädiktive Analysen in LuckyTemplates werden nicht 100 % genau sein und es gibt viele Feinheiten, was passieren könnte, aber denken Sie darüber nach, wie Sie diese Erkenntnisse nutzen können.

Wenn ein Kunde in den letzten zwei Jahren durchschnittlich 15 Mal etwas bei uns gekauft hat und dies alle 40 oder 50 Tage getan hat, können Sie Marketing betreiben, einen Verkaufsanruf tätigen oder dafür sorgen, dass er eine Online-Anzeige sieht, um ihn dazu aufzufordern sie zum Handeln auffordern.

Es gibt so viele großartige Möglichkeiten, wie Sie diese Erkenntnisse nutzen können. Auch wenn es nicht perfekt sein wird, erhalten Sie dadurch ein Verständnis für die Kaufentscheidungen eines Kunden und können auf der Grundlage dieser Entscheidungen einen Marketingplan erstellen.

1. Bestimmung des letzten Transaktionsdatums

Sehen wir uns also an, wie ich es gemacht habe. Ich beginne mit dem tatsächlichen letzten Kaufdatum. Schauen wir uns die Formel an.

2. Ermitteln der Tage seit dem letzten Kauf

Als nächstes müssen Sie die Tage seit dem letzten Einkauf ermitteln. Wie viele Tage sind seit dem letzten Kauf vergangen? Was ist das letzte tatsächliche Transaktionsdatum in meinem Datensatz? Ich finde es einfach mit dieser einfachen Formel heraus.

Anhand dieser Daten können wir ermitteln, wann der Kunde das letzte Mal bei uns eingekauft hat. Das ist interessant und nützlich, weil Sie wissen möchten, wann der Kunde das letzte Mal bei Ihnen gekauft hat, und dies dann mit dem durchschnittlichen Zeitrahmen zwischen den Käufen vergleichen möchten.

Sobald Sie diesen Benchmark haben, können Sie Kundentrends erkennen. In diesem Fall hat der Kunde Gregory Jackson alle 61 Tage gekauft.

Aber er hat seit 451 Tagen nichts gekauft, also stimmt da eindeutig etwas nicht. Mithilfe dieser Daten können Sie Änderungen an Ihren Marketingstrategien vornehmen, um diesen Kunden dazu zu bewegen, wieder aktiv zu werden.

3. Bestimmung der durchschnittlichen Tage zwischen Käufen

Das ist also der große Teil dieser Analyse: Wie ermitteln wir die durchschnittlichen Tage zwischen den Einkäufen? Obwohl es eine Kombination aus vielen Dingen ist, kann es einfacher sein, als Sie denken.

Durch die Visualisierung dieser Formel können Sie eine ebenso gute Projektion erhalten, die vielleicht nicht perfekt, aber genauso gut ist.

Ich ging also einfach hin und ermittelte für jeden einzelnen Kunden, wann der letzte Einkauf stattgefunden hatte und wann sein erster Einkauf . Dann habe ich sie durch die Gesamtzahl der Tage dividiert , an denen sie Transaktionen getätigt haben.

Denken Sie also darüber nach. Wir ermitteln also für jeden Kunden, wann er zum ersten Mal einen Kauf getätigt hat , wann er seinen letzten Kauf getätigt hat und wie viele Tage er tatsächlich mit uns Geschäfte getätigt hat.

Natürlich ist es nicht perfekt, aber es wird Ihnen eine Schätzung der durchschnittlichen Tage und Einkäufe geben. Wenn jemand regelmäßig zu Ihnen kommt, werden Ihnen auf logische Weise die durchschnittlichen Tage zwischen den Einkäufen angezeigt.

4. Bestimmung der Tage über dem Durchschnitt

Dann habe ich eine weitere Kennzahl erstellt, die zeigt, dass, wenn ein Kunde seine geschätzte durchschnittliche Anzahl an Tagen überschreitet, mir angezeigt wird, wie viele Tage er tatsächlich überschritten hat. Dies wird in der  Spalte „Tage über dem Durchschnitt“ angezeigt.

Mein Verstand explodiert vor dem Gedanken, was man mit dieser Figur machen könnte. Nehmen wir an, Sie sind ein Online-Händler und stellen fest, dass alle 30 Tage ein Kunde zu Ihnen kommt.

Bis zu diesem Datum können Sie ihnen also Marketing-E-Mails senden oder Werbung auf Facebook schalten. Dies ist eine wirklich großartige Erkenntnis, die Sie nutzen können, um die Kundenbindungsrate zu verbessern.

Ein weiteres Beispiel ist dieser spezielle Kunde hier. Die durchschnittliche Zeitspanne zwischen Käufen beträgt 98 Tage, während der letzte Kauf vor 48 Tagen getätigt wurde.

In den Tagen vor dem nächsten Kauf dieses Kunden können Sie Marketingmaterial versenden, um ihn an Ihr Unternehmen zu erinnern.

5. Ermittlung der Rentabilität eines Kunden

Eine weitere Messgröße, die wir nutzen können, ist die Rentabilität Ihrer Kunden. Mithilfe der Spalte „Gesamtumsatz“ können Sie überprüfen, welche Ihre Top-Kunden sind.

Sie können auch feststellen, ob es große Auswirkungen auf Ihr Unternehmen hätte, wenn Sie einen bestimmten Kunden verlieren würden. Anhand des Beispiels in der Tabelle unten wird der Verlust von Gregory Jackson als Kunden keine großen Auswirkungen haben, da Sie mit ihm nur 3.222 US-Dollar Umsatz erzielt haben.

Andererseits möchte man Joshua Romero behalten, weil er bisher ein sehr guter Kunde war. Sie können einen Marketingplan formulieren und sich dann an ihn wenden.

Sie können die Kunden identifizieren, die für Ihr Unternehmen am profitabelsten sind, und feststellen, ob sie ordnungsgemäß einkaufen. Die Spalten „Gesamtumsatz“ und „ Tage über dem Durchschnitt“ zeigen Ihnen, wie Sie diese beiden Zahlen in Echtzeit ermitteln können.

Wann haben Ihre Kunden ihren letzten Einkauf getätigt? – DAX-Techniken in LuckyTemplates
Wie Sie mit LuckyTemplates die Rentabilität in der Zukunft vorhersagen können.
Kundentrendanalyse in LuckyTemplates mit DAX  

Abschluss

Ich werde die Sache also mit dieser Erkenntnis abrunden. Die Möglichkeit, erweiterte prädiktive Analysen in LuckyTemplates zu integrieren, ist leistungsstark und kann Ihrem Unternehmen einen großen Mehrwert bieten.

Wenn Sie beispielsweise zukünftige Geschäftsprognosen erstellen können, können Sie Ihre Geschäftsabläufe effizienter gestalten und sich einen Wettbewerbsvorteil gegenüber Ihren Mitbewerbern verschaffen.

Nehmen Sie sich die Zeit, dieses Video anzusehen und lernen Sie eine Technik kennen, mit der Sie zukünftige Geschäftsszenarien vorhersagen können.

Wenn Sie mehr über einige der fortschrittlichsten Analysetechniken in LuckyTemplates erfahren möchten, schauen Sie sich den Link unten von LuckyTemplates online an .

Viel Glück mit diesen Techniken