Skills การวิเคราะห์
เปลี่ยนข้อมูลลูกค้าของคุณให้เป็นข้อมูลเชิงลึกที่นำไปใช้ได้ด้วยการแบ่งกลุ่มอัตโนมัติและการวิเคราะห์เชิงทำนาย
Skills ที่ใช้ได้
การแบ่งกลุ่ม RFM
แบ่งกลุ่มลูกค้าโดยอัตโนมัติตามความใหม่ ความถี่ และมูลค่าทางการเงิน
การทำนายการเลิกใช้
ระบุลูกค้าที่มีความเสี่ยงก่อนที่พวกเขาจะจากไป
การคำนวณ CLV
คำนวณและติดตามมูลค่าตลอดอายุลูกค้า
การวิเคราะห์กลุ่มรุ่น
ติดตามพฤติกรรมลูกค้าตามช่วงเวลาตามกลุ่มรุ่นที่ได้มา
การระบุแหล่งที่มาของรายได้
ระบุรายได้ไปยังช่องทางการตลาดและแคมเปญ
ภาพรวม
Analytics Skills ประมวลผลข้อมูลลูกค้าของคุณเพื่อแสดงข้อมูลเชิงลึก:
- การแบ่งกลุ่มอัตโนมัติ - จัดกลุ่มลูกค้าตามพฤติกรรม
- การให้คะแนนเชิงทำนาย - คาดการณ์การกระทำในอนาคต
- มูลค่าตลอดอายุ - เข้าใจมูลค่าที่แท้จริงของลูกค้า
- การระบุแหล่งที่มา - รู้ว่าอะไรเป็นตัวขับเคลื่อนผลลัพธ์
กลุ่ม RFM
| กลุ่ม | ความใหม่ | ความถี่ | มูลค่า | การดำเนินการ |
|---|---|---|---|---|
| แชมเปี้ยน | สูง | สูง | สูง | ให้รางวัลและเพิ่มยอดขาย |
| ภักดี | ปานกลาง | สูง | สูง | รักษาการมีส่วนร่วม |
| มีศักยภาพ | สูง | ต่ำ | ต่ำ | บ่มเพาะเพื่อเปลี่ยน |
| มีความเสี่ยง | ต่ำ | สูง | สูง | แคมเปญดึงกลับ |
| สูญหาย | ต่ำ | ต่ำ | ต่ำ | การมีส่วนร่วมใหม่หรือยุติ |
ตัวชี้วัดสำคัญ
| ตัวชี้วัด | คำอธิบาย | ความถี่การอัปเดต |
|---|---|---|
| CLV | รายได้ตลอดอายุที่คาดการณ์ | รายสัปดาห์ |
| คะแนนการเลิกใช้ | ความน่าจะเป็นของการเลิกใช้ | รายวัน |
| คะแนน RFM | คะแนนพฤติกรรมรวม | รายวัน |
| NPS | Net Promoter Score | ต่อแบบสำรวจ |
เริ่มต้นใช้งาน
- ตรวจสอบให้แน่ใจว่า ข้อมูลคำสั่งซื้อถูกซิงก์
- เปิดใช้งานการแบ่งกลุ่ม RFM (ทำงานโดยอัตโนมัติ)
- ตรวจสอบการกระจายของกลุ่มในแดชบอร์ด
- สร้างแคมเปญที่ตรงเป้าหมายต่อกลุ่ม
Tip
การแบ่งกลุ่ม RFM ต้องการประวัติคำสั่งซื้ออย่างน้อย 90 วันเพื่อผลลัพธ์ที่แม่นยำ