- Detta ämne har 2 svar, 2 deltagare, och uppdaterades senast för 12 år, 2 månader sedan av
.
-
Tanken med CLV är att kunna göra prediktioner om framtiden, och att bara titta på ett snitt över historien är vanskligt – du ska snarare titta på hur gruppernas köpbeteende ändras med tiden så att du kan dra slutsats om nästa 6 månader givet att de varit kunder 1 år och tillhör kundsegment A.
Ett problem med att titta enbart på ett snitt över x år är att CLV även är beroende av frekvensen av återkommande köp, inte enbart på värdet över en viss tid. Om du har 2 kunder, Klas och Anna, där Klas köpte för 12.000:- en gång 1 år sedan och inget sedan dess, medan Anna har köpt för 1000:-/månad i ett år så bör Anna ha en högre CLV än Klas, trots att de har genererat lika mycket sälj senaste året.
Mer avancerade metoder använder probabilistiska modeller där man försöker modellera slumpmomentet i exempelvis om en kund blir lojal eller inte, köpfrekvens och risken att kunden slutar vara kund och hur beteendet ändras över tid. Ofta betingat på vilken profil kunden har. En stor fördel med probabilistiska modeller är att du även kan modellera felmarginaler och varians hos kunder, och du får tillgång till en helt annan arsenal när det gäller analys av dina kunder som kan användas till annat som retention analys mm.
Om du ska använda en metod som liknar den i ditt inlägg (baserat på historiskt snitt) så råder jag dig att göra det med försiktighet, för det kommer garanterat ge en felaktig bild av kundens livstidsvärde (ofta en alldeles för hög värdering), vilket gör att den tappar syftet om du ska använda det som beslutsstöd i marknadsföringbudget mm.
Jag tror det viktigaste för att få till en enkel, men ändå vettig, CLV analys är arbeta med segmentering av dina kunder utifrån vilka mål du har med analysen.
Segmentera t ex på marknadsföringskanal som drog in kunden, när de först blev kunder, åldersgrupp, man/kvinna mm.Ett enkelt sätt att göra en duglig CLV på utan att börja med mer avancerade matematiska modeller är:
1) Hitta vilka segment du vill dela upp din kundbas i. Exempelvis marknadsföringskanal.
2) Hitta snittet för hur mycket en kund köper i sin första månad som kund, för varje segment. Hitta snittet för månad 2, 3, 4 osv.
3) För att hitta värdet av en ny kund de kommande 6 månaderna summerar du de 6 första månaderna i segmentets uträknade snitt från steg 2.
4) För att veta värdet av de nästa 12 månaderna för en kund som är 6 månader gammal, summerar du de nästföljande 12 månaderna från steg 2 (alltså månad 7 till och med 18 i segmentet)På så vis undviker du ett av de stora problemen med att köra ett snitt rakt av, nämligen att du ser inte varje månad som likvärdig, utan du lyckas få in effekten att kunden ändrar sitt köpbeteende med tiden.
- Du måste vara inloggad för att svara på detta ämne.
