你将会学到 #

详细了解您帐户中显示的不同类型的预测分析数据、Klaviyo 计算此数据的各种方式以及如何利用这些数据的指南。如果适用，您可能需要调整用于计算预测分析的指标，并使它们更好地与您的业务目标、数据结构或自定义集成保持一致。要调整帐户中全局映射的指标，请参阅指标映射指南。 Klaviyo 将数据科学和机器学习技术结合应用于您帐户中的所有数据，为您带来有用且可操作的见解。请注意，如果您满足以下条件，您只会在个人资料上看到预测分析部分：

• *至少有 500 名客户已下订单。*

这并不是指个人资料总数，而是实际向您的企业下过订单的人数。这些订单不能取消或退款，并且必须是非零值订单。如果此部分位于个人资料中但为空，则意味着我们没有足够的有关该人的数据来进行预测。 – *您有电子商务集成（例如 Shopify、BigCommerce、Magento 或 WooCommerce）或使用我们的 API 发送已下订单。*

• *您有至少 180 天的订单历史记录，并且在过去 30 天内有过订单。*
• *您至少有一些客户下了 3 个或更多订单。*

配置文件的预测分析部分 #

您可以在配置文件的 指标和见解 选项卡上找到配置文件的 预测分析 部分。以下是联系人个人资料的 预测分析 部分以及显示的信息的示例：

下表定义了上面显示的预测分析字段。请注意，CLV 代表客户终身价值。 | | | |

CLV数据是如何计算的 #

Klaviyo 使用您公司的数据自动构建客户终身价值 (CLV) 模型，并至少每周重新训练一次模型。如果您使用自定义 API 发送已下订单事件，则需要确认您的订单价值通过 $value 字段。这将确保您根据下单事件获得 CLV 数据。请注意，$value 需要是实际订单价值才能正确计算 CLV。虽然没有人能够绝对确定地预测未来，但 Klaviyo 的预测分析功能是优化营销支出和个性化客户沟通的强大工具。然而，当对许多客户进行平均时，预测效果最好，并且预计不会对任何个人准确。虽然有些人的支出会高于其预测的 CLV，而有些人的支出会少于他们，但总体而言，他们会相互平均。例如，预测分析框中显示的预测 CLV 值并不是准确的预测。在某些情况下，您可能会看到数量惊人的预测订单。例如，您可能会看到 1.43 是特定客户的预测订单数。 当您看到这一点时，这意味着我们预计客户会下一两个订单，但他们也有可能会下更多或更少的订单。当您将多个客户分组在一起时，这些期望开始有意义，因为您可以预测该组的订单总数或支出总数。如果我们有 5 个客户，预计订单数量分别为 1.43、0.25、3.12、0.78 和 2.97，则我们预计该组的订单数量约为 9 个。 ## 下一个订单的预计日期是如何计算的

下一个订单的预期日期考虑了特定客户的订单行为和所有客户的订单行为。如果客户的订单表现出某种模式，Klaviyo 就会识别出这种模式，并据此做出预测。如果客户的订单没有表现出某种模式，或者我们没有足够的客户数据，Klaviyo 将根据其他客户的行为做出合理的预测。 ### 关于重复购买培育系列流程的常见问题解答

*我需要将过去的个人资料添加到此流程中吗？我是否需要告诉流程填充所有可能的配置文件？*

您不需要为现有配置文件添加过去的配置文件或告诉流程要包含哪些配置文件，它会为您解决这个问题。每个向您下订单的客户都有下一个订单的预计日期。以前从未向您下过订单的个人资料将不会有下次订单的预计日期。 *我看到流程有条件分割。我们如何知道一次性购买者的预计日期？*

对于一次性购买者，由于我们不太了解他们的购买行为，因此我们使用所有客户的数据来计算他们下一次订单的预计日期。 *我们的品牌有 3 类产品频率。对于某些产品，顾客会随机回来。其他的则在 60 至 90 天之间补充。最后一组在 100 到 120 天之间补充。我们可以教应用程序了解客户购买了什么并根据产品发送提醒吗？*

该应用程序不会考虑客户订购的产品，因此，如果您的产品具有不同的补货周期，我们建议您通过添加以下内容，为每个补货周期创建多个下订单触发流：

• *触发过滤器*以限制每个流向共享同一周期的产品
• *时间延迟*反映了已知的周期，以便您在正确的时间发送补货电子邮件

由于预测日期不会考虑客户上次订购的商品以及该产品可能的补货周期，因此如果客户知道大多数产品类别的补货周期，他们应该坚持使用标准的补货流程，而不是使用此功能。 *重复购买培育系列流程中需要注意的事项*

• 我们不建议倒计时到下一个订单的预计日期，因为回头客只会在每个订单前收到相同序列的电子邮件，这可能会导致取消订阅。 – 如果客户了解大多数产品类别的一般周期，则此流程不应取代补货流程的使用。 – 如果您的回头客比例很高，您可能只想对购买过一次的客户使用此功能，以培养他们第二次购买。 ## 预测性别是如何计算的

Klaviyo 的性别预测算法使用客户的名字和人口普查数据来预测可能的男性、可能的女性或不确定的性别。由于预测的性别仍然是一个近似值，因此请确保在使用有针对性的沟通时包含一些针对两种性别的信息。 !基于预测性别的电子邮件示例

其他资源 #

• 如何按客户终身价值（CLV）细分
• 人工智能驱动的客户终身价值
• 使用预测分析留住更多客户