Hoe segmenteer je op basis van Customer Lifetime Value (CLV)?

Altijd al benieuwd geweest hoe je een Customer Lifetime Value (CLV) segment aanmaakt? En ben je ook nieuwsgierig naar hoe je alle belangrijke CLV informatie exporteert? In dit artikel vertellen we je hier alles over.

Customer Lifetime Value
CLV maakt deel uit van Klaviyo’s predictive analytics en is een krachtig hulpmiddel bij segmentatie. De Customer Lifetime Value is namelijk het totale bedrag (zowel ‘historic’ als ‘predictive’) dat een klant in de loop van tijd aan jouw merk uitgeeft. Met CLV segmenten groepeer je klanten op basis van dit bedrag. Dit zorgt ervoor dat je relevante content stuurt naar klanten. Ook helpt dit bij het activeren van op segmenten gebaseerde flows. Je kunt bijvoorbeeld ‘historic’ CLV gebruiken om een ‘VIP welcome flow’ te bouwen. Of gebruik ‘predictive’ CLV om gerichte campagnes te sturen naar klanten waarvan voorspeld wordt dat ze in één jaar een bepaald bedrag zullen uitgeven.

Voordat je begint
Voordat je begint, is het belangrijk om te weten dat je alleen kunt segmenteren op basis van CLV als:

• Minstens 500 klanten een bestelling hebben geplaatst. Hiermee verwijzen we niet naar actieve profielen, maar naar het aantal mensen dat daadwerkelijk een aankoop heeft gedaan in je webshop. Mocht een profiel actief zijn, maar verder geen aankoopdata bevatten, dan betekent dit dat Klaviyo niet genoeg gegevens over die klant heeft om een voorspelling te doen;
• Je een e-commerce integratie hebt (bijv. Shopify, BigCommerce of Magento) of Klaviyo’s API gebruikt om geplaatste bestellingen te verzenden;
• Je minstens 180 dagen bestelgeschiedenis hebt én orders hebt ontvangen in de afgelopen 30 dagen;
• Je in ieder geval enkele klanten hebt die 3 of meer bestellingen hebben geplaatst.

‍

Een CLV segment maken
Om een segment te maken op basis van de beschikbare CLV-eigenschappen (d.w.z. ‘historic’, ‘predictive’ en ‘total’ CLV), gebruik je de ‘predictive analytics about someone’ conditie. Vervolgens selecteer je de gewenste statistiek en waarde. Zie afbeelding hieronder.

Voorbeeld

Stel, de gemiddelde bestelwaarde van jouw klanten is €15. Misschien wil je klanten die deze gemiddelde bestelwaarde niet halen, targeten met kortingen om een volgende aankoop te stimuleren.

Om dit te bereiken, maak je een segment van klanten die waarschijnlijk niet meer dan €5 uitgeven. Je target deze klanten met een kortingscampagne, vergelijkbaar met een winback of re-engagement campagne. Als je target via e-mail, moet je de volgende ‘conditions’ opnemen:

• De klanten behoren tot je belangrijkste e-maillijst (in dit geval een nieuwsbrief lijst);
• Ze hebben binnen een bepaalde tijd een e-mail geopend. Door deze conditie toe te voegen, weet je zeker dat je e-mails naar betrokken abonnees stuurt. In het onderstaande voorbeeld is de tijdlijn de laatste 90 dagen.

Exporteer CLV segmenten

Door CLV-gegevens te exporteren, kun je het gedrag van verschillende groepen klanten verder analyseren en voorspellen. Naast je CLV analyses en ‘predictive’ analyses, is het mogelijk je ‘Churn Risk Prediction’ te exporteren. De churn risk wordt geëxporteerd naar je CSV als een getal tussen 0 en 1. Een nummer van 0.45 zou bijvoorbeeld overeenkomen met een ‘churn’ risico van 45%.

Bij veel eenmalige kopers heb je waarschijnlijk een hoog gemiddeld ‘churn’ risico. Om je gemiddelde ‘churn’ risico te verlagen, kun je jouw marketinginspanningen richten op het behouden van klanten na hun eerste aankoop. Gebruik ‘Klaviyo’s Predicted CLV’ metriek om mensen te identificeren die waarschijnlijk niet opnieuw zullen kopen. Soortgelijk aan het voorbeeld hierboven.

Zodra je deze gegevens exporteert als CSV, kun je je eigen analyses uitvoeren. Enkele berekeningen die handig zijn:

• Gemiddelde CLV: je berekent de gemiddelde klantwaarde van een segment door het gemiddelde te nemen van ‘historic’ CLV en ‘total’ CLV;
• Toekomstige uitgaven van een segment voorspellen: tel de ‘predictive’ CLV van alle leden van een segment bij elkaar op en je krijgt de verwachte inkomsten van klanten in dit segment voor het volgende jaar;
• Het aantal terugkerende klanten inschatten: bereken eerst het gemiddelde van de waarden voor ‘Churn Risk Prediction’. Trek vervolgens het gemiddelde van 1 af. Vermenigvuldig de uitkomst met het aantal mensen in het segment. Dit levert het aantal klanten op die naar verwachting terugkeren.

‍

Wil je meer weten over Customer Lifetime Value (CLV)? Bekijk dan deze blogpost over CLV voor e-commerce.

Dit artikel is vertaald van het Engels naar het Nederlands. Kijk voor het origineel op deze pagina.