当前位置 : weide1946 > 企业专栏 > 文章

黑科技!Kochava推出预测客户流失分析功能Churn Modeling

mlc  ? 

weide1946 www.implementseo.com 流失是移动营销人员面临的一个真正问题,他们花费数百万美元购买新用户,然后在安装后的几天内失去他们,流失很昂贵。营销人员不仅需要花钱购买新用户,而且对他们再营销成本也超过了初始投资。

客户流失分析是一个解决方案,但需要营销团队投入大量时间。本质上,没有快速或单一的方式来回答为什么用户流失。

为了帮助营销人员减少客户流失,Kochava开发了Churn Modeling作为Analytics中的一个额外事件,以帮助营销人员识别最有可能流失的用户。使用机器学习,流失模型可以识别最有可能流失的用户展示的模式。一旦确定,它就根据其风险等级对用户进行评分和分组。

通过流失建模获得优势

流失建模事件(“_PredictedChurn”)是预测用户流失可能性的机器学习模型的结果。 首先,该算法根据历史数据“学习”指示流失的用户行为。 这些数据包括安装后的前七天内观察到的新近度、频率和趋势指标。 然后将生成的模型应用于新用户,并预测哪些用户可能在随后的30天内流失。

用户根据流失的可能性(高,中高,中低,低)进行分组。 他们也有可能被搅动(0到1之间),这对自定义视图和过滤器很有用。 模型定期更新; 如果跟踪新事件,模型将更新以解决数据中出现的任何新模式。

使用推送通知重新定位

客户流失建模作为事件直接适用于推送通知。 证据表明,更有可能流失的用户对推送通知会作出积极响应。 利用Kochava,营销人员可以对可能流失的受众群体启动推送通知。

640.webp.jpg

例如,在分析中,创建一批不太可能完成购买的用户,并立即让他们参与转换。选择“添加到购物车”事件和“预测流失”事件,并排除已购买的用户。这将创建一批表示意向购买的用户(添加一个项目到购物车),谁没有完成购买,并且很有可能流失。然后,创建这些用户的群组,并将其保存为受众群体,以便在Engagement仪表板中进行访问推送信息。例如,按可能性(组)进一步过滤队列,并细分高组中的用户。另一种选择是另外根据属性网络进行过滤,并根据预测的流失事件进行拆分。

一旦有一个群组,导出这些设备ID的列表,或保存为参与推送活动的受众。要进行更深入的建模,请联系Kochava Data Science团队。中国客户可以联系Kochava中国:yliu@kochava.com。

小结

不要让获得新用户的成本超过其生命周期价值,并停止花费超过您的用户所能带来的收入。通过在他们甚至考虑离开前最有可能流失的客户先发制人地再营销这些客户,从而最大限度地提高广告支出。

本文相关weide1946

Kochava认证


扫一扫 在weide1946阅读、分享本文

要回复文章请先登录注册