Prognosen

Prognosen bewerten jeden Kunden anhand seiner Kaufhistorie und seines Verhaltens: RFM-Gruppe, Abwanderungsrisiko, Kaufwahrscheinlichkeit, erwarteter Umsatz, Engagement, Risiko eines verlassenen Warenkorbs. Die Ergebnisse werden als gewöhnliche Merkmale ins Profil geschrieben, sodass Sie sie sofort in Segmenten, Journeys und Nachrichtenvorlagen verwenden können.

Den Bereich finden Sie im Menü Daten → Prognosen. Die Seite ansehen können alle Rollen mit Zugriff auf Analysen; Einstellungen ändern und eine Neuberechnung starten können „Administrator“ und „Inhaber“.

Prognosen aktivieren

Prognosen werden berechnet, sobald ein Kaufereignis ausgewählt ist.

1. Öffnen Sie Prognosen. Hat OneTrace.pro passende Ereignisse gefunden (zum Beispiel order_completed mit der Eigenschaft amount), erscheint oben ein Hinweis – klicken Sie auf Übernehmen.
2. Wählen Sie im Block Was als Kauf zählt:
   • Kaufereignis – das Ereignis einer abgeschlossenen Bestellung;
   • Kaufbetrag – eine numerische Eigenschaft mit dem Bestellbetrag. Ohne sie werden Kaufsumme, die Betragsbewertung im RFM und die Umsatzprognose nicht berechnet;
   • Horizont der Kaufwahrscheinlichkeit – 7, 14, 30, 60 oder 90 Tage: für welchen Zeitraum ein Kauf vorhergesagt wird.
3. Geben Sie im Block Verhalten für das Aktivitätsmodell, sofern vorhanden, Event für Produktaufruf und Event für Warenkorb an. Damit wird die Prognose genauer, und das Risiko eines verlassenen Warenkorbs wird nur bei gewähltem Warenkorbereignis berechnet.
4. Belassen Sie das Wahrscheinlichkeitsmodell auf Automatisch – OneTrace.pro wählt selbst das genauere Modell für Ihr Projekt.
5. Klicken Sie auf Speichern. Die erste Berechnung startet sofort und dauert meist einige Minuten.

Wann neu berechnet wird

Prognosen werden jede Nacht neu berechnet: Käufe aus der gesamten Projekthistorie, Aktivität der letzten 90 Tage. Nach einer Änderung der Einstellungen startet die Berechnung sofort, die Schaltfläche Neu berechnen startet sie manuell – etwa nach einem Import oder einer Migration der Bestellhistorie.

Merkmale erhalten Kunden und Besucher, die in den letzten 90 Tagen aktiv waren. Ins Profil werden nur geänderte Werte geschrieben, und jede Änderung kann eine Journey mit dem Auslöser „Merkmal geändert“ starten.

Welche Merkmale entstehen

Die vollständige Liste mit Erläuterungen finden Sie im Block Profilmerkmale unten auf der Seite.

RFM-Gruppen

Was die Seite zeigt

• Modell – Berechnungsstatus, gewähltes Modell, Anzahl der Käufer und der Besucher ohne Kauf, Umsatzprognose für den Horizont, Anzahl offener Warenkörbe, wie viele Profile sich geändert haben und Zeitpunkt der Berechnung.
• RFM-Segmente – wie viele Käufer in jeder Gruppe sind.
• Verteilung der Wahrscheinlichkeiten – wie viele Kunden in jeden Bereich von Abwanderungsrisiko und Kaufwahrscheinlichkeit fallen.
• Engagement – Verteilung von engagement_score.

Modellqualität

OneTrace.pro prüft die Prognose an der Vergangenheit: Es erstellt sie für ein Datum „einen Horizont zurück“ und vergleicht sie mit dem, was danach tatsächlich geschah.

• Modellvergleich – Metriken beider Modelle für dieselben Kunden. AUC zeigt, wie gut das Modell Käufer von Nichtkäufern unterscheidet (0,5 – Raten, je näher an 1, desto besser). Log-loss und Brier zeigen die Genauigkeit der Wahrscheinlichkeiten selbst – je kleiner, desto besser. Im Modus „Automatisch“ wird das Modell mit dem kleineren Log-loss gewählt; es ist fett hervorgehoben.
• Kalibrierung der Wahrscheinlichkeiten – vorhergesagter und tatsächlicher Kaufanteil in Kundengruppen. Je näher die Säulen „Prognose“ und „Tatsächlich“ beieinanderliegen, desto mehr können Sie den Wahrscheinlichkeiten in Segmentregeln vertrauen.
• Was Käufe beeinflusst – welche Faktoren die Kaufwahrscheinlichkeit erhöhen oder senken: aktive Tage, offener Warenkorb, Zeit seit dem letzten Kauf und weitere.

Prognosen nutzen

Fügen Sie im Segment-Editor eine Bedingung Merkmal hinzu und wählen Sie ein Prognosemerkmal:

• „Abwandernde wertvolle Kunden“: rfm_segment ist eines von at_risk, cant_lose – für eine Win-back-Journey mit persönlichem Rabatt;
• „Kaufen bald“: purchase_probability größer als 0,6 – geben Sie diesen Kunden keinen Rabatt, eine Erinnerung genügt;
• „Abwanderungsgefährdet“: churn_risk größer als 0,7 und engagement_score kleiner als 20;
• „Verlassener Warenkorb“: cart_abandon_risk größer als 0,5.

Prognosemerkmale stehen auch in Journeys (Bedingungen und Auslöser „Merkmal geändert“) und in Nachrichtenvorlagen zur Verfügung, zum Beispiel {{ traits.purchase_probability }}.

Wichtig zu wissen

• Für Wahrscheinlichkeiten ist eine Historie nötig: mindestens 50 Käufer, davon 10 Wiederholungskäufer, für das Kaufmodell und mindestens 200 Profile für das Aktivitätsmodell. Solange die Daten nicht reichen, lautet der Status „Zu wenig Daten“, und berechnet werden nur RFM-Punkte, Zähler und Engagement.
• Mehrere Käufe an einem Tag zählen als einer.
• Das Modell berücksichtigt weder Saisonalität noch Aktionen: Nach einem Sale hinken die Wahrscheinlichkeiten eine Zeit lang der Realität hinterher. Vergleichen Sie Kunden untereinander, statt die Wahrscheinlichkeit als exakte Vorhersage zu nutzen.
• Retouren werden nicht von der Anzahl der Käufe abgezogen.
• Ändern Sie Prognosemerkmale nicht über die API oder einen Import: Bei der nächsten Berechnung werden sie überschrieben.