OneTrace.pro Centro assistenza

Previsioni

Le previsioni valutano ogni cliente in base alla cronologia degli acquisti e al comportamento: gruppo RFM, rischio di abbandono, probabilità di acquisto, ricavo atteso, coinvolgimento, rischio di carrello abbandonato, oltre all'ora migliore di invio e al canale preferito. I risultati vengono scritti nel profilo come normali attributi, quindi si possono usare subito in segmenti, percorsi e modelli di messaggio.

La sezione si trova nel menu Dati → Previsioni. La pagina è visibile a tutti i ruoli con accesso alle analisi, mentre modificare le impostazioni e avviare il ricalcolo possono l'«Amministratore» e il «Proprietario».

Come attivare le previsioni

Le previsioni sugli acquisti iniziano a essere calcolate quando viene scelto l'evento di acquisto. L'ora e il canale migliori di invio vengono calcolati anche senza di esso.

  1. Apra Previsioni. Se OneTrace.pro ha trovato eventi adatti (ad esempio order_completed con la proprietà amount), in alto compare un suggerimento: faccia clic su Usa questo.
  2. Nel blocco Cosa conta come acquisto scelga:
    • Evento di acquisto: l'evento dell'ordine effettuato;
    • Importo dell'acquisto: la proprietà numerica con l'importo dell'ordine. Senza di essa non vengono calcolati l'importo degli acquisti, il punteggio monetario dell'RFM e la previsione dei ricavi;
    • Orizzonte della probabilità di acquisto: 7, 14, 30, 60 o 90 giorni, cioè l'arco di tempo per cui prevedere l'acquisto.
  3. Nel blocco Comportamento per il modello di attività indichi, se presenti, l'Evento di visualizzazione prodotto e l'Evento di aggiunta al carrello. Con questi la previsione è più precisa, e il rischio di carrello abbandonato viene calcolato solo se è stato scelto l'evento del carrello.
  4. Lasci il Modello di probabilità su Automatico: OneTrace.pro sceglierà da solo il modello più preciso per il Suo progetto.
  5. Faccia clic su Salva. Il primo calcolo parte subito e di solito richiede qualche minuto.

Impostazioni delle previsioni e riepilogo del modello

Quando vengono ricalcolate

Le previsioni vengono ricalcolate ogni notte: gli acquisti sono considerati sull'intera cronologia del progetto, l'attività sugli ultimi 90 giorni. Dopo una modifica delle impostazioni il calcolo parte subito, e il pulsante Ricalcola lo avvia manualmente, ad esempio dopo l'importazione o la migrazione della cronologia degli ordini.

Gli attributi vengono assegnati a clienti e visitatori attivi negli ultimi 90 giorni. Nel profilo vengono scritti solo i valori cambiati, e ogni modifica può avviare un percorso con il trigger «Attributo modificato».

Quali attributi compaiono

Attributo Significato
rfm_recency, rfm_frequency, rfm_monetary punteggi da 1 a 5 per recenza dell'ultimo acquisto, numero di acquisti e importo; 5 è il migliore
rfm_segment gruppo RFM: champions, loyal, at_risk, lost e altri
purchase_count, total_revenue, last_purchase_at numero di acquisti, loro importo totale e ora dell'ultimo
churn_risk rischio di abbandono, da 0 a 1
purchase_probability probabilità di acquisto entro l'orizzonte scelto, da 0 a 1
predicted_revenue ricavo atteso dal cliente entro l'orizzonte (stima del valore futuro del cliente, CLV)
next_purchase_days tra quanti giorni il cliente probabilmente acquisterà di nuovo
engagement_score coinvolgimento da 0 a 100 in base all'attività degli ultimi 30 giorni; 0 significa nessuna visita in 30 giorni
last_activity_at, sessions_30d, product_views_30d ultima attività, numero di sessioni e di visualizzazioni di prodotti negli ultimi 30 giorni
cart_abandon_risk probabilità che un prodotto messo nel carrello negli ultimi 7 giorni non venga acquistato; si azzera dopo l'acquisto
best_send_hour ora migliore di invio da 0 a 23 nel fuso orario del cliente, vedi sotto
preferred_channel il canale a cui il cliente risponde meglio: email, sms, web_push…

L'elenco completo con le spiegazioni si trova nel blocco Attributi del profilo in fondo alla pagina.

Gruppi RFM

Gruppo nell'interfaccia Valore di rfm_segment Chi sono
Campioni champions acquistano spesso e di recente
Fedeli loyal clienti abituali
Potenziali fedeli potential_loyalists recenti, hanno acquistato una seconda volta
Nuovi clienti new_customers un solo acquisto recente
Promettenti promising un acquisto, abbastanza recente
Richiedono attenzione need_attention recenza e frequenza medie
Prossimi all'inattività about_to_sleep un acquisto, non tornano da tempo
Da non perdere cant_lose un tempo acquistavano molto spesso, ma sono spariti da tempo
A rischio at_risk acquistavano molto, ma tempo fa
Dormienti hibernating acquisti rari e lontani nel tempo
Persi lost un solo acquisto, lontano nel tempo

Cosa mostra la pagina

  • Modello: stato del calcolo, modello scelto, numero di clienti e di visitatori senza acquisti, previsione dei ricavi per l'orizzonte, numero di carrelli aperti, quanti profili sono cambiati e ora del calcolo.
  • Segmenti RFM: quanti clienti ci sono in ciascun gruppo.
  • Distribuzione delle probabilità: quanti clienti rientrano in ciascuna fascia di rischio di abbandono e di probabilità di acquisto.
  • Coinvolgimento: distribuzione di engagement_score.

Confronto dei modelli e calibrazione delle probabilità

Qualità del modello

OneTrace.pro verifica la previsione sul passato: la costruisce alla data di un «orizzonte fa» e la confronta con ciò che è accaduto dopo.

  • Confronto dei modelli: le metriche dei due modelli sugli stessi clienti. L'AUC indica quanto bene il modello distingue chi acquista da chi non acquista (0,5 equivale a tirare a indovinare, più vicino a 1 è meglio). Log-loss e Brier indicano la precisione delle probabilità stesse: più sono bassi, meglio è. In modalità «Automatico» viene scelto il modello con il log-loss più basso, evidenziato in grassetto.
  • Calibrazione delle probabilità: quota prevista ed effettiva di acquisti nei gruppi di clienti. Più le colonne «Previsto» ed «Effettivo» sono vicine, più ci si può fidare delle probabilità nelle regole dei segmenti.
  • Cosa determina gli acquisti: quali fattori aumentano o riducono la probabilità di acquisto: giorni di attività, carrello aperto, recenza dell'ultimo acquisto e altri.

Ora e canale migliori di invio

Ogni notte OneTrace.pro osserva quando il cliente apre i messaggi e fa clic su di essi, e scrive nel profilo due attributi:

  • best_send_hour: l'ora (0–23) nel fuso orario del cliente in cui reagisce più spesso ai messaggi negli ultimi 180 giorni. Se le reazioni sono poche, l'ora viene ricavata dall'attività sul sito negli ultimi 90 giorni. Il fuso viene preso dall'attributo timezone e, se manca, dalle impostazioni del progetto.
  • preferred_channel: il canale in cui il cliente reagisce ai messaggi in modo più marcato rispetto alla media del progetto. Ogni canale viene confrontato con la propria media: per le email si contano le aperture, per SMS e notifiche push solo i clic, quindi le quote non si possono confrontare direttamente.

Ai nuovi clienti e a quelli con poca cronologia gli attributi non vengono scritti. L'evento di acquisto non è necessario.

Il blocco Ora e canale migliori di invio mostra quanti clienti ricadono in ciascuna ora, l'ora migliore del progetto, cioè l'ora migliore più frequente tra i clienti, e quanti clienti preferiscono ciascun canale.

Ora e canale migliori di invio: distribuzione per ora e canali preferiti

Dove si usa:

  • nelle campagne: «All’ora migliore di ogni destinatario», ognuno riceverà il messaggio nella propria ora migliore entro un giorno;
  • nei percorsi: il nodo «Attendi l’ora migliore» prima dell'invio;
  • nella cascata: «Prima il canale preferito del profilo»;
  • nei segmenti e nelle condizioni, come normali attributi, ad esempio preferred_channel = web_push.

Come usare le previsioni

Nel costruttore dei segmenti aggiunga una condizione Attributo e scelga un attributo di previsione:

  • «Clienti di valore in uscita»: rfm_segment uno tra at_risk, cant_lose, per un percorso di win-back con sconto personalizzato;
  • «Acquisteranno presto»: purchase_probability maggiore di 0,6; non serve uno sconto, basta un promemoria;
  • «A rischio di abbandono»: churn_risk maggiore di 0,7 ed engagement_score minore di 20;
  • «Carrello abbandonato»: cart_abandon_risk maggiore di 0,5.

Gli attributi di previsione sono disponibili anche nei percorsi (condizioni e trigger «Attributo modificato») e nei modelli di messaggio, ad esempio {{ traits.purchase_probability }}. Il nodo di percorso «Decisione» sceglie da solo, in base agli attributi di previsione, a chi dare uno sconto, a chi una selezione di prodotti e a chi niente, e impara dai risultati.

Da sapere

  • Per le probabilità serve una cronologia: almeno 50 clienti, di cui 10 con acquisti ripetuti, per il modello degli acquisti e almeno 200 profili per il modello di attività. Finché i dati sono pochi, lo stato è «Dati insufficienti» e vengono calcolati solo i punteggi RFM, i contatori e il coinvolgimento.
  • Più acquisti nello stesso giorno contano come uno.
  • Il modello non tiene conto della stagionalità e delle promozioni: dopo i saldi, per un certo periodo le probabilità restano indietro rispetto alla realtà. Confronti i clienti tra loro anziché usare la probabilità come previsione esatta.
  • I resi non vengono sottratti dal numero di acquisti.
  • L'ora migliore si concentra attorno agli orari in cui i messaggi sono già stati inviati: se le campagne sono sempre partite alle 10:00, il calcolo non vedrà un'altra ora finché i messaggi non inizieranno a partire in orari diversi.
  • Non modifichi gli attributi di previsione tramite API o importazione: al calcolo successivo verranno sovrascritti.