预测
预测功能会根据购买历史和行为对每位客户进行评估:RFM 分组、流失风险、购买概率、预期收入、互动度、弃购风险,以及最佳发送时间和偏好渠道。结果以普通属性的形式写入档案,因此可以立即在分群、旅程和消息模板中使用。
在菜单中打开数据 → 预测。所有拥有分析访问权限的角色都可以查看该页面,“管理员”和“所有者”可以修改设置并启动重新计算。
如何启用预测
选择购买事件后,系统开始计算购买预测。最佳发送时间和渠道即使没有购买事件也会计算。
- 打开预测。如果 OneTrace.pro 发现了类似的事件(例如带有
amount属性的order_completed),顶部会显示提示,请点击使用。 - 在什么算作购买模块中选择:
- 购买事件:表示已下单的事件;
- 购买金额:包含订单金额的数字属性。没有它,将无法计算购买总额、RFM 中的金额评分和收入预测;
- 购买概率预测期:7、14、30、60 或 90 天,即预测在多长时间内发生购买。
- 在活跃度模型使用的行为模块中,如有相应事件,请指定商品浏览事件和加入购物车事件。有了这些事件,预测会更准确;只有选择了加购事件,才会计算弃购风险。
- 概率模型请保持自动:OneTrace.pro 会为您的项目自动选择更准确的模型。
- 点击保存。首次计算会立即开始,通常需要几分钟。

何时重新计算
预测每晚重新计算一次:购买数据统计项目的全部历史,活跃度数据统计最近 90 天。修改设置后会立即开始计算,重新计算按钮可以手动启动计算,例如在导入或迁移订单历史之后。
最近 90 天内有活动的客户和访客会获得这些属性。只有发生变化的值才会写入档案,每次变化都可能触发以“属性变更”为触发器的旅程。
会生成哪些属性
| 属性 | 含义 |
|---|---|
rfm_recency、rfm_frequency、rfm_monetary |
最近一次购买的新近度、购买次数和金额的 1–5 分评分;5 分最好 |
rfm_segment |
RFM 分组:champions、loyal、at_risk、lost 等 |
purchase_count、total_revenue、last_purchase_at |
购买次数、购买总额和最近一次购买时间 |
churn_risk |
流失风险,0 到 1 |
purchase_probability |
在所选预测期内购买的概率,0 到 1 |
predicted_revenue |
预测期内来自该客户的预期收入(客户未来价值估算,CLV) |
next_purchase_days |
客户很可能在多少天后再次购买 |
engagement_score |
基于 30 天内活动的互动度,0–100;0 表示 30 天内未访问 |
last_activity_at、sessions_30d、product_views_30d |
最近活动时间,以及 30 天内的会话数和商品浏览数 |
cart_abandon_risk |
最近 7 天内加入购物车的商品不会被购买的概率;购买后清除 |
best_send_hour |
客户时区中的最佳发送时间,0–23 点,见下文 |
preferred_channel |
客户反应最好的渠道:email、sms、web_push… |
包含说明的完整列表见页面底部的档案属性模块。
RFM 分组
| 界面中的分组 | rfm_segment 的值 |
客户特征 |
|---|---|---|
| 冠军客户 | champions |
购买频繁且最近有购买 |
| 忠诚客户 | loyal |
定期购买的客户 |
| 潜在忠诚客户 | potential_loyalists |
最近的客户,已进行第二次购买 |
| 新客户 | new_customers |
最近有一次购买 |
| 有潜力客户 | promising |
一次购买,时间较近 |
| 需要关注 | need_attention |
新近度和频率中等 |
| 即将沉睡 | about_to_sleep |
一次购买,很久没有回来 |
| 不能失去的客户 | cant_lose |
过去购买非常频繁,但已很久没有出现 |
| 有流失风险 | at_risk |
购买很多,但已是很久以前 |
| 休眠客户 | hibernating |
购买稀少且时间久远 |
| 已流失 | lost |
很久以前的一次购买 |
页面内容
- 模型:计算状态、所选模型、客户数和未购买访客数、预测期内的收入预测、未结购物车数量、变化的档案数量以及计算时间。
- RFM 分群:每个分组中的客户数量。
- 概率分布:各流失风险和购买概率区间中的客户数量。
- 互动度:
engagement_score的分布。

模型质量
OneTrace.pro 会用过去的数据检验预测:以“一个预测期之前”的日期构建预测,并与之后实际发生的情况进行比较。
- 模型比较:两个模型在同一批客户上的指标。AUC 表示模型区分购买者和非购买者的能力(0.5 相当于随机猜测,越接近 1 越好)。Log-loss 和 Brier 表示概率本身的准确度,数值越小越好。在“自动”模式下,会选择 log-loss 较小的模型,并以粗体显示。
- 概率校准:各客户组中预测的购买比例与实际购买比例。“预测”和“实际”柱越接近,就越可以在分群规则中信赖这些概率。
- 影响购买的因素:哪些特征会提高或降低购买概率:活跃天数、未结购物车、距最近一次购买的时间等。
最佳发送时间和渠道
OneTrace.pro 每晚会分析客户在什么时间打开和点击消息,并在档案中写入两个属性:
best_send_hour:客户时区中的小时(0–23),即最近 180 天内客户最常对消息作出反应的时间。如果反应较少,则根据 90 天内的网站活动确定。时区取自timezone属性,没有该属性时使用项目设置中的时区。preferred_channel:客户对其中消息的反应明显高于项目平均水平的渠道。每个渠道都与其自身的平均水平比较:邮件统计打开,而 SMS 和推送只统计点击,因此不能直接比较比例。
新客户和历史数据较少的客户不会写入这些属性。此计算不需要购买事件。
最佳发送时间和渠道模块显示每个小时对应的客户数、项目最佳时间(客户中最常见的最佳小时)以及偏好各渠道的客户数。

适用场景:
- 群发中的“在每位收件人的最佳时间发送”:每位收件人会在一天内于其最佳时间收到消息;
- 旅程中,在发送前添加“等待最佳小时”节点;
- 级联发送中的“优先使用档案的偏好渠道”;
- 在分群和条件中作为普通属性使用,例如
preferred_channel=web_push。
如何使用预测
在分群编辑器中添加属性条件,并选择预测属性:
- “流失中的高价值客户”:
rfm_segment为at_risk、cant_lose之一,用于带个性化折扣的唤回旅程; - “即将购买”:
purchase_probability大于 0.6,无需给他们折扣,提醒即可; - “流失风险高”:
churn_risk大于 0.7 且engagement_score小于 20; - “弃购”:
cart_abandon_risk大于 0.5。
预测属性也可以在旅程(条件和“属性变更”触发器)和消息模板中使用,例如 {{ traits.purchase_probability }}。旅程中的“决策”节点会根据预测属性自行决定给谁折扣、给谁发商品精选、对谁不操作,并从结果中学习。
注意事项
- 计算概率需要历史数据:购买模型需要至少 50 位客户(其中 10 位有复购),活跃度模型需要至少 200 个档案。数据不足时,状态显示为“数据不足”,只会计算 RFM 评分、计数和互动度。
- 同一天内的多次购买计为一次。
- 模型不考虑季节性和促销活动:大促之后,概率在一段时间内会滞后于实际情况。请用它来比较客户之间的相对高低,而不要把概率当作精确预测。
- 退货不会从购买次数中扣除。
- 最佳时间会集中在以往发送消息的时间附近:如果群发一直在 10:00 发送,那么在消息开始于不同时间发出之前,计算无法发现其他时间。
- 请勿通过 API 或导入修改预测属性:下次计算时它们会被覆盖。