當(dāng)今的營銷人員是數(shù)據(jù)驅(qū)動的。除了簡單地將客戶與他們的數(shù)據(jù)聯(lián)系起來之外，Kochava還尋求通過營銷情報來授權(quán)戰(zhàn)略決策。我們不斷壯大的客戶分析團隊由與客戶攜手合作，提供面對面的業(yè)務(wù)價值評估（BVA）和季度業(yè)務(wù)審查（QBR）的數(shù)據(jù)分析師組成，這些知識為UA管理人員，CMO和其他決策者為成功定位自己的品牌。
在本系列文章中，我們的客戶分析團隊的成員將探索Kochava提供的工具提供給客戶的營銷情報見解。
在90天內(nèi)，將近70％的移動用戶流失?？紤]到這一點，如何保持找到的用戶？預(yù)測行為建模是由Kochava數(shù)據(jù)科學(xué)和工程團隊開發(fā)的，旨在幫助客戶在用戶流失之前就對其進行預(yù)測。該數(shù)據(jù)使?fàn)I銷人員能夠提高保留率，并制定戰(zhàn)略以實現(xiàn)更好的投資回報率（ROI）。
預(yù)測行為建模如何工作
重新安裝后，我們的機器學(xué)習(xí)算法將使用決策樹建模的形式來工作，以在用戶與應(yīng)用程序互動的前7天分析新近度，頻率，趨勢指標和其他數(shù)據(jù)變量。
在第8天，為用戶分配用戶流失分數(shù)。在這種情況下，“攪動”表示在安裝后第8天到第38天之間，設(shè)備在應(yīng)用程序中不活躍的可能性有多大。
得分為“低”的用戶表示他們可能會在第8天到第38天之間進一步與該應(yīng)用互動。得分為“高”的用戶表示他們很可能會流失或沒有進一步的活動在第8天到第38天之間的應(yīng)用中。
確定預(yù)測精度
預(yù)測與準確預(yù)測的能力一樣好。從機器學(xué)習(xí)模型評估預(yù)測客戶流失分數(shù)的準確性需要對每個客戶流失群體的下游活動進行分析，以查看預(yù)測與結(jié)果的緊密程度。
通過廣泛檢查跨不同行業(yè)的多個數(shù)據(jù)集和應(yīng)用程序，出現(xiàn)了一條共同的趨勢線。憑借壓倒性的一致性，在安裝后第8天到第38天之間，以“低”流失可能性得分進行修飾的用戶顯示出會話和應(yīng)用內(nèi)事件活動的最高百分比。在此期間，得分為“中低”，“中高”和“高”的用戶的參與度呈指數(shù)下降。通過確認預(yù)測準確性并與預(yù)期保持一致，這些客戶流失得分可提供有價值的可操作信息。
應(yīng)用預(yù)測行為建模
通過深入了解用戶的流失可能性，營銷人員可以通過有針對性的重新投入努力從戰(zhàn)略上攔截該用戶。使用分析，營銷人員可以根據(jù)客戶流失可能性得分對受眾進行細分，并聯(lián)合“中高”和/或“高”可能性細分以重新吸引像Kochava這樣的合作伙伴，以進行有針對性的針對性營銷活動，以提高保留率。
Kochava Engagement在一個平臺上提供推送，短信和應(yīng)用內(nèi)消息傳遞活動管理。營銷人員可以圍繞客戶流失分數(shù)建立動態(tài)的受眾群體，并根據(jù)上下文相關(guān)的動態(tài)內(nèi)容設(shè)置觸發(fā)式推銷活動，以促進用戶保留和增長。
具有“低”流失可能性的用戶受眾可以是有價值的種子受眾，從中可以建立相似的模型來吸引具有類似特征的高質(zhì)量用戶，從而提高用戶的壽命和忠誠度。
預(yù)測的客戶流失數(shù)據(jù)有助于洞悉媒體合作伙伴的質(zhì)量。品牌正在利用合作伙伴根據(jù)客戶流失得分分布進行細分。他們可以取消優(yōu)先考慮那些在客戶中產(chǎn)生較高客戶流失率的合作伙伴的優(yōu)先級，并專注于始終如一地為客戶提供較低客戶流失率和更高投資回報率的合作伙伴。
保持用戶保留
預(yù)測的行為建模為交鑰匙營銷智能提供了有意義的可操作性。通過推送通知通過自定義消息吸引最有可能流失的用戶。應(yīng)用流失可能性很小的細分受眾群來創(chuàng)建高價值用戶的相似受眾群體?；蛘撸容^媒體合作伙伴，確定哪些合作伙伴可以提供最不可能流失的優(yōu)質(zhì)用戶。
要了解有關(guān)Kochava預(yù)測行為建模及其如何幫助您進行營銷的更多信息，請聯(lián)系您的客戶成功經(jīng)理或support kochava.com。
不是Kochava的客戶？今天聯(lián)系我們。
閩公網(wǎng)安備 35010202001226號
