Customer Lifetime Model (CLV) - Comment découvrir vos meilleurs clients

Vous souhaitez savoir qui parmi vos clients sont les plus susceptibles de partir ? Lesquels sont les plus susceptibles d’acheter à nouveau à l’avenir ? Lesquels vous resteront fidèles avec les efforts de marketing que vous déployez en ce moment ? 
 Vous aurez très certainement répondu « oui » à ces questions. Qui ne voudrait pas recevoir des informations spécifiques sur chaque client, étant donné qu’il s’agit d’un moyen direct de dynamiser son entreprise depuis l’intérieur, d’augmenter les ventes et de renforcer les relations avec des clients fidèles ? Tout cela est rendu possible grâce à la complexité de vos données clients. C’est comme si on regardait dans une boule de cristal. Il s’agit d’une prédiction directe des activités futures de vos clients.
 
Chez Raptor Services, nous sommes fiers de publier notre Customer Lifetime Value Model (CLV) –  un outil puissant pour vous aider à analyser le comportement de vos clients afin de concentrer votre attention sur les clients qui s’avèrent être les plus importants pour votre entreprise. Le CLVest le premier d’une série de modèles, appelés AI Models, qui seront publiés dans les prochains mois.

Vous voulez discuter avec nous dès aujourd’hui ?

Prenez rendez-vous avec l’un de nos consultants CLV

L’objectif d’un Customer Lifetime Value Model (CLV) 

Avec ce modèle, inutile d’être un data scientist pour mesurer la valeur vie de vos clients. Il est désormais possible pour tous ceux qui travaillent dans la Customer Data Platform de déterminer quels sont les client qui sont rentables pour vos campagnes de marketing.

Le modéle CLV comprend 12 KPI puissants (que vous pouvez trouver au bas de la page) qui s’avèrent précieux pour votre entreprise.

Voici quelques exemples :

1. Une prédiction de la valeur personnelle, future et historique qui permet de repérer les clients à fort potentiel d’achat.

2. Un calcul du risque de perte de clientèle vous permettant de prendre contact avec les clients qui sont très susceptibles de partir.

3. Un score d’inactivité qui vous indique si un client est sur le point de dépasser son nombre moyen personnel de jours entre deux commandes. Cela vous permet de les contacter et de les activer plus tôt pour réduire le nombre de jours entre deux commandes.

81 % des spécialistes du marketing affirment que le suivi de la CLV augmente le chiffre d’affaires
- Criteo survey

Qu’est-ce qu’un Customer Lifetime Value Model (CLV)?

La valeur vie client est une prédiction de la valeur qu’un client peut apporter à votre entreprise.C’est aussi un accès direct à la compréhension des intentions de vos clients en fonction de leurs comportements antérieurs.
 
Écartant les spéculations ou intuitions sur les solutions qui pourraient bien fonctionner et les clients qui sont les plus rentables, le modèle VVC est un outil analytique qui transforme votre intuition en points de données réels.
 

Découvrez comment une Customer Data Platform peut vous aider à utiliser les données pour toucher les bons clients (guide CDP)

 
L’une des principales raisons de mesurer la valeur vie client est la fidélisation des clients. Selon Marketing Metrics la probabilité de vendre à un nouveau client est entre 5 et 20 %, tandis que la probabilité de vendre à un client existant est entre 60 et 70 %.

À partir de la notation prédictive, un de nos clients pourrait très bien calculer que les personnes qui achètent trois fois au cours de la première année sont susceptibles de revenir et d’acheter l’année suivante. Un client qui n’effectue que des achats en ligne achètera généralement auprès de sa boutique en ligne deux fois par an, tandis qu’un client qui effectue des achats en ligne et dans l’un de ses magasins reviendra six fois par an.

Avec le modèle CLV de Raptor, vous bénéficierez de données clients à grande échelle et les utiliserez pour définir vos audiences dans la Customer Data Platform. doit être configuré, validé et entraîné pour apprendre vos données et le comportement de vos clients. 

Plus vous avez de données, meilleures sont les prédictions.

Le modèle CLV de Raptor vous fournira des réponses à des questions telles que :

• Quelle est la valeur moyenne d’une commande pour un seul client ?
• Combien mon client est-il susceptible de dépenser dans ma boutique en ligne, mon point de vente physique ou les deux l’année prochaine ?
• Qu’est-ce qu’un seul client est susceptible de dépenser l’année prochaine ?
• Quelle est la valeur vie moyenne de chaque client ?
• Quelle est la probabilité qu’un client ne fasse plus partie de ma clientèle ?
• Combien de jours se sont écoulés depuis la première commande d’un seul client ?
• Combien de jours se sont écoulés depuis la dernière commande d’un seul client ?
• Combien de jours passent habituellement entre les commandes ?

…. et de nombreuses autres informations qui permettront de dynamiser vos activités de marketing et commerciales. Vous pouvez consulter la liste complète en bas de l’article.

Toutes ces informations sont des mesures essentielles pour toute entreprise qui adopte une approche axée sur les données.

Non seulement le modèle CLV améliore les ventes, car vous dirigez vos efforts vers les clients les plus susceptibles de passer à l’action, mais il augmente également la fidélité des clients de manière à pouvoir cibler activement les messages pertinents au bon moment.

Grâce au modèle CLV, un de nos clients pouvait déterminer avec précision quand il devait commencer à envoyer des offres de marketing aux personnes qui n’avaient pas interagi avec la marque depuis un certain temps. Il envoyait notamment des rappels, de nouvelles offres et des bons d’achat par le biais de campagnes par e-mail et par SMS pour les réactiver. Il a pu faire cela grâce à des données sur les prédictions de comportements des clients.

Comment la CLV est-elle calculée ?

Le modèle Customer Lifetime Value (CLV) de Raptor, bâti grâce à des années de recherche par des chercheurs spécialisés, peut être alimenté par des données sur le comportement des clients à partir de tous leurs points d’entrée. Il peut s’agir de données issues du site Web, des réseaux sociaux, de l’application, des annonces Google, etc. 

La CLV correspond à la valeur historique + la « valeur future prédite »

La « valeur future prédite » est le produit de la « valeur du panier moyen » prédite et du « nombre prédit de commandes futures ».

Le « nombre prédit de commandes futures » est calculé par le modèle d’IA. Lorsqu’un client est actif, on s’attend à ce qu’il passe des commandes à une certaine fréquence après une certaine distribution, et s’il sollicite régulièrement d’autres entreprises, il est moins probable qu’il passe de nouvelles commandes.Ainsi, le nombre de commandes futures dépend d’un taux d’abandon spécifique au magasin, de la probabilité que le client revienne et du temps qui s’est écoulé entre les commandes pour chaque client.

La probabilité d’activité prédite est le degré de susceptibilité que le client passe une nouvelle commande à tout moment à l’avenir.Elle est prédite grâce au modèle et est déterminée par le temps écoulé depuis la dernière commande, le temps écoulé depuis la première commande, le nombre de commandes passées et le score d’inactivité.

Le « score d’inactivité » est basé sur le rapport entre les jours écoulés depuis la dernière commande et la moyenne des jours écoulés entre les commandes.

Où peut-on activer la CLV ?

Le Customer Lifetime Value de Raptor Services sera disponible pour les propriétaires de CDP via le panneau de contrôle. Vous trouverez la CLV dans le menu d’en-tête sous les modules d’IA.Les paramètres réels pour la création d’audiences de bâtiment seront disponibles dans le Audience Builder.
 
Le modèle CLV sera disponible à partir du 25 mars. Si vous avez des questions, veuillez contacter notre équipe de services professionnels qui se fera un plaisir de vous aider.
 

Liste des attributs deCustomer Lifetime Value attributes 

Dès que le modèle CLV est activé, vous trouverez la liste d’attributs suivante lorsque vous sélectionnerez le filtre dans le Audience Builder du CDP.

• Prédiction d’activité (%): cela représente la probabilité que le client passe une nouvelle commande à tout moment à l’avenir. C’est le contraire de la perte de clientèle, qui peut être toutefois calculée grâce à la prédiction d’activité avec cette formule: Perte de clientèle = 100 - Prédiction d’activité 
  La prédiction d’activité est la prédiction par le modèle d’IA. Elle est basée sur le nombre de commandes (Fréquence), le nombre de jours depuis la dernière commande (Récence), le nombre de jours depuis la première commande (Délai), la moyenne des jours écoulés entre les commandes pour le client et le taux d’abandon du magasin. Le taux d’abandon est une valeur interne prédite par le modèle.Il est spécifique au magasin et représente la capacité à faire revenir les clients.
  Par exemple: si un client a un taux de prédiction d’activité de 75 %, son risque de perte de clientèle est de 25 %.
    
• Valeur historique des 365 derniers jours: la somme de la valeur de toutes les commandes effectuées par le client au cours des 365 derniers jours.
  
  
• Valeur historique à tout moment: la somme de la valeur de toutes les commandes effectuées par le client.
  
  Valeur future prédite pour les 365 prochains jours: la valeur prédite du client pour les 365 prochains jours. Elle est basée sur le nombre de commandes prédites au cours des 365 prochains jours et sur la valeur moyenne des commandes.
  
  
• Valeur vie client prédite: la somme de la valeur historique et de la valeur future pour les 365 prochains jours pour le client.
  
  
• Nombre prédit de commandes au cours des 365 prochains jours: il s’agit d’une prédiction du modèle d’IA qui vous indique combien de fois un client passera une commande dans les 365 prochains jours. Il est basé sur la fréquence d’achat du client et le score de prédiction d’activité. 
  
  
• Jours depuis la première commande: le nombre de jours depuis la première commande par le client.
  
  
• Jours depuis la dernière commande: cela peut également être défini par le terme récence. Le nombre de jours depuis la dernière commande par le client.
  
  
• Nombre de commandes: cela peut également être défini par le terme fréquence. Le nombre de commandes passées par un client. Plusieurs articles achetés le même jour sont regroupés en une seule commande.
  
  
• Valeur moyenne de la commande: cela peut également être défini comme la valeur monétaire. La valeur moyenne du panier. Elle est égale à la valeur historique totale pour le client divisée par le nombre de commandes qu’il a passées. Plusieurs articles achetés le même jour sont regroupés en une seule commande.
   
  
• Moyenne des jours écoulés entre les commandes: il s’agit du nombre de jours entre la première et la dernière commande divisé par le nombre d’achats moins un. 
  Par exemple, s’il y a trois commandes qui sont passées en 100 jours (la première commande arrive au jour 0 et la dernière au jour 100), cela signifie qu’il y a 50 jours entre les commandes en moyenne.
  
  
• Score d’inactivité: cela se calcule en divisant le nombre de jours depuis que le client a passé sa dernière commande par la moyenne des jours entre les commandes pour ce client. Le jour où un client passe une commande, ce score sera de 0. Jusqu’à ce que le même client achète à nouveau et n’ait pas atteint sa moyenne d’achat personnelle, le score d’inactivité sera compris entre 0 et 100. S’il dépasse sa moyenne d’achat personnelle, le nombre sera supérieur à 100.
  
  Par exemple: si un client passe une commande tous les 10 jours en moyenne, mais qu’aujourd’hui cela 15 jours qu’il n’a pas passé commande, le score d’inactivité sera de 150.