고객 재구매 행동

두 개 이상의 제품을 제공하는 경우 특정 제품을 구매하는 고객이 다른 고객과 비교하여 시간이 지남에 따라 어떻게 다르게 동작하는지 궁금할 수 있습니다. 이 주제에서는 다음 질문에 답변하는 데 도움이 되는 분석을 살펴봅니다.

특정 항목 ​을(를) 구매하는 고객 중,

권장 지표

고객 재구매 활동 분석을 작성할 때 Adobe은 다음 지표를 사용하는 것을 권장합니다.

반복 순서 확률

이 측정은 총 반복 주문 수, 총 주문 수의 백분율로 정의됩니다. 즉, 이는 어떤 순서가 다른 순서에 따를 가능성이다. 이 조치는 고객이 스토어로 다시 돌아오도록 유도할 수 있는 항목을 식별합니다.

평균 주문 수

이는 고객의 구매 행동, 특히 고객이 지정된 기간 동안 수행한 주문 수를 표시합니다. 이 측정값을 제한하여 단기간, 중기간 또는 장기적으로 고객의 행동을 볼 수 있습니다. 일부 제품은 단기간에 고객이 자주 구매하도록 유도하는 반면, 다른 제품은 고객의 장기 충성도에 영향을 미칠 수 있습니다. 이 숫자가 다른 항목에 비해 한 항목에 대해 더 높다면 이 항목을 구입하는 사람이 매장으로 돌아오는 사람임을 알 수 있습니다.

평균 고객 생애 수익

이 지표를 사용하면 특정 품목을 구매하는 고객이 평생 동안 더 가치 있는지 여부를 파악할 수 있습니다. 이 값이 유사한 다른 품목과 비교하여 한 품목에 대해 더 높은 경우, 이는 고액 고객이 이 품목을 구매하려는 경향이 있음을 나타냅니다.

다음 주문까지 남은 시간

이 측정은 고객의 주문 빈도 또는 고객이 다시 주문하는 데 걸리는 시간을 보여 줍니다. 한 항목에 대해 다음 주문 시간이 다른 항목에 비해 짧은 경우, 이 항목을 구입하는 사람이 더 빨리 돌아오는 경향이 있음을 시사합니다.

오늘의 예: 커피 제품

위의 지표를 염두에 두고 커피 제품과 관련된 예를 살펴보십시오.

데이터를 확보했으므로 각 지표에 어떤 의미가 있습니까?

반복 순서 확률

이 예에서, 반복 주문 확률 - 또는 주문이 다른 주문에 따를 가능성 - 은 커피 원두보다 단일 컵 커피 브루어와 커피 캡슐의 경우 훨씬 더 높다.

브루어를 구매하는 고객들은 관련 캡슐을 구매하는 데 "헌신적"이기 때문에, 이것은 의미가 있습니다. 마찬가지로 캡슐을 구매한 고객은 캡슐과 호환되는 맥주 제조기를 가지고 있습니다. 그러나, 커피 원두는 특정 양조업자에 국한되지 않습니다.

평균 라이프타임 주문 수

위의 데이터를 바탕으로, 브루어나 캡슐을 구입하는 사람들은 커피 원두를 구입한 고객들에 비해 평균적으로 일생 동안 더 많은 구매를 했다는 것을 알 수 있습니다.

평균 고객 생애 수익

양조업자를 구매하는 고객의 평균 생애매출이 가장 높은데, 이번 대책에 양조업 비용이 포함된 점을 감안하면 일리가 있다. 이와 달리, 원두를 구매하는 고객들은 일반적으로 저가의 물품만을 구매한다.

다음 주문까지 남은 시간

커피 캡슐을 구매한 고객 중 절반은 약 2개월 만에 반복 주문을 한다. 하지만 원두를 구매한 고객 중 절반은 약 한 달 만에 반복 주문을 낸다. 이는 캡슐을 주문하는 사람이 (1) 커피를 많이 마시지 않거나 (2) 대량으로 주문하기 때문일 수 있습니다(예: 한 주문에 두 달 분량의 커피를 구매).

다른 분석은 어떤 식으로 작성할 수 있습니까?

이 항목에 요약된 지표를 사용하여 다른 유용한 재구매 분석을 구축할 수도 있습니다. 예를 들어 고객이 정기적으로 리필을 구입하는 경우 동일한 항목 ​을(를) 재구매하는 방법도 확인할 수 있습니다. 캡슐과 원두를 정기적으로 재구매할 수도 있지만, 원두커피를 반복 구매하는 고객들을 보면 의외일 것이다. 리필이나 재입고에 초점을 맞추는 사업이라면 이 분석이 유용할 것이다.

고객의 재구매 행동을 분석하는 것 외에도 고객 충성도를 살펴보는 분석을 구축할 수도 있습니다. 고객 이탈 패턴 분석을 고려하십시오. 고객은 사이트를 떠나서 돌아오지 않는 곳이 어디입니까? 이 경우 발생하는 비율은 얼마입니까?

이탈이 발생하는 이유를 확인했으면 분석을 사용하여 reactivation 캠페인을 빌드할 수 있습니다. 이 데이터를 사용하여 비활성 상태가 된 사용자, 마지막 방문 이후 경과 시간, 마지막 구매 내역 등을 식별할 수 있습니다. 이를 통해 고객이 다시 돌아오도록 유도하는 실행 가능한 결정을 내릴 수 있습니다.

분석에 도움이 필요하면 지원팀에 문의하세요.