Anticipar compras para personalizar el marketing
Generado por Klaviyo AI
El análisis predictivo utiliza datos históricos, IA y aprendizaje automático para estimar el comportamiento futuro de los clientes, sin garantizar resultados. La página explica cómo aplicar las métricas de Klaviyo a la segmentación, la personalización y la retención, y qué datos se necesitan para obtener predicciones más precisas.
- Compras futuras: La fecha prevista del próximo pedido y el número previsto de pedidos permiten adaptar los mensajes a los ciclos de compra de cada cliente.
- Valor y retención: El valor de vida del cliente y el riesgo de abandono ayudan a segmentar audiencias y personalizar ofertas y comunicaciones.
- Recomendaciones de productos: La mejor fecha de venta cruzada y el siguiente mejor producto están disponibles con Klaviyo Marketing Analytics y Advanced Klaviyo Data Platform.
- Datos necesarios: Klaviyo requiere al menos 500 clientes con pedidos, 180 días de historial, pedidos en los últimos 30 días y algunos clientes con tres pedidos o más.
¿Alguna vez has deseado tener a mano una bola de cristal o una baraja de tarot, lista para guiar tus esfuerzos de marketing?
Según una nueva investigación, el 74 % de los consumidores esperan experiencias personalizadas por parte de las marcas B2C. Un vistazo al futuro (quizás incluso un psíquico interno) sin duda sería de ayuda.
No necesitas tener a una persona vidente en plantilla para darle una ventaja a tu empresa. En su lugar, el análisis predictivo está ahí para ayudar a comprender las acciones futuras de los clientes y permitir experiencias de compra online más relevantes.
Con la tecnología de los datos de tus clientes (e impulsados por la inteligencia artificial (IA)), estos detalles clave orientados al futuro te permiten anticiparte a las necesidades de cada cliente, hasta el nivel de perfil.
Y, al aplicar esos detalles clave a tus esfuerzos de marketing, puedes llevar tu estrategia al siguiente nivel: mejorar el compromiso, reducir el abandono y aumentar la fidelidad de los clientes.
¿Qué es el análisis predictivo y cómo funciona?
El análisis predictivo, uno de los 4 tipos principales de Data + Analytics, ayuda a las empresas a identificar patrones en sus datos para impulsar un crecimiento orientado al futuro.
Mientras que el análisis de diagnóstico mira hacia atrás e identifica la causa de las tendencias de los datos, el análisis predictivo usa la IA y el aprendizaje automático para mirar hacia delante (viendo cómo es probable que las tendencias, los patrones y las relaciones en los datos de hoy se desarrollen en el futuro).
El análisis predictivo no es exactamente una bola de cristal: las predicciones que ofrece, basadas en los datos que ya tienes, no están garantizadas. Pero, al usar un histórico de datos para determinar posibles escenarios futuros, impulsa una toma de decisiones más orientada al futuro.
Y las herramientas de análisis predictivo que incorporan detalles clave de IA pueden profundizar más, lo que permite predicciones aún más complejas y escenarios futuros.
Piensa, haz realidad y optimiza automáticamente lo que quieras con herramientas de IA de alto potencial que están integradas en Klaviyo.
Más información3 ventajas clave del análisis predictivo
Como profesional del marketing, tu objetivo es generar ingresos para hacer crecer y escalar tu negocio. Todas las empresas, independientemente del sector, tienen esto en común. Los detalles clave basados en IA pueden ayudarte a avanzar en cada una de tus prioridades empresariales clave para, en última instancia, impulsar el crecimiento. Aquí te explicamos cómo hacerlo:
Perfecciona la estrategia de descuentos y promociones y haz que los descuentos generales sean cosa del pasado. Con el análisis predictivo, puedes adaptar los descuentos e incentivos de forma más inteligente basándote no solo en la experiencia pasada de un cliente, sino también en su comportamiento futuro previsto.
Anticípate al abandono prediciendo si es probable que un cliente vuelva a comprar, cuándo lo hará y cuánto es probable que gaste. Con herramientas que te ayudan a intervenir de forma proactiva antes de que los clientes se den de baja, puedes reducir el abandono [EN] y aumentar el número de clientes que repiten.
Ya sabes qué clientes te adoran. Pero la IA puede ayudarte a identificar quiénes es probable que te adoren en el futuro para que puedas centrarte en fidelizarlos y convertirlos en clientes leales a la marca. Dirígete a clientes con un valor de vida del cliente (CLV) previsto alto con programas de fidelización, recompensas, recomendaciones y solicitudes de prueba social.
Casos de uso del análisis predictivo para B2C: convertir los detalles clave en acción
El análisis predictivo te ofrece una variedad de nuevas métricas de automatización de marketing para ayudar a evaluar la salud de tus clientes y de tu negocio. Pero antes de que puedas aprovechar las ventajas, debes comprender lo que pueden decirte estos detalles clave. Aquí desglosamos casos de uso para aprovechar cada métrica en tu propia estrategia de retención [EN].
Tiempo medio entre pedidos
Esto se refiere al tiempo medio que transcurre entre pedidos de un cliente determinado. Estos son algunos casos de uso de esta métrica:
- Exporta estos datos de tus segmentos clave para poder comparar el tiempo medio entre pedidos de grupos específicos de tu base de clientes.
- Crea segmentos para agrupar a los clientes con ciclos de compra similares. Después, dirige ofertas a los clientes que no compran con frecuencia para incentivarles a comprar más a menudo.
Valor medio del pedido
Se refiere a la cantidad media de dinero que un cliente determinado gasta cada vez que realiza un pedido. Estos son algunos casos de uso de esta métrica:
- Exporta estos datos de tus segmentos clave para poder comparar el valor medio del pedido de los pedidos realizados por tus clientes VIP con el valor medio del pedido de otros segmentos.
- Segmenta a tus clientes en función del valor medio del pedido y, a continuación, crea iniciativas específicas orientadas a aumentar el valor medio del pedido de los clientes que no gastan mucho.
- Ramifica los flujos en función del valor medio del pedido y anima a los clientes que normalmente no hacen pedidos grandes a añadir más artículos al carrito.
Número previsto de pedidos
Klaviyo muestra el número histórico de pedidos de un cliente determinado, así como una predicción de cuántos pedidos más es probable que ese cliente haga en los próximos 12 meses. Debido a la naturaleza de este cálculo, el número previsto de pedidos en un perfil puede no ser un número entero.
Estos son algunos casos de uso de esta métrica:
- Crea tu propio marco de fidelización en Klaviyo en función de cuántos pedidos ha realizado un cliente. Puedes hacerlo creando diversos segmentos que agrupen a los clientes en función de su número histórico de pedidos.
- Crea segmentos en función de cuántos pedidos más es probable que realicen los clientes para anticipar quién es probable que vuelva a comprar y quién es poco probable que vuelva a comprar. Activa flujos en función de estos segmentos o vuelve a segmentar a los clientes que es probable que vuelvan a comprar con Facebook Ads o Google Ads.
Las pruebas A/B impulsadas por IA no solo ayudan a dirigir la audiencia al contenido con mejor rendimiento, sino que también calculan la significación estadística de los resultados de las pruebas y proporcionan estimaciones del porcentaje de éxito.
Más informaciónFecha prevista del próximo pedido
Esta propiedad basada en fechas predice la fecha prevista en la que un cliente probablemente volverá a comprar. En Klaviyo, esta es la fecha prevista sin intervención, pero los profesionales del marketing sí tienen la capacidad de influir en ella.
Este es nuestro caso de uso favorito para esta métrica, descrito por Anna Khomenko, mánager de producto en Klaviyo.
“La fecha prevista del siguiente pedido debe utilizarse para la personalización y junto con otras propiedades. ¿Por qué? Veamos un escenario con tres clientes diferentes.
- Cliente A ha comprado algo de tu marca todos los meses durante los últimos 2 años. Si vuelven a comprar en marzo, la fecha prevista del próximo pedido será en abril.
- Cliente B ha comprado algo de tu marca una vez cada 6 meses durante los últimos 4 años. Si vuelve a comprar en marzo, la fecha prevista de su próximo pedido será en agosto.
- Cliente C solo ha comprado una vez a tu marca (y fue hace 5 meses, en septiembre). La fecha prevista de su próximo pedido era noviembre (porque, por lo general, los clientes de este negocio realizan su 2.º pedido en un plazo de 60 días).
Estos son escenarios muy diferentes, y necesitan contenido distinto para ayudar a que cada uno de esos clientes se acerque más a su próxima compra.
- Para el cliente A, es posible que no tengas que enviar nada antes de la fecha prevista de su próximo pedido debido a la constancia con la que compra. En su lugar, podrías dirigirlo a tu programa de fidelización.
- Para el cliente B, no es necesario esperar hasta la fecha prevista de su próximo pedido para intentar convertirlo de nuevo antes. Puedes enviarle a este cliente algunas campañas con mensajes probados con A/B para ver qué podría hacer que convierta antes.
- Para el cliente C, la fecha prevista del próximo pedido ya pasó, y este cliente no compró nada. No pasa nada. Aun así puedes identificarlo y enviarle contenido de campaña o contenido de newsletter para fortalecer la relación con tu marca. O quizá tuvo algún problema con su último pedido. ¿El equipo de servicio lo gestionó correctamente? ¿Hay una manera de solucionarlo para el cliente?»
Descúbrelo en acción: Cuando la marca de cuidado personal masculino Every Man Jack ajustó su flujo de reposición para enviar en o justo antes de la fecha prevista del próximo pedido de cada cliente, fue parte de una estrategia de marketing más amplia impulsada por la IA que ayudó a aumentar los ingresos de los flujos un 25 % interanual [EN].
«Confío en Klaviyo AI y valoro su utilidad porque me ahorra tiempo, me ayuda a aprovechar los datos de nuestros clientes para personalizar los momentos de envío y las estrategias de email y, lo más importante, me permite mantener el control total sobre cómo y cuándo se utiliza», afirma Troy Petrunoff, Mánager sénior de marketing de retención de Every Man Jack.
Valor de vida del cliente
Dentro de un perfil en Klaviyo, puedes ver un desglose de las siguientes métricas:
- Valor de vida del cliente histórico: el valor de lo que un cliente ha gastado a lo largo de su vida
- Valor de vida del cliente previsto: cuánto predice Klaviyo que gastarán durante los próximos 365 días
- Valor de vida del cliente total: la suma del valor de vida del cliente histórico y previsto
Estos son algunos casos de uso de esta métrica:
- Exporta estos datos para los segmentos clave para poder comparar el valor de vida del cliente de los pedidos realizados por los clientes VIP/mejores clientes con el valor de vida del cliente de otros segmentos.
- Crea segmentos en función del valor de vida del cliente y luego usa estos segmentos para encontrar nuevos clientes mediante audiencia similar en Facebook Ads o audiencias similares en Google Ads.
- Haz retargeting a clientes con un valor de vida del cliente previsto alto a través de Facebook Ads o Google Ads.
- Ramifica flujos según el valor de vida del cliente previsto para ofrecer ofertas e incentivos personalizados.
Verlo en acción: The Willow Tree Boutique usa esta métrica junto con la métrica de valor medio del pedido para enviar campañas en las que destaca prendas más caras a los segmentos con poder adquisitivo demostrado (clientes con un valor de vida del cliente previsto superior a 500 $, o un valor medio del pedido superior a 150 $). En sus primeros 6 meses usando el análisis predictivo de Klaviyo como este, aumentaron los ingresos de las campañas un 53,1 % HoH [EN].
«Desde que empezamos a usar el análisis predictivo de Klaviyo, casi nunca envío una campaña sin él», afirma Jade Richardson, estratega de email en la agencia de marketing digital de Willow Tree Agital.
Predicción del riesgo de abandono
Este cálculo porcentual muestra la probabilidad de que un perfil realice otra compra o no. La mayoría de los clientes de la mayoría de los sectores compran una o dos veces, por lo que es probable que la mayoría de los clientes tengan una predicción de riesgo de abandono superior al 50 %. Un porcentaje de riesgo de abandono más bajo indica una mayor probabilidad de que un cliente vuelva a comprar.
Este es un posible caso de uso de esta métrica:
- Exporta estos datos de los segmentos clave para poder comparar la predicción media del riesgo de abandono entre grupos. Por ejemplo, puede ser útil saber cuál es la predicción media del riesgo de abandono para los clientes VIP frente a la predicción media del riesgo de abandono de toda la base de clientes.
- Utiliza el riesgo de abandono junto con la fecha prevista del próximo pedido para comprender mejor qué tipo de marketing podría resonar más con un cliente y personalizar el contenido; por ejemplo, si deberías dirigir una campaña de recuperación a alguien o si alguien es un cliente fiel que respondería mejor a una comunicación habitual.
Mejor fecha de venta cruzada
Se refiere al mejor momento para hacer una venta cruzada a un cliente, en función de los comportamientos de compra de perfiles similares. Estos son algunos posibles casos de uso de esta métrica:
- Activa un flujo en función de la mejor fecha de venta cruzada de una persona para ver si puedes fomentar su próxima compra más rápido.
- Crea ramas en los flujos en función de la mejor fecha de venta cruzada para evitar ofrecer incentivos monetarios innecesarios a quienes ya es probable que compren.
- Crea formularios en el sitio que se dirijan a los visitantes del sitio cuya mejor fecha de venta cruzada está próxima, y preséntales una oferta diseñada para aumentar el valor medio del pedido (AOV) (es decir, una oferta de lote o una oferta de compra dos y llévate uno gratis).
- Personaliza emails, textos o notificaciones push con contenido dinámico en función de la mejor fecha para la venta cruzada de una persona.
Siguiente mejor producto
Esta métrica predice el siguiente mejor producto para un cliente, en función de su compra más reciente. A medida que un cliente sigue realizando pedidos, esta propiedad se actualiza automáticamente en consecuencia.
Este es un posible caso de uso de esta métrica:
- Personaliza emails, mensajes de texto o notificaciones push con contenido dinámico en función del siguiente mejor producto de cada persona.
- Aprovecha la sincronización de audiencias de Klaviyo para mostrar anuncios de retargeting en plataformas de redes sociales del siguiente mejor producto.
Nota importante: en Klaviyo, todos los detalles clave predictivos se basan en una ventana de predicción a 365 días. Si usas Klaviyo Marketing Analytics [EN] además de Klaviyo Marketing, tienes la posibilidad de personalizar la ventana de cálculo del valor de vida del cliente para que sea más corta o más larga en función de las necesidades de tu negocio. Mejor fecha para la venta cruzada y Siguiente mejor producto también son exclusivos de los clientes de Klaviyo Marketing Analytics y Advanced Klaviyo Data Platform.
Cómo evitar el análisis predictivo sesgado
Para poder detectar patrones y tendencias con precisión, el análisis predictivo necesita una cantidad saludable de datos con los que trabajar. Por eso, para ver la sección de análisis predictivo en tus perfiles de Klaviyo, necesitarás suficientes datos que la respalden, incluido:
- Tener al menos 500 clientes que hayan hecho un pedido con tu empresa
- Al menos 180 días de historial de pedidos, con pedidos en los últimos 30 días
- Tener al menos algunos clientes que hayan hecho 3 o más pedidos
Con este repositorio fiable de datos del que extraer información, el análisis predictivo de Klaviyo puede hacer predicciones más precisas para el futuro. Cuanto más histórico de datos tengas del que extraer información, más precisos serán los patrones y las tendencias.
El mejor análisis predictivo se basa en una visión de 360 grados del comportamiento de cada cliente a lo largo de un periodo largo de tiempo. Si utilizas muchas soluciones puntuales y no consolidas los datos en una fuente central de información fiable, o no lo haces casi en tiempo real, el análisis predictivo estará sesgado por los datos a los que tenga acceso.
Por eso, Klaviyo se conecta con más de 350 herramientas y plataformas [EN] en los sectores de retail, restauración, hotelería y bienestar. Además, nunca eliminamos los datos de los clientes. Lo que recopilas es lo que almacenamos, a menos que nos pidas que lo eliminemos.
El mejor análisis predictivo utiliza datos históricos holísticos de los clientes. Eso es exactamente lo que ofrece Klaviyo.
Cómo Klaviyo te ayuda a predecir y personalizar con análisis
Klaviyo proporciona análisis predictivo desde el primer momento para que puedas identificar de inmediato patrones en los datos y obtener ideas para segmentación, flujo y campañas que fomenten esos patrones o los contrarresten en subconjuntos de clientes.
Pero con Klaviyo Marketing Analytics avanzado de Klaviyo, puedes personalizar las ventanas de predicción y acceder a nuevos análisis predictivos, como la mejor fecha para la venta cruzada y el siguiente mejor producto. Esto facilita entender y actuar en todo el recorrido del cliente, los patrones de compra de productos y el rendimiento del negocio, para que puedas implementar una segmentación, un merchandising, una personalización 1:1 y una optimización del marketing más inteligentes.
Aquí tienes un breve resumen de cómo el análisis incluido con Klaviyo se diferencia de nuestro Klaviyo Marketing Analytics más avanzado y dónde encaja el análisis predictivo dentro de esas ofertas (aviso de spoiler: lo obtienes desde el primer momento).
Ya incluido con Klaviyo Marketing | Desbloqueado con Klaviyo Marketing Analytics avanzado | |
Informes de rendimiento de marketing y segmentos | ✅ | ✅ |
Métricas de referencia del sector | ✅ | ✅ |
Atribución y métricas personalizables | ✅ | ✅ |
Análisis predictivo y valor de vida del cliente | ✅ | ✅ |
Personalización avanzada con análisis de RFM ajustable | ✅ | |
Patrones de compra y detalles clave de catálogo avanzados y con acciones asociadas | ✅ | |
Informes sobre el comportamiento de los clientes con análisis de embudos y cohortes | ✅ | |
Paneles de audiencia y conversión | ✅ |
¿Te gustaría crear mejores experiencias personalizadas para tus clientes?
Empezar ahora