Kaufvorhersage: Den Flowpredict-Wert richtig lesen

1. Lesen Sie den Wert als Signal für Interesse.

Beginnen Sie im Profil mit vier Angaben: Wert, Besuchsverlauf, Kauf und Erkennung des Kontakts. Unten hat der Besucher 71/100, zwei Besuche, sieben Seitenaufrufe und ein Produkt im Warenkorb, aber keinen erfassten Kauf. Das ist ein konkreter Grund, das Angebot und die letzte Etappe der Customer Journey zu prüfen. Der Wert allein erklärt nicht, ob Versand, Preis oder ein abgebrochener Besuch das Hindernis war.

Das Etikett „Anonym“ ist ebenso wichtig wie ein hoher Wert. Es erlaubt die Analyse des Verhaltens, liefert aber keinen Empfänger für einen Tag im Marketingtool. Eine Kontaktaktion erfordert Erkennung, Verknüpfung mit dem Kontakt in der Integration und die passende Einwilligung. Lesen Sie den Wert allein nicht als Berechtigung zur Kommunikation.

2. Prüfen Sie die Kaufabsicht auch vor dem Warenkorb.

Das Profil 40/100 hat fünf Besuche und 23 Seitenaufrufe, aber weder Warenkorb noch Kauf. Das Modell kann Interesse bewerten, bevor ein Produkt hinzugefügt wird. Bei der Bedingung „Wert mindestens 70“ kommt dieses Profil jedoch nicht weiter. Wiederholte Besuche garantieren keinen höheren Wert; die nächste Neuberechnung berücksichtigt die verfügbaren Signale, nicht bloß den steigenden Zähler der Seitenaufrufe.

Es handelt sich um einen anderen Besucher, nicht um eine frühere Etappe des Profils 71. Mehr Besuche bei einem niedrigeren Wert sind für sich genommen kein Widerspruch: Das Modell berücksichtigt viele Verhaltensmerkmale. Das Radar hilft, ihren geschätzten Anteil zu lesen, beweist aber nicht, dass eine künstliche Steigerung eines Merkmals einen Kauf auslöst.

Die Schwelle 70 ist eine gewählte Handlungsregel, kein Versprechen, dass sieben von zehn Personen kaufen. Sie legen sie getrennt von den Segmentschwellen des ML-Berichts fest. Notieren Sie, welchen Gruppenumfang und welche Fehlerkosten Sie akzeptieren; ändern Sie die Schwelle nicht nur, damit ein bestimmtes Profil in die Kampagne gelangt.

3. Prüfen Sie, was die Treffsicherheit des Modells wirklich bedeutet.

Genauigkeit (accuracy) ist der Anteil korrekter Bewertungen des Modells. Sie hängt auch vom Verhältnis zwischen Käufern und Nichtkäufern ab. Bei 1.000 Beobachtungen und 20 Käufen hätte die Regel „Niemand kauft“ eine Genauigkeit von 98 %, obwohl sie keinen einzigen Käufer erkennt. Das ist ein Rechenbeispiel, kein Ergebnis von Flowpredict.

Unterscheiden Sie den Wert einer Person von den Kennzahlen des gesamten Modells. In neuen Profilen steht neben dem Wert 40, 71 oder 95 eine Genauigkeit von 94,4 % mit einer Beschreibung des Tests: ein Käufer auf höchstens vier Nichtkäufer, kein realer Traffic. Das ist weder die Wirksamkeit einer künftigen Kampagne noch der Anteil der Personen mit dem Wert 71, die kaufen werden. Für die Bewertung brauchen Sie außerdem Fallzahl, Zeitraum und Fehlerart.

4. Halten Sie den Wert vor der Aktion fest und prüfen Sie das Ergebnis später.

Beginnen Sie Ihre eigene Bewertung mit einer Notiz vor der Aktion: Datum, Wert, erreichte Etappe, gewählte Bedingung und Zahl der beobachteten Fälle. Legen Sie das Zeitfenster fest, in dem Sie einen späteren Kauf prüfen. Rekonstruieren Sie die Bewertung nicht anhand des Profils nach dem Kauf – Sie würden Informationen nutzen, die vorher nicht vorlagen.

Bewerten Sie eine Stichprobe aus einem späteren Zeitraum als die Daten, mit denen die Regel erstellt wurde. Behalten Sie dieselben Definitionen und dasselbe Beobachtungsfenster bei. Ändern Sie gleichzeitig Schwelle, Rabatt und Nachrichtentext, können Sie nicht feststellen, was das Ergebnis beeinflusst hat. Prüfen Sie bei einer neuen Aktion oder geändertem Sortiment erneut, ob die Schwelle noch nützlich ist.

5. Übersetzen Sie Kaufabsicht in Bedingungen und einen Kontakt-Tag.

Das erkannte Profil unten hat 95/100, sechs Besuche, 40 Seitenaufrufe und Aktivität im Warenkorb und im Bestellformular, aber weiterhin null Käufe. Sie können prüfen, ob es die Regel für hohe Kaufabsicht erfüllt. Die Markierung „Erkannt“ bestätigt noch weder die Einwilligung noch die Verbindung zur gewählten Plattform – prüfen Sie beides vor der Aktion.

Für ein wertbasiertes Szenario legen Sie einen ML-Auslöser von mindestens 70 fest, ergänzen eine Kaufprüfung für die letzten 24 Stunden und leiten den Zweig „NEIN“ zum Tag wysoka_intencja in GetResponse. Die optionalen +25 Punkte ändern die Kontaktpunktzahl in GetResponse, nicht den Flowpredict-Wert. Der Tag erlaubt es, eine Empfängergruppe auszuwählen; Nachricht, Ausschlüsse und Kommunikationslimits konfigurieren Sie in der Zielplattform.

In der Variante vor dem Warenkorb beginnen Sie zum Beispiel mit dem Aufruf einer Adresse, die /kolekcja/ enthält. Prüfen Sie den Flowpredict-Wert. Einen fehlenden erfassten Warenkorb prüfen Sie mit der Bedingung für Produktinteresse: beliebiges Produkt, Hinzufügen zum Warenkorb, mindestens einmal, gewählter Zeitraum – Zweig „NEIN“. Prüfen Sie das Ausbleiben eines Kaufs separat. Um auf einen späteren Anstieg des Werts zu reagieren, wählen Sie einen regelmäßig geprüften ML-Auslöser; ein einzelner Aufruf der Liste wartet nicht auf ein künftiges Überschreiten der Schwelle.

6. Trennen Sie die treffende Gruppenauswahl von der Wirkung der Nachricht.

Prüfen Sie zuerst, ob der gewählte Wert das Interesse sinnvoll ordnet: wie viele Fälle in die Gruppe kamen, wie viele später kauften und wie viele Käufer außerhalb blieben. Verwenden Sie ein festgelegtes Zeitfenster und dieselbe Kaufdefinition. Vergleichen Sie nicht nur Prozentwerte aus Gruppen sehr unterschiedlicher Größe.

Bewerten Sie die Wirkung der Kommunikation separat. Personen kurz vor dem Kauf wären vielleicht auch ohne Nachricht zurückgekommen, daher ist ein Kauf nach dem Taggen kein Beweis für zurückgewonnenen Umsatz. Wenn Sie die Wirkung bewerten, planen Sie eine vergleichbare Kontrollgruppe und die Kosten der Maßnahme ein. Hilft ein hoher Wert nicht mehr, prüfen Sie neue Ereignisse, Traffic-Quellen und Beispiele von Customer Journeys, bevor Sie die Schwelle ändern.

7. Räumen Sie nach dem Kauf frühere Markierungen auf.

Ein weiteres, unabhängiges Profil zeigt drei Besuche, 22 Seitenaufrufe und eine Bestellung über 669 PLN. Das Dashboard zeigt „Kauf abgeschlossen“ und keine aktuelle Bewertung der Kaufabsicht. Das ist eine Information über die erreichte Etappe, kein Beweis, dass frühere Tags und Nachrichten automatisch abgeschaltet wurden.

Bereiten Sie ein eigenes Szenario vor: erfasster Kauf → den vor dem Kauf verwendeten Tag entfernen. Wählen Sie in GetResponse den vorhandenen Tag, den die frühere Automatisierung tatsächlich vergeben hat. Prüfen Sie die Ausführung der Aktion und die Segmentregeln in der Plattform. Ein sinkender Wert entfernt keinen Tag, und das Entfernen eines Tags garantiert nicht, dass eine bereits zum Versand vorgesehene Nachricht zurückgenommen wird.