Hvorfor LTV slår købeværdi
Budgetering efter øjeblikkelig købeværdi optimerer for den første transaktion. Budgetering efter forudsagt LTV optimerer for den samlede kundeverdi, som ofte har dårlig sammenhæng med førstegangs-købeværdi. Budgetering efter forudsagt LTV forbedrer typisk blandet tilbagebetalingstid med 20 til 40 procent i kategorier med gentagne køb.
Opbygning af en forudsagt LTV-model
De fleste teams starter med kohort-baserede erstatninger: første-købs produkt, første-købs kanal og rabatkode brugt ved erhvervelse. Selv simple erstatninger overgår rå købeværdi når kohortsignalet er stærkt.
Afsendelse af forudsagt LTV til platformen
Send forudsagt LTV som konverteringsværdi gennem Conversions API eller Enhanced Conversions for Leads. Platformene optimerer derefter mod højere forudsagte-LTV-kunder inden for dit budgetloft.
Almindelige faldgruber
Afsendelse af nul eller negative LTV-værdier for enhver kohort ødelægger budgetering. Brug af modelforudsigelser med lave konfidensintervaller introducerer støj, der faktisk forværrer ydeevnen. Start med konservative kohort-erstatninger før udrulning af fulde maskinlæringsmodeller.
Ofte stillede spørgsmål
Ikke for kohort-baserede tilgange. Fulde ML-modeller har gavn af datascience, men det er ikke påkrævet for at komme i gang.
De fleste konti ser retningspegede resultater inden for 30 til 60 dage, med stabile resultater på 90 dage.
Abonnementsbranchen, e-handel med gentagne køb og lead generation-virksomheder med efterfølgende kvalificering.
Ja. Brug en geografisk opdeling eller kampagneopdeling for at måle inkrementel effekt.
Ja. Brug Maksimér konverteringsværdi med valgfrit målsat ROAS og videregiv forbedrede konverteringsværdier.