Hoe bepalen we het beste kanaal per klant?

Voor elke klant in de Journey Builder kan Valtracs voorspellen via welk kanaal die klant het meest waarschijnlijk converteert -- gebaseerd op zijn eigen attributiegeschiedenis, afgewogen tegen het gedrag van je hele klantenbestand.

De methode

Dit gebeurt via een statistische techniek genaamd Beta-Binomiale empirical-Bayes shrinkage -- hetzelfde type techniek achter het bekende "battinggemiddelde"-voorbeeld uit de statistiek: een speler met maar een paar keer aan slag geweest, wordt beoordeeld dicht bij het teamgemiddelde; een speler met een lang, consistent trackrecord wordt beoordeeld op zijn eigen cijfers.

Toegepast op kanalen: per kanaal wordt eerst een tenant-breed gemiddelde (hoeveel procent van alle bestellingen via dit kanaal binnenkomt) omgezet in een statistische prior. Vervolgens krijgt elke klant zijn eigen, persoonlijke schatting, waarbij:

• een klant met weinig geschiedenis dicht bij het tenant-gemiddelde blijft (te weinig eigen data om iets anders te durven zeggen),
• een klant met een lange, consistente geschiedenis in een bepaald kanaal steeds dichter naar zijn eigen waargenomen gedrag beweegt.

Dit gebeurt per kanaal onafhankelijk (niet als één verdeling die per klant tot 100% moet optellen) -- voldoende voor het doel: kanalen tegen elkaar afwegen, niet een exacte kansverdeling opstellen. De uiteindelijke keuze houdt bovendien rekening met de werkelijke kosten per kanaal (e-mail is goedkoper dan een advertentieklik) -- dat deel gebeurt in Valtracs zelf, niet in het statistische model.

Wanneer dit niet werkt

Net als bij de aankoopvoorspelling is er een minimum aan klanten én aan totaal geattribueerde bestellingen nodig voordat het tenant-brede gemiddelde zelf al stabiel genoeg is om als uitgangspunt te dienen.