Repeat Transaction Frequency and Cu

Repeat Transaction Frequency and Customer Lifetime Value
Most e-commerce technology is able to save transaction history in real-time and create customer database
that valuable to be analyzed for creating CRM and marketing strategy. In database marketing and direct
marketing, it is common to use RFM (recency, frequency, monetary) to analyze customer value [30].
Among RFM variables, recency is considered as the most powerful predictor for future customer behavior
[31]. Past study also shows that customers’ response rate vary the most by their recency, followed by their
frequency and monetary value [32]. Lower recency drives to lower switch probability by the customers
[33]. When the customer switch is low, it means customer retention measured by number of transaction
frequency will be high. Relationship duration has direct effect to customer profitability [34].

ผลลัพธ์ (ไทย) 1:

ธุรกรรมซ้ำความถี่และค่าอายุการใช้งานของลูกค้าเทคโนโลยีอีคอมเมิร์ซส่วนใหญ่จะสามารถบันทึกประวัติธุรกรรมในแบบเรียลไทม์ และสร้างฐานข้อมูลลูกค้ามีคุณค่าที่จะวิเคราะห์การสร้าง CRM และกลยุทธ์การตลาด ในฐานข้อมูลโดยตรง และการตลาดการตลาด ได้ใช้ RFM (เดิม ความถี่ เงิน) เพื่อวิเคราะห์ค่าลูกค้า [30]ระหว่างตัวแปร RFM เดิมถือเป็น predictor ประสิทธิภาพลักษณะการทำงานของลูกค้าในอนาคต[31] ศึกษาผ่านมายังแสดงอัตราการตอบสนองของลูกค้าที่แตกต่างกันมากที่สุดตามเดิมของพวกเขา ตามด้วยการความถี่และค่าเงิน [32] เดิมต่ำไดรฟ์จะลดความน่าเป็นสวิตช์ของลูกค้า[33] . เมื่อสวิตช์ลูกค้าต่ำ หมายถึง เก็บข้อมูลลูกค้าโดยวัดจากจำนวนของธุรกรรมความถี่จะสูง ระยะเวลาความสัมพันธ์ที่มีผลโดยตรงให้ลูกค้ากำไร [34]

ผลลัพธ์ (ไทย) 2:

ความถี่ในการทำธุรกรรมของลูกค้าซ้ำและราคาตลอดอายุการใช้
เทคโนโลยี E-commerce ที่สุดคือสามารถที่จะบันทึกประวัติการทำธุรกรรมในเวลาจริงและสร้างฐานข้อมูลลูกค้า
ที่มีคุณค่าที่จะวิเคราะห์สำหรับการสร้าง CRM และกลยุทธ์การตลาด ในด้านการตลาดฐานข้อมูลโดยตรงและ
การตลาดมันเป็นเรื่องธรรมดาที่จะใช้ RFM (ความใหม่ความถี่เงิน) ในการวิเคราะห์มูลค่าของลูกค้า [30].
ระหว่างตัวแปร RFM ความใหม่ถือเป็นปัจจัยบ่งชี้ที่มีประสิทธิภาพที่สุดสำหรับพฤติกรรมของลูกค้าในอนาคต
[31] การศึกษาที่ผ่านมานอกจากนี้ยังแสดงให้เห็นว่าอัตราการตอบสนองของลูกค้าที่แตกต่างกันมากที่สุดตามความใหม่ของพวกเขาพวกเขาตาม
ความถี่และค่าเงิน [32] ไดรฟ์ที่ต่ำกว่าความใหม่ให้กับสวิทช์น่าจะลดลงด้วยลูกค้า
[33] เมื่อสวิตช์ลูกค้าอยู่ในระดับต่ำจะหมายถึงการเก็บข้อมูลของลูกค้าวัดจากจำนวนของการทำธุรกรรม
ความถี่จะสูง ระยะเวลาความสัมพันธ์มีผลกระทบโดยตรงกับผลกำไรของลูกค้า [34]

ผลลัพธ์ (ไทย) 3:

ความถี่และค่าชีวิตของลูกค้าซ้ำรายการมากที่สุดอีคอมเมิร์ซเทคโนโลยีสามารถบันทึกประวัติธุรกรรมในแบบเรียลไทม์ และสร้างฐานข้อมูลของลูกค้าที่มีคุณค่า มาวิเคราะห์ เพื่อสร้าง CRM และกลยุทธ์การตลาด ในตลาดและฐานข้อมูลโดยตรงการตลาด , มันเป็นเรื่องปกติที่จะใช้ rfm ( ความใหม่ , ความถี่ , การเงิน ) เพื่อวิเคราะห์ลูกค้าค่า [ 30 ]ระหว่างตัวแปร rfm ความใหม่ , ถือเป็นตัวแปรทำนายที่มีประสิทธิภาพที่สุดสำหรับพฤติกรรมของลูกค้าในอนาคต[ 31 ] การศึกษาที่ผ่านมายังพบว่าอัตราการตอบสนองของลูกค้าที่แตกต่างกันมากที่สุดของความใหม่ของพวกเขา ตามด้วยความถี่และค่า 32 [ การเงิน ] ลดลดความน่าจะเป็นความใหม่ไดรฟ์สลับ โดยลูกค้า[ 33 ] เมื่อเปลี่ยนลูกค้าต่ำ หมายถึง การรักษาลูกค้า โดยวัดจากจำนวนธุรกรรมความถี่จะสูง ระยะเวลาความสัมพันธ์ส่งผลโดยตรงต่อลูกค้าเพื่อผลกำไร [ 34 ]