Der Anteil wiederkehrender Kunden hängt von der gespeicherten Kaufhistorie ab

Für den Anteil wiederkehrender Kunden reicht ein Berichtsmonat allein nicht aus. Es braucht auch eine Regel dafür, wie weit die Auswertung zurückblickt. Bleibt der Monat gleich, während frühere Käufe aus dem Export verschwinden, ändern sich die Konten mit einem Kauf in diesem Monat nicht. Es ändert sich, was der Bericht über ihre Kaufhistorie erkennen kann.

Wir hielten diese monatliche Gruppe konstant und verglichen Exporte mit 90, 180 oder 365 Tagen vor Monatsbeginn. Jeder Export enthielt zusätzlich den gesamten Berichtsmonat. Ein Konto wurde als wiederkehrend erkannt, wenn es vor dem Monat einen berücksichtigten Kauf oder innerhalb des Monats mindestens zwei getrennte Kaufzeitpunkte gab. ^[2]

Dieser zweite Weg ist wichtig. Jemand kann den ersten beobachteten Kauf tätigen und später im selben Monat erneut kaufen. Entfernt man die ältere Historie, verschwindet dieser Wiederkauf innerhalb des Monats nicht. Unser Vergleich stuft also nicht einfach jedes Konto als neu ein, das auf einer kurzen Liste für den vorherigen Zeitraum fehlt.

Von Januar bis November 2011 verringerte die Nutzung von 90 statt 365 Tagen vor dem Monat den Anteil der als wiederkehrend erkannten Konten um 11,6 bis 25,9 Prozentpunkte. Der Median der monatlichen Differenzen betrug 19,3 Punkte. Die Tabelle zeigt alle elf Monate, einschließlich der kleineren Differenz im Januar.

Die Richtung ergibt sich aus der Berechnung: Zusätzliche frühere Käufe können weitere Wiederkäufe erkennbar machen, niemals weniger. Aussagekräftig sind die Größe der Veränderung in diesen Daten und ihr wiederholtes Auftreten in den festgelegten Monaten. Die Zahlen beschreiben eine historische Messentscheidung, keine Änderung des Kundenverhaltens.

Der Januar liefert ein konkretes Beispiel aus den tatsächlichen Daten. In diesem Monat gab es 735 Kundenkonten mit einem berücksichtigten Kauf. Mit 90 Tagen älterer Historie wurden 580 als wiederkehrend erkannt, also 78,9 % dieser Konten. Mit 365 Tagen waren es 665 oder 90,5 %. Die wiederhergestellten älteren Daten änderten 85 Zuordnungen, eine Differenz von 11,6 Prozentpunkten.

Betrachten wir nun die kleinere Gruppe, die sich ein Marketingteam anschließend ansehen könnte. Der Bericht mit der kürzeren Historie ließ 155 Konten ohne erkannten Wiederkauf übrig. Bei 85 davon gab es im 365-Tage-Vergleich einen früheren berücksichtigten Kauf. Das sind 54,8 % der Gruppe ohne Wiederkauf bei kurzer Historie, nicht 54,8 % aller Käufer im Januar.

Beide Prozentangaben beantworten eine sinnvolle Frage. Die Differenz von 11,6 Punkten beschreibt den gesamten Monatsbericht. Die 54,8 % zeigen, bei welchem Anteil der Gruppe ohne Wiederkaufzuordnung bereits ältere Käufe vorlagen. Werden die Bezugsgrößen verwechselt, kann dieselbe Veränderung viel größer oder kleiner erscheinen.

Diese Unterscheidung blieb über den Januar hinaus bestehen. In jedem der elf Monate hatte mehr als die Hälfte der Gruppe ohne erkannten Wiederkauf nach der 90-Tage-Regel einen früheren Kauf innerhalb von 365 Tagen. Die monatlichen Anteile lagen zwischen 51,3 % und 67,7 %. Diese berücksichtigten Käufe lagen außerhalb der kurzen Historie, waren aber bereits in den Daten des Händlers vorhanden.

Für ein Kampagnenbriefing stellt sich deshalb zuerst die Frage, was „neu“ aussagen soll. Eine Willkommensnachricht zum ersten Auftrag setzt mehr voraus als „in diesem Export wurde kein Wiederkauf gefunden“. Die Analyse sagt nicht, welche Nachricht besser funktionieren würde. Sie zeigt, warum die Zielgruppenbeschreibung vor dieser kreativen Entscheidung geklärt werden sollte.

Mit 180 Tagen vor dem Monat rückte der Bericht näher an den 365-Tage-Vergleich. Die verbleibende monatliche Differenz lag zwischen 3,9 und 11,7 Prozentpunkten, der Median bei 7,9. Von den Konten, bei denen die 180-Tage-Regel weiterhin keinen Wiederkauf erkennen ließ, hatten 22,9 % bis 52,3 % nach der 365-Tage-Regel einen früheren Kauf.

Wir prüften auch, ob das Ergebnis von der Definition eines Kaufereignisses abhing. Eine Variante berücksichtigte sämtliche positiven Vorgänge auf Rechnungen mit numerischer Kennung, auch Positionen außerhalb der ausgewählten Produktcodes. Eine andere zählte getrennte Kauftage. Zwei Käufe am selben Tag konnten dadurch keinen Wiederkauf innerhalb des Monats erzeugen. Die Unterschiede zwischen den Historien blieben bei beiden Definitionen bestehen. ^[4]

Weder 180 noch 365 Tage erweisen sich als die richtige Einstellung für jedes Unternehmen. Selbst die Erweiterung von 365 Tagen auf alle verfügbaren älteren Daten veränderte den monatlichen Anteil der Hauptauswertung noch um 0,5 bis 4,1 Punkte. Das Archiv begann im Dezember 2009. Auch sein längster Rückblick konnte daher nicht die gesamte Kaufhistorie eines Kontos erfassen.

Zudem wuchs die verfügbare Historie jenseits eines Jahres im Verlauf von 2011. Wegen dieser wechselnden Beobachtungsmöglichkeit lassen sich die Unterschiede späterer Monate nicht als saisonaler Effekt deuten. Praktisch geht es um den Vergleich klar benannter Zeiträume, nicht um einen vermeintlich unvollständigen Bericht gegenüber perfektem Kundenwissen.

Eine kürzere Historie kann beabsichtigt sein. Ein Team möchte vielleicht Konten mit einem kürzlichen Kauf von solchen unterscheiden, deren letzter sichtbarer Kauf länger zurückliegt. Ein Segment mit Käufen in den letzten 90 Tagen kann diesem Zweck dienen. Irreführend wird es erst, wenn die Beschreibung etwas anderes verspricht, etwa den allerersten Kauf beim Unternehmen.

Beginne mit der Entscheidung, die der Bericht unterstützen soll. Eine monatliche Verkaufsübersicht kann eine stabile Definition wiederkehrender Konten brauchen, damit Veränderungen im Zeitverlauf interpretierbar bleiben. Ein Reaktivierungsbriefing kann bewusst auf einen bestimmten Abstand seit einem Kauf zielen. Eine Willkommensnachricht kann einen Beleg für den ersten Kauf erfordern. Diese Aufgaben sollten nicht dieselbe ungenaue Kategorie „neu oder wiederkehrend“ übernehmen.

Frage die verantwortliche Person nach dem ältesten gespeicherten Kaufdatum, dem Berichtsabschluss und der genauen Wiederkaufregel. Wenn eine Agentur oder ein Creator eine Zielgruppenbeschreibung erhält, gehören diese Angaben in verständlicher Sprache dazu. „Kein Wiederkauf in den gespeicherten 90 Tagen vor dem Monat oder im Monat selbst erkannt“ ist umständlicher als „Neukunden“, verspricht aber kein Wissen, das der Export nicht enthält.

Vergleiche dieselben monatlichen Konten. Würdest du eine Kundendatei für drei Monate durch eine Datei für ein Jahr ersetzen, änderten sich sowohl die Historie als auch die Bezugsgröße der Zielgruppe. Unsere Auswertung stellte frühere Daten für dieselben Konten wieder her, die im Berichtsmonat kauften. Sie verglich keine zwei unterschiedlich großen Kundenlisten.

Unterscheide schließlich eine Datenänderung von einer Leistungsänderung. Stellt ein neuer Export ältere Bestellungen wieder her, kann der ausgewiesene Anteil wiederkehrender Konten steigen, ohne dass eine Kampagne einen Kauf beeinflusst hat. Vermerke diese Definitionsänderung, bevor du die Bewegung einer Werbeaktion zuschreibst. Die Studie misst diesen Berichtsmechanismus, nicht die Wirksamkeit einer Nachricht oder eines Kanals.

Eine kurze Übergabe kann die Unterscheidung nutzbar machen, ohne aus der Kampagnenbesprechung eine Datenbankprüfung zu machen. Bitte die Person, die den Bestellexport betreut, die folgenden Felder auszufüllen. Sie beschreiben die Datengrundlage des Berichts. Nachrichtentests und die Erlaubnis zur Kontaktaufnahme bleiben getrennte Entscheidungen.

Zweck: [monatlicher Leistungsbericht, Willkommensnachricht oder Reaktivierungsbriefing]. Benenne die Entscheidung, die die Kategorie unterstützen soll. Geht es um kürzliche Käufe, gib den Zeitraum ausdrücklich an.

Berichtsmonat und Zielgruppe: [Anfangsdatum], [Enddatum], [Konten mit einem berücksichtigten Kauf in diesem Monat]. Halte diese Kontenliste beim Vergleich der Historien konstant. Vermerke, ob ein Konto ein Unternehmen statt einer einzelnen Person vertreten kann.

Verfügbare Historie: [ältestes gespeichertes Datum], [Tage vor Monatsbeginn], [ist der gesamte Berichtsmonat enthalten?]. Dokumentiere eine Exportgrenze als Grenze, statt die erste sichtbare Bestellung als erste Bestellung überhaupt zu beschreiben.

Kaufregel: [welche Transaktionen zählen], [Umgang mit gleichen Zeitstempeln und Bestellungen am selben Tag], [Umgang mit fehlenden Kennungen, widersprüchlichen Rechnungen und Stornierungen]. Frage nach der tatsächlich verwendeten Berichtsregel, nicht nach einer angenommenen Definition.

Vergleich: [wiederkehrende Konten je Historie], [unveränderte monatliche Kontenzahl], [Konten mit unterschiedlicher Zuordnung]. Ergänze den Anteil der Gruppe ohne erkannten Wiederkauf bei kurzer Historie, für den ältere Käufe vorliegen. Diese Bezugsgröße hilft dem Team, die konkrete Zielgruppe zu verstehen, die es beschreiben wird.

Entscheidung und nächster Schritt: [Definition kürzlich aktiver Käufer beibehalten, verfügbare Historie wiederherstellen oder Kategorie umbenennen], [verantwortliche Person], [nächster Berichtstermin]. Verwende die gewählte Regel in späteren Berichten weiter und vermerke Änderungen an Quelle oder Definition.

Im Januar-Beispiel würde das Vergleichsfeld lauten: „580 gegenüber 665 als wiederkehrend erkannte Konten von insgesamt 735; 85 Zuordnungen änderten sich.“ Die Zielgruppennotiz würde ergänzen: „Bei 85 der 155 Konten ohne Wiederkauf nach der kürzeren Regel lagen ältere Käufe vor.“ Keine der Aussagen bezeichnet diese Konten als Erstkäufer oder sagt ihre Reaktion auf eine Kampagne voraus.

Bevor du ein Dashboard mit einem Export vergleichst, prüfe die jeweiligen Definitionen. Shopifys Dokumentation zu Kundenberichten unterscheidet zwischen Erstkäufern und wiederkehrenden Kunden und berücksichtigt weitere Käufe innerhalb des ersten Kaufzeitraums. Amazon hat eine Erweiterung der verfügbaren Kaufhistorie zur Messung markenneuer Kunden beschrieben, insbesondere bei längeren Kaufzyklen. Die dortigen Definitionen unterscheiden sich von dieser Auswertung monatlicher Exporte. ^{[3] [7]}

Frage, welche älteren Käufe das Tool sehen kann, ob es zusätzliche Käufe im Berichtsmonat berücksichtigt und ob seine Bezugsgröße von Konten mit der des Exports übereinstimmt. Unterschiedliche Definitionen können unterschiedliche Antworten liefern, ohne dass eine Berechnung fehlerhaft ist. Ein gemeinsamer Kennzahlenname stellt noch keine Vergleichbarkeit her.

Der Vergleich über elf Monate zeigt, warum diese Prüfung wichtig sein kann. Er hält die monatlichen Konten konstant, nennt die Kaufregel ausdrücklich und bewahrt kleinere wie größere Unterschiede. Ein anderes Unternehmen kann diese Unterscheidung bei der Prüfung seines Berichts nutzen, ohne die Prozentsätze dieses Händlers als Leistungsziel zu übernehmen.

Wir nutzten die von UCI veröffentlichte Arbeitsmappe Online Retail II mit zwei Tabellenblättern. Sie umfasst den 1. Dezember 2009 bis zum 9. Dezember 2011. Januar bis November 2011 wurden als vollständige Berichtsmonate mit jeweils vollen 365 Tagen früherer Quelldaten festgelegt. Dezember 2011 blieb ausgeschlossen, weil die Quelldaten vor Monatsende enden. ^[1]

Die Arbeitsmappe enthält 1.067.371 Zeilen. In der gesamten Quelle hatten 243.007 Zeilen eine fehlende oder ungültige Kundenkennung. Wir ordneten keine Identitäten anhand benachbarter Zeilen zu. Unabhängig davon enthielten 82 Rechnungen mit numerischer Kennung widersprüchliche Zeitstempel und wurden vollständig ausgeschlossen. Es wurde keine Uhrzeit angenommen. Diese Qualitätszahlen überlappen sich und betreffen unterschiedliche Einheiten. Sie sind keine aufeinanderfolgenden Abzüge von einer monatlichen Kundenzahl. ^[5]

Damit eine Position berücksichtigt wurde, benötigte sie eine numerische Rechnungskennung, eine gültige Kundenkennung und ein gültiges Datum sowie positive Menge und Preis. Die primäre Produktcoderegel umfasste fünf Ziffern mit optionalen Buchstaben, nahm zwei dokumentierte Produktcode-Ausnahmen hinzu und schloss zwei dokumentierte Versand- beziehungsweise Verpackungskosten aus. Die Beschreibungen wurden vor der Berechnung der Kundenhistorien geprüft. Der öffentliche Code enthält die genauen Regeln. ^[5]

Berücksichtigte Rechnungen eines Kontos mit identischem Zeitstempel wurden zu einem beobachteten Kaufereignis zusammengefasst. Zwei Rechnungsnummern zur gleichen gespeicherten Zeit erfinden so keinen früheren Kauf. Doppelte Zeilen innerhalb oder zwischen den Tabellenblättern erzeugen keine zusätzlichen Ereignisse. Rechnungen mit Stornopräfix und nichtpositive Positionen erzeugen keine Käufe. Wir verknüpften Erstattungen nicht mit ursprünglichen Bestellungen und behaupten nicht, dass positive Rechnungen letztlich nicht retournierte Käufe waren.

Die monatliche Bezugsgröße bestand aus den Konten mit mindestens einem berücksichtigten Ereignis im jeweiligen Monat. Ein Konto wurde als wiederkehrend erkannt, wenn ein früheres Ereignis in der gespeicherten Historie vor dem Monat oder mindestens zwei zeitlich strikt geordnete Ereignisse im Monat vorlagen. Die Historie begann genau 90, 180 oder 365 Tage vor Monatsbeginn einschließlich dieser Grenze. Der erste Zeitpunkt des Folgemonats war ausgeschlossen. ^[2]

Wir prüften die Konsistenz der Rechnungen anhand des gesamten gelieferten Archivs, bevor wir die Monate verglichen. Innerhalb dieser festgelegten, berücksichtigten Quelle können spätere Käufe die Zuordnung eines früheren Monats nicht verändern. Dies ist eine rückblickende Auswertung, keine Simulation dessen, was ein laufendes System vor dem Eingang späterer widersprüchlicher Quelldaten gewusst hätte.

Der Download enthält alle 165 Zeilen mit Anteilen, 99 Vergleichszeilen sowie die festgelegten Zusammenfassungen und Sensitivitätsanalysen. Es handelt sich um beschreibende Berechnungen für dieses Archiv, ohne Konfidenzintervalle und ohne die Behauptung, wiederholte Konto-Monat-Beobachtungen seien unabhängig. Eine getrennte Implementierung reproduzierte alle vorab festgelegten Aggregate aus der Originalarbeitsmappe. Öffentliche Ergebnisse enthalten weder Kundenkennungen noch individuelle Kaufhistorien. ^[6]