• Главная
    »
  • Шаг 4
Мы знаем много информации про пользователя:
  • дату рождения
  • возраст
  • возрастную группу
  • пол
  • цель лечения
  • статус лечения
  • наличие беременности или кормления грудью
  • планирование беременности
  • наличие аллергии
  • наличие других медицинских симптомов
  • диагноз
  • сложность диагноза
  • продолжительность лечения
  • user name
  • план лечения
  • дата первой оплаты
  • дата последней оплаты
  • оплаты постоянные или клиент разово попробовал
  • NPS (насколько готов рекомендовать сервис другим людям)
  • UTM (из какого канала пришел и т.д.)
Для каждого пользователя мы знаем его фактический LTV и время жизни на проекте
На основании этих данных обучаем ML-модель, которая предсказывает LTV, исходя из параметров нового пользователя, который совершил первую покупку.
Добавляем информацию о прогнозе LTV в основной маркетинговый отчет.
Как только первый пользователь, пришедший по рекламной кампании, совершил хотя бы одну покупку, мы предсказываем его LTV и, соответственно, узнаем окупятся ли затраты на его привлечение.
Со 2-й и последующих покупок предсказание уточняется.