了解客户旅程每一步的绩效驱动因素对于从描述性分析（团队能够手动识别组织的传统指标）上升到预测性分析（这些指标用于确定或告知未来结果）是必不可少的。当今商业的竞争优势在于精细调整的分析模型的可量化变量。使用数据来了解企业内所有接触点的客户互动以及影响每个接触点的影响因素和驱动因素是商业分析 (BA) 的领域，而预测收入模型就是一个关键示例。
商业分析是通过有条不紊地收集
借助 Rusa Data 强大的俄语数据清理服务，确保您的营销成功。我们专注于改进和验证数据，以提高准确性和可靠性。利用 俄罗斯数据 清晰、可操作的见解最大限度地提高您的营销活动的效果。立即访问 Rusa Data，利用精确的信息转变您的营销策略！
分类和处理商业数据来获得新见解，并使知识和实践领域不断扩大，从而提高绩效。
早期的商业智能 (BI) 使用原始数据的统计分析来向利益相关者解释过去的表现（描述性），而后期的 分析 模型将历史数据与规则、算法和其他（有时是外部）数据相结合，以确定未来的表现（预测性）和有利于特定结果的行动（规范性）。
“该领域目前正在向业务范围的嵌入式分析发展，能够实时对工作流程的关键点进行数据分析。”
换句话说，分析可以描述过去绩效的细节，解释业务为何如此表现，未来预期表现如何，以及领导层可以采取哪些措施来最好地影响未来的绩效。系统地利用数据可以提供业务绩效时间表的连贯视图，同时使领导层能够实施变革以提高绩效并降低未来风险。
预测收入模型
预测收入模型是一种数据分析模型，它使用财务、营销和广告数据来预测多种情况下的广告回报。该模型捕获初始营销支出，代表来自漏斗顶部客户互动的收入流。该模型利用相对较小但多样的数据元素和业务变量，并展示了预测分析的有效性，以及它能够超越顶线数据深入客户旅程的能力。所包含的示例使用了两个渠道：按点击付费 (PPC) 和有机。
举例来说通过以下最少的数据元素
，企业可以使用预测收入模型来确定特定营销工作的价值。
公司财务 营销数据
广告支出 “添加到购物车” 线索
公司利润 结帐转化
生命周期价值 (LTV) 交易总额 $
此外，该模型的可转移价值可用于衡量和预测跨多个渠道、产品线、客户群、地区、活动、广告类型甚至特定广告和优惠的营销工作。这为领导层提供了回答简单问题的能力，包括：
我最大的广告回报在哪里：Google 搜索广告或展示广告、Facebook 推广帖子还是 Youtube 视频广告？
哪种广告类型最适合当前产品线？展示购物、图片广告、文字广告、横幅广告？
哪个渠道表现最好：自然搜索还是按点击付费 (PPC)？
我们如何才能实现我们的收入（和底线）目标？
几乎所有组织都可以使用最简单的分析。在企业现有数据中，存在尚未开发的联系，这些联系可以通过更有针对性的营销工作获得回报。基本成本/利润数据与广告平台内简单的广告和客户标记相结合，将确保企业清楚地了解哪些特定的营销工作可以为目标产品带来利润。
随着数据集、流程和基础设施的深度和成熟度不断提高，更复杂、更强大的优势也随之而来。该领域目前正在向业务范围的嵌入式分析发展，能够在工作流的关键点实时进行数据分析。工作人员无需在业务工作区和数据分析平台之间切换，而是可以在相关决策点访问本机业务应用程序中的分析内容和功能——这是一种集成到企业平台（例如 CRM、ERP、EAS 等）中的高级商业智能 (BI) 工具集。
数据组件和预测收入模型
量化和连接
当数据有效地讲述财务故事并将投资与回报联系起来时，企业领导层将受益匪浅。过去，营销提供广告总支出和年收入增长作为关键指标。然而，现在，预测分析可以提供与特定营销活动直接相关的详细底线收入。初始投资是预测收入模型顶部的输入。从广告到网站的访问次数（点击率，或 CTR）、添加到购物车的产品数量以及完成的在线购买数量（和价值）都由广告平台中的标记元素捕获。仅从这一点来看，基本的数学就可以提供活动的即时交易回报和每个客户的获取成本。更重要的是，当应用这些指标来计算客户的终身价值 (LTV) 时，真正的投资回报就显而易见了。
通过汇总公司财务和广告平台数据，可以揭示关键的描述性分析见解（将支出映射到特定回报、平均交易收入等），以及产生收入的预测分析见解（已知的每次获取成本可以预测未来广告支出的收入、客户生命周期的预期活动回报）。使用来自无处不在的平台（EAS、数字广告平台以及可选的 CDP/CRM M）的核心数据元素为营销领导层提供了所需的关键要素，从而大大增强了决策能力。
了解现有数据的力量、新数据元素的相对简单性以及它们之间的逻辑连接，都为业务绩效的驱动因素提供了透明度，并提供了极大地增强几乎每个层面的决策能力的洞察力。
商业财务数据
大多数 C 级员工都熟悉业务财务数据元素，因为许多定期会议和报告都关注收入目标和盈利能力，通常按渠道、产品线和新计划分类。数据来源可能是常规的：大多数是 EAS，对于新的、一次性的、专门的或传统的会计计划和任务，则是较小的专业数据库或电子表格。然而，这些核心数据对于收入预测至关重要——它形成所需的基线（平均利润率），或与营销数据相结合以计算新值（平均“结账”转化的平均利润率、活动平均净交易价值）。以下是与模型最相关的主要业务财务数据元素。
企业财务数据（取决于财务平台）
初始投资 特定时间范围内针对某个渠道或产品的广告总投资 (PPC) 和总额 (Organic)。
收入 公司收入（总收入或特定产品收入）。用于计算利润。
成本 公司成本（总成本或特定产品成本）。用于计算利润。
利润 利润（毛利润、营业利润或净利润）。根据会计平台数据计算。
罗米 营销投资回报率。广告对利润的贡献。根据会计和广告平台数据计算。
LTV、LTR、终身交易 生命周期预测（价值、收入或交易）是根据特定时间段内的预计
购买/交易数量计算得出的。
这些计算可能来自 CDP/CRM、EAS 中的大量历史数据或 SaaS 协议中的合同数据，但也受每个特定业务模式的影响。
销货成本 销售成本。与产品生产直接相关的费用。通过会计平台计算。
销售、一般及行政开支 销售、一般及行政费用。非生产费用。从会计平台计算。
计算机辅助设计中心 客户获取成本。吸引客户（完成交易的人）的初始成本。根据会计和广告平台计算。
在预测收入模型中使用商业财务数据
预测收入模型所需的核心业务财务数据（即来自 EAS 或记录系统）只不过是成本和收入。将这些基本数据元素与广告和客户数据相结合，可以轻松计算或细分其余值。
初始投资 只是在某个渠道中为您预计有收入的任何产品做广告（或促进自然流量）所产生的成本。此成本应用于模型的中点附近，通过将交易收入除以初始投资来计算 ROMI（营销投资回报率），得出 ROMI 比率。
收入 和 成本 用于计算公 教育游戏化：它是什么以及如何在课堂上应用它 司的利润。 公司利润 用于计算每次“结账”转化（平均净值）的利润。从最基本的层面上讲，利润是一个简单的公式，即从收入中减去成本，通常以百分比表示。但是，确定要包括哪些成本（例如，COGS、SG&A、CAC）可能会因公司战略、环境甚至成本复杂性而异。就此模型而言，只需要进行一致的计算。
虽然 使用 整体公司收入来计算平均利润率，但使用特定产品收入 来确定平均交易价值和平均净收入价值（在减去广告投资之前）。
ROMI 值是通过从预计总客户生命周期价值（净值）中减去初始投资来计算的，得出广告支出的真实回报（ROI 净生命周期收入）。广告活动的ROMI 预测与市场利率回报相比，提供了最清晰的指标，表明拟议的营销计划是否可行。由于此模型中的 LTV 窗口为 3 年，因此市场利率同样在 3 年内复利。
终生价值 — 如上所述，这种预测的艺术和科学性可能存在很大差异。在模型的样本数据中，使用了 3 年的窗口期，而交易则基于标准化指标。
用于模型输入的财务数据点必须与
模型用于回答的分析问题一样具体。在本例中，初始投资分别针对 2 个渠道进行跟踪，预测每个渠道的单独收入和 ROMI。在样本数据中，对 Organic 的投资具有最高的 ROMI 百分比。其他因素在两个模型之间通常也可能不同，但为了便于比较，这些因素已被标准化。
客户和营销数据
在营销部门之外，详细的客户和营销数据可能不如传统财务数据那么为企业领导者所熟悉。每次点击费用 (CPC)、微转化、每次点击付费 (PPC) 都与典型的底线讨论点不同。数据来源是各种数字广告平台（Google Ads、Facebook Manager 等），理想情况下是 客户数据平台 (CDP) 或客户关系管理 (CRM) 系统，用于获取有助于构建终身价值的数据。这些数据元素量化了营销活动的成本和产出，无论是活动期间的“结帐”转化次数还是“添加到购物车”微转化次数。以下是与示例模型最相关的主要客户和营销数据元素（可能会根据产品、服务或平台而变化）
客户和广告数据（取决于客户/广告平台）
每次点击费用 (CPC) CPC 通常由平台计算，但可以通过既定的行业标准轻松预测。“点击”是指访问者点击活动广告并转发到产品网站。
现场参观 广告被点击以及访问者进入网站的次数。
“添加到购物车”转化 将产品添加到购物车的网站访问次数。以“添加到购物车”的网站访问量的原始计数或百分比表示。
购物车“结账”转化 在“结帐”时完成交易的“添加到购物车”的数量。以原始计数或完成“结帐”交易的“添加到购物车”的百分比表示。
平均交易总额 每笔交易的平均价值（以美元计）。根据广告数据计算。
LTV、LTR、终身交易* 生命周期预测（价值、收入或交易）是根据特定时间段内预计的购买/交易数量计算得出的值。这些计算可能来自 CDP/CRM EAS 中的大量历史数据、SaaS 协议中的合同数据，但也受每个特定业务模型的驱动。
*注：由于数据元素和/或值的生成共享，某些数据值可能在两个系统中找到。
在预测收入模型中使用客户和广告数据
预测收入模型所需的客户互动数据（来源于广告和客户平台）包括与财务数据相结合以量化营销计划结果的所有关键接触点，以及通常在 CDP/CRM 中发现的历史资料数据。
每次点击费用 (CPC) 是一种平台相关的广告费用，根据访问者每次点击广告活动广告收取的费用计算。以亚马逊渠道为例，2000 次点击费用为 10,000 美元。CPC 费用用于计算 ROMI 或“真实”营销投资总回报率。
网站访问量 记录了潜在客户点击广
告进入公司网站的次数。每位将产品添加到购物车的访问者都被视为 “添加到购物车”转化，并可视为此模型的潜在客户。潜在客户在完成购买后即成为客户，并 记录购物车“结帐”转化 。通过这种方式，可以记录相对于特定广告系列的访问量、潜在客户和购买量的原始数量，并相应地计算成为潜在客户的访问量百分比以及成为销售或客户的百分比。在模型的样本数据中，1.5% 的转化率是遵循现有广告系列规范的未来广告的预测值。
客户生命周期数据（LTV、LTR、生命周期交易）可以基于多种变量，具体取决于产品或服务、业务模式，甚至组织的战略规划。通常，LTV 是客户交易的 TR 编号 平均预期数量乘以每笔交易的平均价值（归因于客户生命周期的净利润与收入即 LTR）的函数。如上所述，来源包括多个数据库，而汇总的数据元素（财务数据、客户资料、细分、交互数据、合同）都会影响计算。最后，模型中分配给生命周期交易的值是所有客户交易的简单平均值。
与财务数据一样，客户和营销数据的相对特异性应与所寻求的预测输出数据相匹配。为了确定哪种广告类型效果最好，数据将按广告类型进行标记（视频、横幅广告、文字广告、购物广告等）。为了识别最有可能转化的客户，客户细分将被标记（例如，按人口统计参数、再营销状态、结账前“添加到购物车”的数量等）。
