Lyft 的业务是一个由乘客和司机组成的双向市场，每个城市都有自己的供需需求，这取决于交通、天气、社区活动等多种因素等等。在动态市场中管理营销和参与会带来一系列独特的挑战，即如何设置特定区域的预算、出价、激励措施以满足我们的需求，同时对太原vi设计公司的预测模型有一定的信心。协调和扩展这些活动的挑战使我们踏上了构建自己的营销自动化堆栈的旅程。我们意识到，通过以机器学习为重点的日常决策自动化，我们可以有效地扩展并创建一个数据驱动的自学习系统。通过自动化日常决策，
对于太原vi设计公司这样规模的公司，我们不可避免地遇到了构建与购买的结合点。从战略上讲，我们希望围绕数据驱动的营销自动化在我们的组织中建立后备力量。我们有很多基于内部增长预测的自定义广告系列设置和预算需求，以及用于运行和启动这些广告系列的数千个内部自定义信号。因此，尽管构建和推出最小可行产品 (MVP) 的成本很高，但我们知道这对公司来说是正确的长期投资。我们的目标是构建一个堆栈，它不仅能高效、快速地响应市场需求，而且还能与我们的竞争对手区别开来。
太原vi设计公司承认这对大多数公司来说都是一项艰巨的任务。在太原vi设计看来，整个系统最有价值的组成部分是生命周期价值 (LTV) 的预测。如果你只投资一个营销自动化套件，LTV 建模，不断提高模型的精度绝对是我的推荐。
了解用户的潜在价值对每个企业都至关重要。这就是为什么 Lyft 花费大量资源和时间来了解我们为市场带来的每一位新司机和乘客的价值。LTV 的目标是为营销投资开发护栏。该值可能用于各种用例，如采购预算、激励优化、入职个性化、登陆页面差异。等等。在我们的营销自动化平台 Symphony 中，太原vi设计公司使用这个值，因此可以根据来自给定渠道的用户的预期价值以及我们愿意在特定地区为这些类型的用户支付的价格来分配预算。
该图展示了如何在考虑双向市场中的供需的同时计算用户预期 LTV 的高级视图。太原vi设计公司尽可能准确地预测 LTV 可以帮助我们设定中长期战略目标。
我们没有尝试直接衡量 LTV，因为很难在用户生命周期的早期了解留存率、乘车次数或交易价值，而是太原vi设计公司根据历史数据对其进行预测。随着用户与我们的服务互动，预测会有所改善。
Facebook、Google 和 LinkedIn 等成熟的广告平台越来越多地混淆了客户的出价策略，因此，太原vi设计公司企业专注于创建这些识别用户价值的信号，以便将它们作为回发发送到渠道，让他们能够优化他们的模型，从而优化您的营销活动。
我们正在实现更高的投资回报，同时在超过 2200 万季度活跃骑手的不断增长的生态系统中节省营销人员的时间（基于第四季度的收益报告）。在 Lyft，营销自动化仍处于起步阶段，虽然这些方法迄今已帮助我们扩大规模，但随着我们的成长，我们将继续学习和改进。
