Als je Meta-waardesignalen invoert, kan het algoritme van Meta bieden op de voorspelde klantlevenscycluswaarde \u2013 wat een klant waarschijnlijk waard zal zijn gedurende de gehele relatie met je winkel \u2013 in plaats van alleen maar te optimaliseren voor de volgende eerste aankoop.<\/p>\n\n
Dat verandert wat \u2018goede data\u2019 precies inhoudt. Voor het voorspellen van de LTV heb je bij elk event signalen over de identiteit van de klant, de exacte aankoopwaarde en productgegevens op variantniveau nodig. Bij een standaard server-side tracking-opzet worden aankoopevents wel naar Meta gestuurd, maar worden de velden waar het waardemodel op draait vaak verwijderd of weggelaten. <\/p>\n\n
Het verschil zie je terug in de prestaties, en de doorslaggevende factor is de kwaliteit van de gegevens. Server-side tracking is de standaard geworden om schone, betrouwbare gegevens naar Meta te sturen<\/a>. De echte vraag is nu wat je ervoor kiest om hiermee te versturen. In deze gids wordt uitgelegd wat Shopify LTV is, wat Meta nodig heeft om dit te optimaliseren en welke velden je configuratie via Meta CAPI moet doorgeven, inclusief twee kant-en-klare sjablonen die dit voor je regelen. <\/p>\n\n De Customer Lifetime Value (LTV) is de totale netto-omzet die een klant genereert gedurende de hele relatie met je winkel. Het is een van de beste indicatoren om te bepalen welke klanten het echt de moeite waard zijn om binnen te halen. <\/p>\n\n De standaardformule:<\/p>\n\n LTV = Gemiddelde bestelwaarde \u00d7 Aankoopfrequentie (per jaar) \u00d7 Levensduur van de klant (jaren)<\/strong><\/p>\n\n Bijvoorbeeld: een klant die \u20ac 65 per bestelling uitgeeft, 3 keer per jaar iets koopt en 2 jaar actief blijft, heeft een LTV van \u20ac 390.<\/p>\n\n Een paar varianten die je moet weten:<\/p>\n\n De waardeoptimalisatie van Meta is gebaseerd op voorspellende LTV. Het schat in hoe waardevol een potenti\u00eble klant zal zijn nog voordat hij of zij ooit iets bij je heeft gekocht. Die schatting hangt af van de signalen waarop het systeem is getraind, en daar komt jouw trackingconfiguratie om de hoek kijken. <\/p>\n\n Optimaliseren op het aantal aankopen was logisch toen elke conversie ongeveer evenveel waard leek. Maar een bestelling van \u20ac15 en een bestelling van \u20ac300 zijn niet hetzelfde resultaat, en als je ze op dezelfde manier behandelt, kan Meta onmogelijk je beste klanten onderscheiden van je eenmalige koopjesjagers. <\/p>\n\n LTV-optimalisatie verandert de vraag die Meta stelt. In plaats van \u201ewie gaat er kopen?\u201d, vraagt het nu: \u201ewie gaat er herhaaldelijk kopen, voor een hoge waarde en zo lang mogelijk?\u201d Dat is een betere vraag om je advertentie-uitgaven op af te stemmen, maar het werkt alleen als Meta drie dingen uit je events-gegevens haalt: <\/p>\n\n De meeste server-side tracking-opstellingen sturen aankoopevents door. Er zijn er maar heel weinig die alle drie deze gegevens erbij meesturen. <\/p>\n\n Dit is het praktische verschil tussen een standaardopstelling en een opstelling die speciaal voor LTV is gebouwd.<\/p>\n\n Een aankoop van een appartement in een typische server-side tracking-opstelling:<\/strong><\/p>\n\n {<\/em><\/p>\n\n \"event_name\": \"Aankoop\",<\/em><\/p>\n\n \"event_time\": 1718200000,<\/em><\/p>\n\n \"user_data\": {<\/em><\/p>\n\n \"client_ip_address\": \"185.12.xx.xx\",<\/em><\/p>\n\n \"client_user_agent\": \"Mozilla\/5.0...\"<\/em><\/p>\n\n },<\/em><\/p>\n\n \"custom_data\": {<\/em><\/p>\n\n \"waarde\": 89,00,<\/em><\/p>\n\n \"valuta\": \"EUR\"<\/em><\/p>\n\n }<\/em><\/p>\n\n }<\/em><\/p>\n\n Meta krijgt een bestelling binnen van \u20ac 89 van een onbekende bezoeker. Geen klantgegevens, geen aankoopgeschiedenis, geen productinformatie. <\/p>\n\n Een verrijkte aankoopgebeurtenis in een LTV-ready server-side tracking-opstelling:<\/strong><\/p>\n\n {<\/em><\/p>\n\n \"event_name\": \"Aankoop\",<\/em><\/p>\n\n \"event_time\": 1718200000,<\/em><\/p>\n\n \"user_data\": {<\/em><\/p>\n\n \"em\": \"7b502c3a1f2b4e3d...\", \/\/ e-mailadres met SHA-256-hash<\/em><\/p>\n\n \"ph\": \"a9b7c3d2e1f4...\", \/\/ SHA-256-hash van telefoonnummer<\/em><\/p>\n\n \"client_ip_address\": \"185.12.xx.xx\",<\/em><\/p>\n\n \"client_user_agent\": \"Mozilla\/5.0...\",<\/em><\/p>\n\n \"fbc\": \"fb.1.1718199000.AbCdEf\",<\/em><\/p>\n\n \"fbp\": \"fb.1.1680000000.1234567890\",<\/em><\/p>\n\n \"external_id\": \"cust_8821934\"<\/em><\/p>\n\n },<\/em><\/p>\n\n \"custom_data\": {<\/em><\/p>\n\n \"waarde\": 89,00,<\/em><\/p>\n\n \"valuta\": \"EUR\",<\/em><\/p>\n\n \"order_id\": \"SH-100234\",<\/em><\/p>\n\n \"inhoud\": [<\/em><\/p>\n\n {<\/em><\/p>\n\n \"id\": \"SKU-7821-BLK-M\",<\/em><\/p>\n\n \"aantal\": 1,<\/em><\/p>\n\n \"item_price\": 89,00,<\/em><\/p>\n\n \"categorie\": \"Bovenkleding\"<\/em><\/p>\n\n }<\/em><\/p>\n\n ],<\/em><\/p>\n\n \"num_items\": 1<\/em><\/p>\n\n }<\/em><\/p>\n\n }<\/em><\/p>\n\n Dezelfde aankoop, maar een heel ander signaal. Meta koppelt dit nu aan een echt klantprofiel, verbindt het met een specifieke productvariant en kan het koppelen aan elke toekomstige bestelling van dezelfde persoon. Dat is de grondstof die een voorspellend LTV-model nodig heeft, en die is er alleen als je tracking zo is ingesteld dat deze gegevens worden vastgelegd en doorgestuurd. <\/p>\n\n Om de op LTV gebaseerde optimalisatie van Shopify te kunnen gebruiken, moeten je server-side events de volgende gegevens bevatten.<\/p>\n\nWat is de LTV bij Shopify en hoe bereken je die?<\/strong><\/h2>\n\n
\n
Waarom LTV de juiste optimalisatiedoelstelling is voor Meta<\/strong><\/h2>\n\n
\n
Flat event versus uitgebreide event: welke gegevens komen bij Meta terecht?<\/strong><\/h2>\n\n
Welke velden moet je server-side tracking-configuratie doorgeven aan Meta CAPI voor LTV-optimalisatie?<\/strong><\/h2>\n\n
Identiteitssignalen: Klantvergelijking<\/strong><\/h3>\n\n