Kundesegmentering før Black Friday i detailhandlen uden et IT-projekt i sidste øjeblik

Beslutningen træffes i virkeligheden i september, ikke den 27. november, for da er rabattabellen allerede trykt og systemerne allerede indlæst. Beslutningen træffes nu, og den afhænger af en oplysning, som næsten ingen detailhandler har ved hånden, når den skal bruges: hvilket kundesegment der skal have hvad, i hvilken kanal og med hvilket budskab.

Det er det reelle problem bag al kundesegmentering før Black Friday i detailhandlen: det er ikke marketingafdelingens dømmekraft, der mangler, men en måde at opbygge segmentet på i tide. Det mest almindelige er at bestille et dataudtræk fra IT uger i forvejen, og det kommer næsten aldrig, før tilbudsaviserne går i trykken.

Denne praktiske guide er en del af Wappings Retail Year-End Plan 2026-2027, som du kan downloade gratis. Den gennemgår, hvad der skal være klar før den 16. oktober, så din segmentering til Black Friday ikke afhænger af en opgave i sidste øjeblik, og slutter med en måde at tjekke, hvor din egen forretning står i dag.

Hvorfor kundesegmentering før Black Friday altid ender som en opgave til IT

Mønstret gentager sig hos de fleste detailhandlere. Marketingafdelingen vil lancere et privat udsalg eller en kampagne målrettet en bestemt kundegruppe. For at opbygge gruppen skal nogen samkøre data fra forskellige systemer: købshistorik i kassesystemet, webshoppens registre og CRM.

Udtrækket laves ikke af marketingafdelingen, men af IT, manuelt, og det tager den tid, det tager. Når segmentet endelig kommer, er der som regel sket en af to ting: datoen er passeret, eller segmentet er et øjebliksbillede fra den dag, det blev opbygget, og opdateres ikke, selv om kunden bliver ved med at handle.

Resultatet er forudsigeligt: kampagnen sendes ud med det samme budskab til alle, fordi noget mere målrettet kræver flere afdelinger, dataudtræk og test i forskellige systemer, og der er næsten aldrig tid.

Marketing uden afhængighed af IT er ikke en ambition, men en forudsætning for, at segmenteringen til Black Friday bliver klar i tide.

Løs identiteten, før du segmenterer

Her er det trin, som næsten alle kampagnekalendere springer over: et segment er kun så godt som den historik, det bygger på, og den historik findes ikke, hvis kunden ikke er identificeret.

Mellem 60 og 70 % af transaktionerne i fysiske butikker er anonyme. Uden identitet er der ingen historik, og uden historik kan du ikke vide, om en produktfamilie købes af tilbagevendende kunder eller af folk, der bare tilfældigvis gik forbi udstillingsvinduet.

Den fjerde oplysning, der mangler i de fleste rabattabeller

Alle detailhandlere fastsætter rabatten for hver produktfamilie ud fra tre oplysninger: hvor hurtigt den sælger, hvilken margin den giver, og hvad konkurrenterne gør. Det er tre produktoplysninger, og en fjerde mangler: hvem der køber hver familie, og om det er en tilbagevendende eller en tilfældig kunde.

Uden en samlet identitet på tværs af butik og webshop kan den fjerde oplysning ikke beregnes. Et unikt kunde-ID er fundamentet, som alt andet hviler på: uden et ID, der følger med på tværs af kanalerne, arver hvert segment, der bygges ovenpå, det samme problem.

Fysisk butik med kunder og personale ved kassen

Black Friday-segmenterne, der virkelig påvirker marginen

Når den fjerde oplysning er på plads, bliver segmenter synlige, som omsætningsrapporten ikke viser. Et illustrativt eksempel, med opdigtede tal og ikke fra en reel kunde, gør det lettere at forstå:

To produktfamilier kan ligne tvillinger i rapporten: et lignende antal enheder om måneden, en lignende margin. Men når du kobler salget til kundehistorikken, viser det sig, at syv ud af ti enheder af den ene købes af kunder med tre eller flere køb om året, mens otte ud af ti af den anden købes af engangskunder. Samme tal i omsætningsrapporten, modsat rabatbeslutning.

Det er netop det, en datadrevet kampagne i detailhandlen gør muligt: ikke at behandle to familier ens, når de kun ligner hinanden på papiret, og at tilpasse rabatten for hver af dem efter, hvem der faktisk køber den, ikke kun efter, hvordan den bevæger sig på lageret.

Mønstret hedder noget forskelligt i forskellige brancher, men kriteriet er det samme. Inden for kosmetik behøver det serum, som stamkunderne køber hver anden måned, ikke den samme rabat som gavesættet, der kun sælges under kampagner. Omsætningsrapporten viser dem ens, og kun kundehistorikken afslører, hvilket produkt der sælger af sig selv, og hvilket der lever af kampagneplakaten.

RFM-segmenter til e-mailmarketing bygger på samme logik, anvendt på personer i stedet for produktfamilier: hvem der køber, hvor ofte, hvor længe siden og for hvor meget, for at afgøre, hvem der får hvilken e-mail og hvilket tilbud.

Retail Year-End Plan: download e-bogen

Sådan opbygger du segmenterne uden at oprette en opgave til IT

Dynamisk kundesegmentering i detailhandlen ændrer hele ligningen: i stedet for at bestille et engangsudtræk, der er forældet samme dag, det leveres, konfigurerer marketingteamet segmentet én gang, og systemet holder det opdateret af sig selv. Kunder går ind i og ud af segmentet ud fra deres adfærd i realtid.

Det bygger på over 50 segmenteringsparametre, som marketingteamet kan styre direkte, uden kode og uden at oprette en opgave til IT. Den praktiske forskel:

Reel personalisering af e-handelskampagner uden IT betyder netop dette: det team, der udformer kampagnen, er også det, der gennemfører den, uden tekniske mellemled.

Marketingchef, der konfigurerer kundesegmentering til Black Friday uden hjælp fra IT

De to løftestænger, der kræver, at segmentet er klar før november

Når segmentet er på plads, kan du bruge to løftestænger, som ikke virker uden det.

Det private udsalg. Et vindue på nogle få dage før Black Friday, kun for inviterede, identificerede kunder, først og fremmest udformet til at sælge sæsonlager ud, som ellers ville ende på udsalget med en større rabat. Hvis dit program har medlemsniveauer, kan invitationen trappes op efter niveau: så bliver den ikke et vilkårligt privilegium, men en statusfordel. I et illustrativt eksempel med rimelige antagelser giver det mere samlet margin at sælge 1.000 enheder sæsonrester i et privat udsalg med moderat rabat end at lade dem gå til Black Friday eller januarudsalget, med de samme varer. Det virker kun, hvis der findes en liste over identificerede kunder med deres købskategori, ikke en generisk liste.

Fordelen, der kommer bagefter. På selve den store dag fungerer kassen ens for alle, med én og samme pris. Forskellen ligger i, hvad den identificerede kunde får bagefter: en kupon beregnet ud fra købet, synlig på mobilen og med en sidste gyldighedsdato, udformet til at få kunden til at komme igen i december. Beregningen forudsætter, at du ved, hvem der har købt hvad, i det øjeblik betalingen sker.

Ingen af løftestængerne kræver, at forskellige kunder betaler forskellige priser samme dag. Begge forudsætter, at det samme er løst før november: identitet og dynamisk segmentering.

Kunde, der registrerer sig med sin telefon

Hvad du skal gøre før den 16. oktober

Den 16. oktober er point of no return: da skal du begynde at indsamle identificeret kundehistorik for at nå at opbygge de segmenter, der skal bruges i Black Friday-perioden.

Virksomheder, der allerede arbejder med samlet identitet og dynamisk segmentering, opnår ifølge kunderesultater, som Wapping har samlet, 40 % højere købsfrekvens, 20 % højere gennemsnitskøb og 30 % bedre kundefastholdelse. Alle tre tal skyldes det samme: at vide, hvem der køber, i samme øjeblik som købet sker.

Vi har samlet alt, hvad der skal være på plads, i fjorten konkrete spørgsmål, grupperet i identitet, data til beslutninger, kampagne og fordel samt relation og måling. Det er ikke funktioner, men ting, der sker eller ikke sker, hver gang en kunde betaler i din butik eller på dit website.

Du kan gennemgå dem med den CRM-ansvarlige eller tage den digitale selvevaluering på fem minutter og få en rapport, der viser, hvor du står, og i hvilken rækkefølge det giver mening at løse hvert punkt før den 16. oktober.

Download guiden, og tag selvevalueringen