Kunder siger ikke til, når de har tænkt sig at forlade dig. De opsiger ikke noget, klager ikke og afmelder sig ikke: Den ene måned handler de lidt mindre, den næste lader de et par uger gå, og når du opdager det, har de ikke sat deres ben i butikken i et halvt år. Derfor er det langt mere nyttigt at vide hvordan du finder kunder, der er i risiko for at forlade dig, end at tælle, hvor mange der allerede er gået.

Den gode nyhed er, at dette stille tab sætter spor i dine egne købsdata. Den dårlige er, at næsten ingen ser på dem i tide: Man kigger først, når genaktiveringskampagnen allerede kommer for sent, eller endnu værre, når man giver rabat til en kunde, der aldrig ville have gjort rabatten rentabel. Her er en anden måde at arbejde på, uden lister, der bliver forældede, og med klare regler baseret på faktisk adfærd.

Det fungerer for en butikskæde, for restaurationsbranchen eller for enhver virksomhed med tilbagevendende kunder, som du kan identificere.

1. Stille kundefrafald: derfor er der næsten aldrig en udtalt churn

I en abonnementsvirksomhed har churn en dato: Nogen opsiger abonnementet. I detailhandlen er det ikke sådan. Kunden, der glider væk, giver ikke noget signal fra sig, købsmønsteret køler simpelthen af. Den forskel ændrer alt: Hvis du venter, til frafaldet er tydeligt, har du allerede mistet kunden. Derfor kommer churn rate i detailhandlen, beregnet som var det et abonnement, altid for sent: Når frafaldet viser sig i tallet, er det allerede sket.

Der er et andet problem. Kunden, der handlede hver tredje uge og nu dukker op hver anden måned, skiller sig ikke ud i nogen salgsrapport: Købene bliver fortsat talt med, bare med længere mellemrum. For at se det skal du se på kunden, ikke på butikken.

Årsagerne varierer. Nogle forsvinder efter en dårlig oplevelse uden at sige noget, andre går over til konkurrenten uden varsel, og atter andre ændrer simpelthen deres vaner. I dine data ender alle tre på samme måde: færre køb, længere mellemrum og en købshistorik, der klinger af.

Tøjbutik uden kunder, et billede på stille frafald blandt kunder, der er i risiko for at forlade butikken

Hvis du spekulerer på, hvordan du finder kunder, der er i risiko for at forlade dig, så begynd her: Kunden skal være identificeret. Uden hver enkelt persons købshistorik er der intet at sammenligne med, og uden sammenligning er der intet signal.

2. Sådan finder du kunder i risiko for frafald med RFM: de signaler, du kan måle allerede i dag

Du behøver ikke en krystalkugle. Du skal beslutte, hvilken adfærd du regner som at »køle af«, og måle den automatisk. Det er de signaler, du kan følge med de købsdata, du allerede har.

De fire RFM-statusser, fra »i risikozonen« til »tabt«

RFM-modellen rangordner hver kunde ud fra tre variabler: hvornår kunden sidst handlede (recency), hvor ofte kunden handler (frequency), og hvor meget kunden bruger (monetary). I Wapping beregnes RFM løbende, og ud fra den udledes fire statusser, der markerer vejen mod frafald.

De fire RFM-statusser for en kunde i risiko for frafald: At Risk, About to churn, Hibernating og Lost

I Wappings RFM til detailhandlen beregnes statusserne ikke kun ud fra kvintiler: Systemet arbejder også med absolutte værdier og med nettoværdien, det vil sige salget minus returneringerne. En kunde, der køber meget, men returnerer næsten alt, er ikke den gode kunde, det ser ud til.

Sådan finder du kunder i risiko for frafald, når deres sædvanlige købsmønster ændrer sig

Der er en type frafald, som ren RFM opdager sent: kunden med sin egen rytme. Den, der handler hvert år til jul, eller den, der fylder op i september før skolestart.

Med Wapping kan du bygge et segment med kunder, der handlede til jul sidste år og endnu ikke har gjort det i år, og finde kunder, hvis sæsonmønster har ændret sig.

Det samme gælder niveauerne i et loyalitetsprogram: Du kan finde de kunder, der risikerer at rykke et niveau ned, og handle, før det sker.

3. RFM-segmentering i detailhandlen: find kunder i risiko for frafald uden lister, der bliver forældede

En liste over risikokunder, der eksporteres en mandag, er et øjebliksbillede, og om tirsdagen passer den ikke længere. Dynamisk segmentering gør det modsatte: Kunden går automatisk ind og ud af segmentet ud fra sin adfærd. I nogle segmenter sker ændringen i realtid, i andre opdateres de hver anden time.

Du har to udgangspunkter: de foruddefinerede RFM-segmenter og de segmenter, du selv bygger med de kriterier, som din virksomhed ser som et signal om frafald. Den anden mulighed er den, der gør forskellen, fordi det afhænger af virksomheden, hvad det vil sige at »køle af«: Den normale købsfrekvens på en café ligner ikke den i en modebutik.

Når segmentet er defineret, rettes kampagnen og kommunikationen mod det, og når kunden handler igen, forlader kunden automatisk segmentet, uden at nogen skal rydde op i lister. Alt sammen uden at oprette en sag hos IT: Marketingafdelingen fastlægger kriteriet, og segmentet holder sig selv opdateret.

Hvis du vil se, hvordan de bygges trin for trin, forklarer vi det i vores artikel om dynamisk segmentering i detailhandlen.

4. Grænser for hvilende kunder: 60, 90 eller 120 dage, men aldrig alene

Det mest almindelige kriterium for at regne en kunde som hvilende er tiden siden seneste køb. I Wapping kan grænsen konfigureres, og de almindelige tidsvinduer er 60, 90 og 120 dage. Fejlen er at bruge den alene: Tiden uden køb er kun halvdelen af svaret.

En kunde, der ikke har handlet i 90 dage, kan være en, der brugte 800 euro om året, eller en, der kom ind én gang på grund af en kampagne og brugte 40 euro. Det er et illustrativt eksempel, men pointen er reel: samme grænse, meget forskellig værdi. Derfor kombineres reglerne: dage uden køb plus det beløb, der er brugt i en anden periode.

Hvad der regnes som historisk værdi, bestemmer du: det, der er brugt i det seneste år, for eksempel, eller nettoværdien efter fradrag for returneringer. Det vigtige er, at kriteriet er det samme for hele teamet og altid anvendes på samme måde.

Matrix med inaktivitetsgrænser på 60, 90 og 120 dage kombineret med kundens historiske værdi for at afgøre, hvem der skal genaktiveres

En praktisk måde at læse matricen på, som retningslinje:

Og en nuance, der gør op med en udbredt forestilling: Der findes ikke et generelt punkt, hvor det er for sent. Nogle kunder, der er regnet som tabte, kan sagtens genaktiveres. Forskellen ligger i, hvor meget du er villig til at investere i hver enkelt.

5. Genaktiveringskampagner for hvilende kunder: vind dem tilbage uden at give avance væk

Det er her, mange kampagner taber penge: rabat til alle hvilende kunder uden at tjekke, om det salg, de giver, efterlader nogen avance. Det, der virker, er det modsatte: at sætte betingelser for incitamentet. Knyt det til et minimumskøb, så købet kan betale sig, eller til bestemte kategorier eller produkter, hvor avancen kan bære kampagneinvesteringen.

Tre fejl, der koster avance:

Med hensyn til kanal virker en specifik kampagne som regel bedst, kommunikeret via en eller flere kanaler afhængigt af, hvor mange du vil nå. For et hurtigt resultat giver push eller SMS som regel bedre effekt end e-mail, og ofte er det bedst at kombinere flere. WhatsApp passer til meget specifikke segmenter, hvor kanalen allerede er aktiv, ikke til masseudsendelser til hele den hvilende kundebase.

Når incitamentet anvendes og indløses ved kassen via den headless loyalitets- og kampagnemotor, måles resultatet direkte på salget: Du ved uden skøn, hvor mange af de genaktiverede kunder der handlede, og med hvilket købsbeløb.

6. Hvor du begynder i denne uge

At vide, hvordan du finder kunder i risiko for frafald, er ikke meget værd, hvis genaktiveringen bagefter giver avance væk. Hvis du spekulerer på, hvordan du reducerer churn i detailhandlen med data, så begynd med tre trin, der ikke kræver et projekt:

  1. Fastlæg din grænse. Vælg det vindue på 60, 90 eller 120 dage, der passer til dine kunders normale købsfrekvens.
  2. Kombinér den med den historiske værdi. Skeln den hvilende kunde, der er sin vægt værd i guld, fra den, der ikke retfærdiggør indsatsen.
  3. Sæt betingelser for incitamentet. Knyt det til et minimumskøb eller til kategorier med avance, aldrig ens for hele kundebasen.

Når du har lanceret din første kampagne, så se på, hvilke segmenter der reagerede, og justér grænsen. Den første version er sjældent den endelige.

At finde kunder i risiko for frafald handler ikke om at gætte: Det er regler baseret på faktisk adfærd, fastlagt af din virksomhed og anvendt automatisk. Hvis du vil se, hvordan det sættes op på en rigtig platform, kan du se hvordan Wapping fungerer.