Asiakkaat eivät kerro, kun he aikovat lähteä. He eivät irtisano mitään, eivät valita eivätkä peru tilaustaan: yhtenä kuukautena he ostavat vähän vähemmän, seuraavana he antavat muutaman viikon kulua, ja kun huomaat sen, he eivät ole astuneet myymälään puoleen vuoteen. Siksi on paljon hyödyllisempää tietää, miten tunnistat lähtöriskissä olevat asiakkaat, kuin laskea, kuinka moni on jo lähtenyt.
Hyvä uutinen on, että tämä hiljainen menetys jättää jälkiä omaan ostodataasi. Huono uutinen on, että lähes kukaan ei katso niitä ajoissa: niitä katsotaan vasta, kun uudelleenaktivointikampanja tulee jo liian myöhään, tai vielä pahempaa, kun alennus annetaan asiakkaalle, joka ei olisi koskaan tehnyt alennuksesta kannattavaa. Tässä on toinen tapa toimia, ilman vanhentuvia listoja ja selkeillä, todelliseen käyttäytymiseen perustuvilla säännöillä.
Se toimii myymäläketjulle, ravintola-alalle tai mille tahansa liiketoiminnalle, jolla on tunnistettavia palaavia asiakkaita.
1. Hiljainen asiakaspoistuma: miksi poistuma ei juuri koskaan ole julkilausuttua
Tilausliiketoiminnassa poistumalla on päivämäärä: joku irtisanoo tilauksensa. Vähittäiskaupassa näin ei ole. Hiljalleen etääntyvä asiakas ei anna mitään merkkiä, hänen ostokäyttäytymisensä yksinkertaisesti viilenee. Tämä ero muuttaa kaiken: jos odotat, kunnes poistuma on ilmeinen, olet jo menettänyt asiakkaan. Siksi vähittäiskaupan churn rate, laskettuna kuin kyse olisi tilauksesta, tulee aina liian myöhään: kun poistuma näkyy luvussa, se on jo tapahtunut.
On toinenkin ongelma. Asiakas, joka osti joka kolmas viikko ja käy nyt joka toinen kuukausi, ei erotu mistään myyntiraportista: ostot lasketaan edelleen, vain pidemmin välein. Nähdäksesi sen sinun on tarkasteltava asiakasta, ei myymälää.
Syyt vaihtelevat. Jotkut lähtevät huonon kokemuksen jälkeen sanomatta mitään, toiset siirtyvät kilpailijalle ilman ennakkovaroitusta, ja jotkut yksinkertaisesti muuttavat tapojaan. Datassasi kaikki kolme päättyvät samalla tavalla: vähemmän ostoja, pidemmin välein, ja hiipuva ostohistoria.

Jos mietit, miten tunnistat lähtöriskissä olevat asiakkaat, aloita tästä: asiakkaan on oltava tunnistettu. Ilman jokaisen henkilön ostohistoriaa ei ole mitään verrattavaa, ja ilman vertailua ei ole signaalia.
2. Näin tunnistat lähtöriskissä olevat asiakkaat RFM:n avulla: signaalit, joita voit mitata jo tänään
Et tarvitse kristallipalloa. Sinun on päätettävä, minkä käyttäytymisen katsot ”viilenemiseksi”, ja mitattava sitä automaattisesti. Nämä ovat signaalit, joita voit seurata jo olemassa olevan ostodatasi avulla.
Neljä RFM-tilaa, ”riskivyöhykkeeltä” ”menetettyyn”
RFM-malli luokittelee jokaisen asiakkaan kolmen muuttujan perusteella: milloin asiakas viimeksi osti (recency), kuinka usein hän ostaa (frequency) ja kuinka paljon hän käyttää rahaa (monetary). Wappingissa RFM lasketaan jatkuvasti, ja sen pohjalta muodostetaan neljä tilaa, jotka merkitsevät tietä kohti poistumaa.
- At Risk (riskivyöhykkeellä). Hyvä asiakas, jonka ostotiheys ja arvo ovat keskitasoa tai korkeita, mutta joka ei ole ostanut hetkeen. Hänen menettämisensä kirpaisee eniten, ja hänen takaisinvoittamisensa on kannattavinta.
- About to churn (lähdössä). Asiakas, jonka ostotiheys ja arvo ovat keskitasoa ja jonka ostokäyttäytyminen alkaa viilentyä.
- Hibernating (horroksessa). Ei ole ostanut pitkään aikaan, ostotiheys on matala ja arvo matala tai keskitasoa.
- Lost (menetetty). Ei ole ostanut hyvin pitkään aikaan, ostotiheys on matala ja arvo matala.

Wappingin vähittäiskaupan RFM:ssä tiloja ei lasketa pelkästään kvintiilien perusteella: järjestelmä käyttää myös absoluuttisia arvoja ja nettoarvoa eli myyntiä, josta on vähennetty palautukset. Asiakas, joka ostaa paljon mutta palauttaa lähes kaiken, ei ole niin hyvä asiakas kuin miltä näyttää.
Näin tunnistat lähtöriskissä olevat asiakkaat, kun heidän tavallinen ostokäyttäytymisensä muuttuu
On olemassa poistuman tyyppi, jonka pelkkä RFM havaitsee myöhään: asiakas, jolla on oma rytminsä. Hän, joka ostaa joka vuosi jouluksi, tai hän, joka täydentää varastojaan syyskuussa koulujen alkaessa.
Wappingilla voit rakentaa segmentin asiakkaista, jotka ostivat viime vuonna jouluksi mutta eivät ole vielä ostaneet tänä vuonna, ja löytää asiakkaat, joiden kausittainen ostokäyttäytyminen on muuttunut.
Sama pätee kanta-asiakasohjelman jäsentasoihin: voit tunnistaa asiakkaat, jotka ovat vaarassa pudota tasolta, ja toimia ennen kuin niin käy.
3. RFM-segmentointi vähittäiskaupassa: tunnista lähtöriskissä olevat asiakkaat ilman vanhentuvia listoja
Maanantaina viety riskiasiakkaiden lista on tilannekuva, ja tiistaina se ei enää pidä paikkaansa. Dynaaminen segmentointi toimii päinvastoin: asiakas siirtyy segmenttiin ja pois siitä automaattisesti käyttäytymisensä perusteella. Joissakin segmenteissä muutos tapahtuu reaaliajassa, toiset päivittyvät kahden tunnin välein.
Sinulla on kaksi lähtökohtaa: valmiit RFM-segmentit ja segmentit, jotka rakennat itse niillä kriteereillä, joita liiketoimintasi pitää poistuman signaalina. Jälkimmäinen vaihtoehto ratkaisee, koska se, mitä ”viileneminen” tarkoittaa, riippuu liiketoiminnasta: kahvilan normaali ostotiheys ei muistuta muotiliikkeen ostotiheyttä.
Kun segmentti on määritetty, kampanja ja viestintä kohdistetaan siihen, ja kun asiakas ostaa uudelleen, hän poistuu segmentistä automaattisesti ilman, että kenenkään tarvitsee siivota listoja. Kaikki tämä ilman tikettiä IT:lle: markkinointi päättää kriteerin, ja segmentti pysyy itsestään ajan tasalla.
Jos haluat nähdä, miten segmentit rakennetaan vaihe vaiheelta, kerromme sen artikkelissamme dynaamisesta segmentoinnista vähittäiskaupassa.
4. Uinuvien asiakkaiden rajat: 60, 90 tai 120 päivää, mutta ei koskaan yksinään
Yleisin kriteeri, jolla asiakas luokitellaan uinuvaksi, on edellisestä ostosta kulunut aika. Wappingissa raja on konfiguroitavissa, ja tavalliset aikaikkunat ovat 60, 90 ja 120 päivää. Virhe on käyttää sitä yksinään: ostoton aika on vain puolet vastauksesta.
Asiakas, joka ei ole ostanut 90 päivään, voi olla joku, joka käytti 800 euroa vuodessa, tai joku, joka kävi kerran kampanjan takia ja käytti 40 euroa. Esimerkki on havainnollistava, mutta ajatus on todellinen: sama raja, hyvin erilainen arvo. Siksi säännöt yhdistetään: ostottomat päivät sekä toisella ajanjaksolla käytetty summa.
Sinä päätät, mitä pidetään historiallisena arvona: esimerkiksi viimeisen vuoden aikana käytetty summa tai nettoarvo palautusten vähentämisen jälkeen. Tärkeintä on, että kriteeri on sama koko tiimille ja että sitä sovelletaan aina samalla tavalla.

Käytännöllinen tapa lukea matriisia suuntaa-antavasti:
- Korkea historiallinen arvo. Kannattaa toimia aikaisin, jo 60 päivän ikkunassa, arvoon suhteutetulla kannustimella.
- Keskitason arvo. Tavanomainen uudelleenaktivointi noin 90 päivän kohdalla, mukautetulla kannustimella.
- Matala arvo. Noin 120 päivän kohdalla. Ei perustele kallista kannustinta.
Ja vivahde, joka kumoaa yleisen käsityksen: ei ole yleistä pistettä, jonka jälkeen on liian myöhäistä. Osa menetetyiksi luokitelluista asiakkaista on erinomaisesti aktivoitavissa uudelleen, ja ero on siinä, kuinka paljon olet valmis investoimaan kuhunkin.
5. Uudelleenaktivointikampanjat uinuville asiakkaille: voita takaisin antamatta katetta pois
Tässä moni kampanja menettää rahaa: alennus kaikille uinuville asiakkaille tarkistamatta, jääkö heidän tuomastaan myynnistä katetta. Toimiva tapa on päinvastainen: kannustin asetetaan ehdolliseksi. Sido se vähimmäisostosummaan, jotta ostos kannattaa, tai tiettyihin kategorioihin tai tuotteisiin, joiden kate kantaa kampanjainvestoinnin.
Kolme virhettä, jotka maksavat katetta:
- Saman alennuksen antaminen koko uinuvalle asiakaskannalle erottelematta arvokasta asiakasta siitä, joka ei ole arvokas.
- Pelkkien ostottomien päivien tarkastelu ottamatta huomioon, mitä asiakas on käyttänyt.
- Odottaminen, kunnes asiakas on Lost-tilassa. Välitilat ovat olemassa juuri siksi, että voit toimia aiemmin.
Kanavan osalta parhaiten toimii yleensä erillinen kampanja, joka viestitään yhden tai useamman kanavan kautta sen mukaan, kuinka monta asiakasta haluat tavoittaa. Nopeaan tulokseen push tai tekstiviesti tehoaa yleensä paremmin kuin sähköposti, ja usein on parasta yhdistää useita. WhatsApp sopii hyvin tarkkoihin segmentteihin, joissa kanava on jo käytössä, ei massalähetyksiin koko uinuvalle asiakaskannalle.
Kun kannustin sovelletaan ja lunastetaan kassalla headless-kanta-asiakas- ja kampanjamoottorin kautta, tulos mitataan suoraan myynnistä: tiedät ilman arvioita, kuinka moni uudelleenaktivoiduista asiakkaista osti ja millä ostosummalla.
6. Mistä aloitat tällä viikolla
Lähtöriskissä olevien asiakkaiden tunnistaminen ei ole paljon arvoista, jos uudelleenaktivointi sitten antaa katetta pois. Jos mietit, miten vähennät asiakaspoistumaa vähittäiskaupassa datan avulla, aloita kolmella vaiheella, jotka eivät vaadi projektia:
- Päätä rajasi. Valitse 60, 90 tai 120 päivän ikkuna, joka sopii asiakkaidesi normaaliin ostotiheyteen.
- Yhdistä se historialliseen arvoon. Erota kullanarvoinen uinuva asiakas siitä, joka ei perustele panostusta.
- Aseta kannustimelle ehdot. Sido se vähimmäisostosummaan tai katteellisiin kategorioihin, älä koskaan samanlaisena koko asiakaskannalle.
Kun olet lanseerannut ensimmäisen kampanjasi, katso, mitkä segmentit reagoivat, ja säädä rajaa. Ensimmäinen versio on harvoin lopullinen.
Lähtöriskissä olevien asiakkaiden tunnistaminen ei ole arvailua: se on todelliseen käyttäytymiseen perustuvia sääntöjä, jotka liiketoimintasi määrittää ja joita sovelletaan automaattisesti. Jos haluat nähdä, miten tämä määritetään oikealla alustalla, voit lukea lisää siitä, miten Wapping toimii.