Nessun cliente ti avvisa che se ne sta andando. Non disdice, non reclama, non si cancella da nulla: un mese compra un po’ meno, quello dopo lascia passare settimane e, quando te ne accorgi, è da sei mesi che non mette piede in negozio. Per questo sapere come individuare i clienti a rischio di abbandono serve molto più che contare quanti se ne sono già andati.

La buona notizia è che questa perdita silenziosa lascia traccia nei tuoi dati di acquisto. Quella cattiva è che quasi nessuno li guarda in tempo: così la campagna di recupero arriva tardi o, peggio, si regala uno sconto a chi non lo avrebbe mai fatto fruttare. Ecco un approccio diverso, senza liste che scadono e con regole chiare basate sul comportamento reale.

Vale per una catena di negozi, per la ristorazione o per qualsiasi attività con clienti abituali che puoi identificare.

1. L’abbandono silenzioso: perché quasi mai c’è un churn esplicito

In un modello in abbonamento il churn ha una data: qualcuno disdice. Nel retail no. Il cliente che si allontana non fa alcun gesto: semplicemente, il suo modo di acquistare si raffredda. Questa differenza cambia tutto: se aspetti che l’abbandono sia evidente, hai già perso il cliente. Per questo il churn rate nel retail, calcolato come se fosse un abbonamento, arriva sempre tardi: quando l’abbandono compare nel numero, è già avvenuto.

C’è un secondo problema. Il cliente che comprava ogni tre settimane e ora si fa vedere ogni due mesi non spicca in nessun report di vendita: i suoi acquisti continuano a sommarsi, solo più distanziati. Per vederlo bisogna guardare il cliente, non il negozio.

Le cause sono diverse. C’è chi se ne va per una brutta esperienza e non lo dice, chi passa alla concorrenza senza avvisare e chi, semplicemente, cambia abitudini. Nei tuoi dati, però, tutti e tre finiscono allo stesso modo: meno acquisti, più distanziati, e uno storico che si spegne.

Negozio di abbigliamento senza clienti: l’abbandono silenzioso dei clienti a rischio

Se ti chiedi come individuare i clienti a rischio di abbandono, parti da qui: il cliente deve essere identificato. Senza lo storico di ogni persona non c’è nulla da confrontare e, senza confronto, non c’è segnale.

2. Come individuare i clienti a rischio di abbandono con l’RFM: i segnali che puoi misurare oggi

Non serve una sfera di cristallo. Serve decidere quale comportamento per te significa «raffreddarsi» e misurarlo in automatico. Questi sono i segnali che puoi seguire con i dati di acquisto che hai già.

I quattro stati RFM, da «a rischio» a «perso»

Il modello RFM classifica ogni cliente secondo tre variabili: quando ha acquistato l’ultima volta (recency), con quale frequenza acquista e quanto spende. In Wapping l’RFM viene calcolato in modo continuo e da esso derivano quattro stati che segnano il percorso verso l’abbandono.

I quattro stati RFM di un cliente a rischio di abbandono: At Risk, About to churn, Hibernating e Lost

Nell’RFM per il retail di Wapping, gli stati non si calcolano solo con i quintili: il sistema lavora anche con i valori assoluti e con il netto, cioè le vendite meno i resi. Un cliente che compra molto ma restituisce quasi tutto non è il buon cliente che sembra.

Come individuare i clienti a rischio di abbandono quando cambiano le loro abitudini d’acquisto

C’è un abbandono che l’RFM puro fatica a vedere: quello del cliente con un ritmo tutto suo. Quello che compra ogni anno a Natale, o quello che fa scorta a settembre per il rientro a scuola.

Wapping permette di creare un segmento con chi ha acquistato a Natale l’anno scorso e non lo ha ancora fatto quest’anno, e di individuare i clienti il cui comportamento stagionale è cambiato.

Con i livelli di un programma di fidelizzazione succede lo stesso: si può individuare chi rischia di scendere di livello e agire prima che accada.

3. Segmentazione RFM applicata al retail: come individuare i clienti a rischio di abbandono senza liste che scadono

Una lista di clienti a rischio esportata di lunedì è una fotografia, e martedì non è già più attuale. La segmentazione dinamica fa il contrario: il cliente entra ed esce dal segmento in automatico, in base al suo comportamento. In alcuni segmenti l’aggiornamento è in tempo reale, in altri avviene ogni due ore.

Hai due punti di partenza: i segmenti RFM predefiniti e quelli che costruisci tu con i criteri che la tua azienda considera un segnale di abbandono. La seconda opzione è quella che fa la differenza, perché cosa significhi «raffreddarsi» dipende dal business: la frequenza normale di un bar non somiglia a quella di un negozio di moda.

Una volta definito il segmento, vi si lanciano la promozione e la comunicazione e, quando il cliente torna ad acquistare, esce dal segmento da solo, senza che nessuno debba ripulire le liste. Il tutto senza aprire un ticket all’IT: il marketing definisce il criterio e il segmento si aggiorna da solo.

Se vuoi vedere come si costruiscono passo dopo passo, lo spieghiamo nel nostro articolo sulla segmentazione dinamica nel retail.

4. Soglie di inattività: 60, 90 o 120 giorni, ma mai da sole

Il criterio più diffuso per considerare qualcuno dormiente è il tempo trascorso senza acquistare. In Wapping la soglia è configurabile e le finestre abituali sono 60, 90 e 120 giorni. L’errore è usarla da sola: il tempo senza acquisti è solo metà della risposta.

Un cliente che non acquista da 90 giorni può essere qualcuno che spendeva 800 euro l’anno o qualcuno che è passato una volta per una promozione e ha speso 40 euro. È un esempio illustrativo, ma l’idea è reale: stessa soglia, valore molto diverso. Per questo le regole si combinano: giorni senza acquisti più l’importo speso in un altro periodo.

Cosa conti come valore storico lo decidi tu: quanto speso nell’ultimo anno, per esempio, o il netto, una volta sottratti i resi. L’importante è che il criterio sia lo stesso per tutto il team e che venga applicato sempre allo stesso modo.

Matrice delle soglie di inattività di 60, 90 e 120 giorni incrociate con il valore storico del cliente per decidere chi riattivare

Un modo pratico per leggerla, a titolo orientativo:

E una precisazione che smonta un’idea molto diffusa: non esiste un punto di non ritorno generale. Ci sono clienti dati per persi che si riattivano bene; ciò che cambia è quanto sei disposto a investire su ciascuno.

5. Campagna di riattivazione dei clienti dormienti: recuperarli senza regalare margine

È qui che molte campagne perdono soldi: sconto a tutti i dormienti, senza verificare se le vendite generate lasciano margine. Il criterio che funziona è l’opposto: condizionare l’incentivo. A una spesa minima, così che lo scontrino ripaghi l’incentivo, oppure a determinate categorie o prodotti in cui il margine sostiene l’investimento promozionale.

Tre errori che costano margine:

Quanto al canale, ciò che di solito funziona meglio è una promozione specifica, comunicata attraverso uno o più canali a seconda di quante persone vuoi raggiungere. Per un risultato rapido, push o SMS rendono in genere meglio dell’email, e spesso l’ideale è combinarne più di uno. WhatsApp si adatta a segmenti molto specifici e con il canale già attivo, non come invio massivo a tutta la base dormiente.

Quando l’incentivo viene applicato e riscattato al checkout tramite il motore headless di fidelizzazione e promozioni, il risultato si misura direttamente sulla vendita: sai quanti dei clienti riattivati hanno acquistato e con quale scontrino, senza stime.

6. Da dove iniziare questa settimana

Sapere come individuare i clienti a rischio di abbandono serve a poco se poi la riattivazione regala margine. Se ti chiedi come ridurre il churn nel retail con i dati, inizia con tre passi, senza bisogno di un progetto:

  1. Definisci la tua soglia. Scegli la finestra di 60, 90 o 120 giorni che ha senso per la frequenza normale dei tuoi clienti.
  2. Incrociala con il valore storico. Separa il cliente dormiente che vale oro da quello che non giustifica lo sforzo.
  3. Condiziona l’incentivo. A un acquisto minimo o a categorie con margine, mai a tutta la base allo stesso modo.

Quando lanci la prima campagna, guarda quali segmenti hanno risposto e regola la soglia. La prima versione raramente è quella definitiva.

Individuare i clienti a rischio di abbandono non significa tirare a indovinare: sono regole sul comportamento reale, definite dalla tua azienda e applicate in automatico. Se vuoi vedere come si configura su una piattaforma reale, scopri come funziona Wapping.