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.

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.
- At Risk (a rischio). Un buon cliente, con frequenza e valore medi o alti, che da tempo non acquista. È quello che fa più male perdere e il più redditizio da recuperare.
- About to churn (in procinto di andarsene). Un cliente con frequenza e valore medi il cui modo di acquistare inizia a raffreddarsi.
- Hibernating (in letargo). Non acquista da molto tempo, con poca frequenza e un valore basso o medio.
- Lost (perso). Non acquista da moltissimo tempo, con frequenza e valore bassi.

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.

Un modo pratico per leggerla, a titolo orientativo:
- Valore storico alto. Vale la pena agire presto, già nella finestra dei 60 giorni, e con un incentivo all’altezza.
- Valore medio. Riattivazione standard intorno ai 90 giorni, con un incentivo calibrato.
- Valore basso. Intorno ai 120 giorni; non giustifica un incentivo costoso.
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:
- Dare lo stesso sconto a tutta la base dormiente, senza distinguere il cliente di valore da quello che non lo è.
- Guardare solo i giorni senza acquisti, senza incrociarli con quanto il cliente ha speso.
- Aspettare che il cliente arrivi a Lost. Gli stati intermedi esistono proprio per agire prima.
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:
- Definisci la tua soglia. Scegli la finestra di 60, 90 o 120 giorni che ha senso per la frequenza normale dei tuoi clienti.
- Incrociala con il valore storico. Separa il cliente dormiente che vale oro da quello che non giustifica lo sforzo.
- 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.