Kunder sier ikke fra når de har tenkt å forsvinne. De sier ikke opp noe, klager ikke og melder seg ikke av: Én måned handler de litt mindre, den neste lar de noen uker gå, og når du merker det, har de ikke satt sin fot i butikken på et halvt år. Derfor er det mye mer nyttig å vite hvordan du finner kunder som står i fare for å forsvinne enn å telle hvor mange som allerede har gått.

Den gode nyheten er at dette stille tapet etterlater spor i dine egne kjøpsdata. Den dårlige er at nesten ingen ser på dem i tide: Man ser først når reaktiveringskampanjen allerede kommer for sent, eller enda verre, når man gir rabatt til noen som aldri ville ha gjort rabatten lønnsom. Her er en annen måte å jobbe på, uten lister som blir utdatert, og med tydelige regler basert på faktisk atferd.

Det fungerer for en butikkjede, for serveringsvirksomhet eller for hvilken som helst virksomhet med gjenkommende kunder som du kan identifisere.

1. Stille kundefrafall: derfor finnes det nesten aldri noen uttalt churn

I en abonnementsvirksomhet har churn en dato: Noen sier opp. I varehandelen er det ikke slik. Kunden som glir bort, gir ikke fra seg noe signal, kjøpsmønsteret kjølner rett og slett. Den forskjellen endrer alt: Hvis du venter til frafallet er åpenbart, har du allerede mistet kunden. Derfor kommer churn rate i varehandelen, beregnet som om det var et abonnement, alltid for sent: Når frafallet synes i tallet, har det allerede skjedd.

Det finnes et annet problem. Kunden som handlet hver tredje uke og nå dukker opp annenhver måned, skiller seg ikke ut i noen salgsrapport: Kjøpene fortsetter å telle, bare med lengre mellomrom. For å se det må du se på kunden, ikke på butikken.

Årsakene varierer. Noen forsvinner etter en dårlig opplevelse uten å si noe, andre går over til konkurrenten uten forvarsel, og atter andre endrer rett og slett vanene sine. I dataene dine ender alle tre på samme måte: færre kjøp, med lengre mellomrom, og en kjøpshistorikk som ebber ut.

Klesbutikk uten kunder, et bilde på stille kundefrafall blant kunder som står i fare for å forsvinne

Hvis du lurer på hvordan du finner kunder som står i fare for å forsvinne, start her: Kunden må være identifisert. Uten kjøpshistorikken til hver person finnes det ingenting å sammenligne, og uten sammenligning finnes det ikke noe signal.

2. Slik finner du kunder i faresonen med RFM: signalene du kan måle allerede i dag

Du trenger ingen krystallkule. Du må bestemme hvilken atferd du regner som å «kjølne», og måle den automatisk. Dette er signalene du kan følge med kjøpsdataene du allerede har.

De fire RFM-statusene, fra «i faresonen» til «tapt»

RFM-modellen rangerer hver kunde ut fra tre variabler: når kunden sist handlet (recency), hvor ofte kunden handler (frequency) og hvor mye kunden bruker (monetary). I Wapping beregnes RFM kontinuerlig, og ut fra den utledes fire statuser som markerer veien mot frafall.

De fire RFM-statusene for en kunde i faresonen: At Risk, About to churn, Hibernating og Lost

I Wappings RFM for varehandelen beregnes statusene ikke bare ut fra kvintiler: Systemet jobber også med absolutte verdier og med nettoverdien, altså salget minus returene. En kunde som kjøper mye, men returnerer nesten alt, er ikke den gode kunden det ser ut som.

Slik finner du kunder i faresonen når det vanlige kjøpsmønsteret endrer seg

Det finnes en type frafall som ren RFM oppdager sent: kunden med sin egen rytme. Den som handler hvert år til jul, eller den som fyller på i september før skolestarten.

Med Wapping kan du bygge et segment med kunder som handlet til jul i fjor og ennå ikke har gjort det i år, og finne kunder der sesongmønsteret har endret seg.

Det samme gjelder nivåene i et lojalitetsprogram: Du kan finne kundene som står i fare for å rykke ned et nivå, og handle før det skjer.

3. RFM-segmentering i varehandelen: finn kunder i faresonen uten lister som blir utdatert

En liste over risikokunder som eksporteres en mandag, er et øyeblikksbilde, og på tirsdag stemmer den ikke lenger. Dynamisk segmentering gjør det motsatte: Kunden går inn i og ut av segmentet automatisk, ut fra sin egen atferd. I noen segmenter skjer endringen i sanntid, i andre oppdateres de annenhver time.

Du har to utgangspunkt: de forhåndsdefinerte RFM-segmentene og segmentene du selv bygger med kriteriene virksomheten din ser som et signal om frafall. Det andre alternativet er det som utgjør forskjellen, fordi hva det innebærer å «kjølne», avhenger av virksomheten: Den normale kjøpsfrekvensen i en kafé ligner ikke på den i en motebutikk.

Når segmentet er definert, rettes kampanjen og kommunikasjonen mot det, og når kunden handler igjen, forlater kunden segmentet automatisk, uten at noen trenger å rydde i lister. Alt dette uten å åpne en sak hos IT: Markedsavdelingen bestemmer kriteriet, og segmentet holder seg selv oppdatert.

Hvis du vil se hvordan de bygges steg for steg, forklarer vi det i artikkelen vår om dynamisk segmentering i varehandelen.

4. Grenser for sovende kunder: 60, 90 eller 120 dager, men aldri alene

Det vanligste kriteriet for å regne noen som sovende kunde er tiden siden siste kjøp. I Wapping kan grensen konfigureres, og de vanlige tidsvinduene er 60, 90 og 120 dager. Feilen er å bruke den alene: Tiden uten kjøp er bare halve svaret.

En kunde som ikke har handlet på 90 dager, kan være noen som brukte 800 euro i året, eller noen som kom innom én gang for en kampanje og brukte 40 euro. Det er et illustrerende eksempel, men tanken er reell: samme grense, svært ulik verdi. Derfor kombineres reglene: dager uten kjøp pluss beløpet som er brukt i en annen periode.

Hva som regnes som historisk verdi, bestemmer du: det som er brukt det siste året, for eksempel, eller nettoverdien etter fradrag for returer. Det viktige er at kriteriet er det samme for hele teamet og alltid brukes på samme måte.

Matrise med inaktivitetsgrenser på 60, 90 og 120 dager kombinert med kundens historiske verdi for å avgjøre hvem som skal reaktiveres

En praktisk måte å lese matrisen på, som rettesnor:

Og en nyanse som slår hull på en utbredt forestilling: Det finnes ikke noe generelt punkt der det er for sent. Noen kunder som er regnet som tapt, kan utmerket godt reaktiveres, forskjellen ligger i hvor mye du er villig til å investere i hver enkelt.

5. Reaktiveringskampanjer for sovende kunder: vinn tilbake uten å gi bort margin

Det er her mange kampanjer taper penger: rabatt til alle sovende kunder, uten å sjekke om salget de gir, etterlater noen margin. Det som fungerer, er det motsatte: å stille vilkår for insentivet. Knytt det til et minste kjøpsbeløp, slik at kjøpet lønner seg, eller til bestemte kategorier eller produkter der marginen bærer kampanjeinvesteringen.

Tre feil som koster margin:

Når det gjelder kanal, fungerer en egen kampanje oftest best, kommunisert via én eller flere kanaler avhengig av hvor mange du vil nå. For raske resultater gir push eller SMS oftest bedre effekt enn e-post, og ofte er det best å kombinere flere. WhatsApp passer for svært spesifikke segmenter der kanalen allerede er aktiv, ikke som masseutsendelse til hele den sovende kundebasen.

Insentivet anvendes og løses inn i kassen via den headless lojalitets- og kampanjemotoren og dermed måles resultatet direkte på salget: Du vet uten anslag hvor mange av de reaktiverte kundene som handlet, og med hvilket kjøpsbeløp.

6. Hvor du starter denne uken

Å vite hvordan du finner kunder som står i fare for å forsvinne, er ikke verdt mye hvis reaktiveringen etterpå gir bort margin. Hvis du lurer på hvordan du reduserer churn i varehandelen med data, start med tre steg som ikke krever noe prosjekt:

  1. Bestem grensen din. Velg vinduet på 60, 90 eller 120 dager som passer den normale kjøpsfrekvensen til kundene dine.
  2. Kombiner den med den historiske verdien. Skill den sovende kunden som er gull verdt, fra den som ikke forsvarer innsatsen.
  3. Still vilkår for insentivet. Knytt det til et minste kjøpsbeløp eller til kategorier med margin, aldri likt for hele kundebasen.

Når du har lansert den første kampanjen din, ser du på hvilke segmenter som svarte, og justerer grensen. Den første versjonen er sjelden den endelige.

Å finne kunder som står i fare for å forsvinne, handler ikke om å gjette: Det er regler basert på faktisk atferd, bestemt av virksomheten din og brukt automatisk. Hvis du vil se hvordan det settes opp på en faktisk plattform, kan du utforske hvordan Wapping fungerer.