Att behålla kunder längre kan i många fall vara en mer lönsam affär än marknadsinsatser mot nya kunder. Inte bara för att anskaffningskostnader ofta är stora för nykundsbearbetning utan även för att insatser för att behålla kunden längre även ofta får positiva bieffekter såsom en ökad grad av nöjda ambassadörer som i sig attraherar nya kunder genom rekommendationer. Att behålla kunder längre betyder även att anskaffningskostnaden i slutändan kan höjas då du kan räkna med en större inkomst för varje kund.
Ett företag med lojalare kunder kan vara aggressivare i nykundsbearbetningen än konkurrenterna. De vet att de investerar i längre kundrelationer.
Vad är det som skapar långa kundrelationer? En kundupplevelse består av så många steg att det är svårt att veta vad som skapar långa kundrelationer. Det är dessutom ännu mer komplext eftersom olika kunder har olika preferenser och förväntningar.
Och framförallt: hur ska man maximera kundlivstidslängden till så låg insats som möjligt?
Det räcker inte att fråga kunder om deras upplevelser, även om det kan vara ett bra komplement. Det går att säga en sak och sedan agera annorlunda. Vi måste utgå från faktiskt kundbeteende och det är till detta du behöver en churn- eller retention-analys som utgår ifrån faktiskt kundbeteende och segmenterar kunderna utifrån alla dina, idag tillgängliga, mätpunkter.
För att bli mer specifik: Om jag nu hade en churnanalys hur skulle jag använda den för att skapa nytta? Nyttorna kan delas upp i två delar utifrån hur dessa uppnås: Deskriptiv analys, de värden som kan uppnås genom djupare insikt och därifrån bättre kundstrategi och prediktiv analys, de värden som kan uppnås genom att segmentera befintliga kunder utifrån churnanalysen och sedan agera på dessa kunder på olika sätt.
Det kan visa sig att olika typer av kunder har olika livslängd. Kanske är det vissa åldersgrupper kombinerat med vissa geografiska områden som visar sig vara extra lojala eller så kan de hittas beroende på vilken kanal kunden först hittade till er kundrelation. Det är inte säkert att dessa kunder ser bäst ut från början. De kanske inte spenderar mest i nyförsäljningen men väger upp detta genom att vara kunder länge, därför är det en risk att företaget missat dessa kundgrupper tidigare. Genom att ge extra fokus för att attrahera dessa lojala kundgrupper genom rätt erbjudanden i rätt kanal uppnås en högre livslängd totalt och företaget åtnjuter totalt sett en högre grad av återkommande intäkter.
Inte bara kundens demografi eller beteende har betydelse för lojaliteten. Egna verksamhetens sätt att hantera olika delar av processen kan ha stor betydelse. Det uppenbara är hur olika problem i relationen hanteras. Utan insikt för avhoppsrisker kanske det är vanligt att man väljer en problemhantering för en ärendetyp som ser bra ut på kort sikt eftersom den kanske håller nere kostnaden. När avhoppsrisk tas med i beräkningen kan det dock visa sig att det finns fler bättre strategier att nyttja. Det kan dock även finnas helt andra delar som ger lojalitet. Kanske en specifik kampanj, kanal eller produkt som ger längre kundlivslängder.
Vissa produkter kan driva mer komplexa kundrelationer som då även blir starkare. Om vissa produkter visar sig vara förknippade med ökad kundlivslängd kan det vara en utmärkt idé att ta detta i beaktande vid till exempel prissättningen men även produktutvecklingen i övrigt.
En verksamhet som kan uppvisa hög grad av återkommande kunder kan nå en hävarmseffekt i hur bolaget värderas. Detta kan vara den extra motivatorn som gör att man vågar satsa på att optimera kundlivstidsvärdet istället för kortsiktigt. Att ha insikt i avhoppsbeteendena blir grunden för att kunna påvisa och förklara graden av återkommande kunder.
Genom att tillämpa en prediktiv analysmodell på befintliga kunder kan man hitta kunder som har en extra hög risk för avhopp och agera utifrån detta för att försöka minska avhopp. Kanske är det att ha speciella proaktiva utgående kampanjer för högrisk-kunder eller så kan det vara att agera med speciell kommunikation eller erbjudande med dessa när dessa ändå kontaktar dig i inkommande kanaler som website, telefon eller i butik.
Genom att tillämpa en prediktiv analysmodell på befintliga kunder kan du även hitta kunder som har en extra låg risk för avhopp och agera utifrån detta. Det är möjligt att det bästa är att faktiskt inte störa dessa kunder något extra utan att de helt enkelt trivs väldigt bra med sättet ni arbetar idag. Det kan dock vara en bra plats att leta ambassadörer och rekommendationer eller bara visa uppskattning för att öka lojaliteten ytterligare? Det är ju annars uppenbart att ur ett lojalitetsperspektiv inte finns skäl att ändra status quo för dessa kunder så kan det dock vara bra att hålla koll på händelser som skulle kunna få en nöjd, lojal kund missnöjd? Kanske det är bra att agera på något extra sätt om ett problem uppstår i leveransen? Eller agera extra om konkurrenter försöker sära dessa lojala kunder från din verksamhet?
Att utnyttja en avhoppsrisken som en parameter in i beräknandet av kundlivstidsvärdet för att få ett kundlivstidsvärde som bygger på varje specifiks kunds demografi och kundbeteende gör att kundlivslängden och produktmarginaler sätts i förhållande till varandra på ett optimalt sätt för beslutsfattande och planering av kundarbetet.
Då kundlivslängd är en av de absolut viktigaste faktorerna för en bra verksamhet finns det oerhörda mängder sätt att dra nytta av churnanalysen i både planeringsarbetet och rent operativt. Dessa sju är några exempel bara som både kan delas upp i detaljer och utökas av fler. En bra sätt att komma igång är att börja göra en explorativ analys för att därifrån avgöra var det finns lägst insatskostnad för att komma igång och nyttja modellen för att förbättra verksamheten. Mer om hur du gör en churn-analys hittar du i denna artikel.