Kunder i risiko

Definition af kunder i risiko

Kunder i risiko er købere, der tidligere var aktive, men som er begyndt at vise tegn på aftagende engagement — oftest et købsmellemrum, der er længere end deres egen historiske købsrytme ville tilsige. Konceptet stammer fra RFM-analyse (Recency, Frequency, Monetary value — seneste køb, hyppighed, pengeværdi), hvor en kunde, der engang handlede ofte og for nylig, men nu er blevet stille på recency-dimensionen, bliver flaget, før de helt falder fra. Den afgørende forskel er relativ: en kunde, der handler én gang om året, er ikke i risiko efter fire måneders stilhed, men en kunde, der regelmæssigt handler månedligt, er et betydeligt advarselstegn efter de samme fire måneder.

Hvordan status som kunde i risiko identificeres

De fleste segmenteringsmetoder scorer kunder på recency (hvor længe siden deres sidste ordre) og frequency (hvor ofte de historisk set bestiller), og flag derefter alle, hvis recency er glip langt ud over, hvad deres hyppighedshistorie ville forudsige som normalt.

Praktisk eksempel: en abonnementsbaseret kaffeforhandler har en kunde, der bestilte hver femte uge i det seneste år — et tydeligt, konsistent mønster. I uge ni siden sidste ordre, uden et nyt køb, krydser denne kunde over i “kunde i risiko”-territorium, da det er næsten det dobbelte af deres typiske genbestillingsinterval. En anden kunde med et meget mindre hyppigt, uregelmæssigt købsmønster ville ikke udløse samme flag efter ni uger, fordi ni uger ikke er usædvanligt i forhold til deres egen historik.

Klar til at overvåge din AI-synlighed?

Følg, hvordan AI-chatbots nævner dit brand i ChatGPT, Perplexity og andre platforme.

Kom i gang Kontakt

Hvorfor kunder i risiko betyder noget for e-handelsmærker

At fastholde en eksisterende kunde er pålideligt billigere end at skaffe en ny, hvilket gør vinduet for kunder i risiko til et af de højst gearede tidspunkter i kundens livscyklus til at gribe ind. Når en kunde først er helt frafaldet, kræver genvinding typisk et meget større incitament og har en lavere succesrate end et veltimet puf, mens de kun er ved at blive langsommere. At identificere netop dette segment — i stedet for at behandle alle inaktive kunder ens — giver forhandleren mulighed for at prioritere opsøgende kontakt til de kunder, der mest sandsynligt vil reagere på en rettidig påmindelse, frem for at sprede en generisk genvindingskampagne til alle, der ikke har handlet for nylig, uanset deres tidligere engagement.

Kunder i risiko og AI-drevet handel

Segmentering af kunder i risiko har ikke en direkte AI-shoppingassistent-mekanisme, men det hænger sammen med en bredere udvikling: efterhånden som mere gentagelseskøbsadfærd formidles gennem AI-shoppingassistenter frem for direkte besøg på hjemmesiden, kan en kunde med aftagende aktivitet blot genbestille gennem en anden kanal — en AI-assistent, der håndterer et rutinemæssigt genkøb — snarere end reelt at miste interessen for mærket. At skelne mellem en ægte kunde i risiko og en, der blot har ændret måden, de genbestiller på, er en nuance værd at holde øje med, efterhånden som agentdrevet handel vokser.

AmICiteds eshop_get_segments-værktøj anvender RFM-inspireret segmentering direkte på en tilsluttet butiks ordrehistorik og præsenterer et segment for kunder i risiko uden at forhandleren selv behøver at opbygge recency-frequency-logikken. Det giver forhandlere en klar liste at målrette med genvindingskampagner, før disse kunder helt glider over i kategorien af mistede kunder.

Hold dig opdateret om tendenser inden for AI-synlighed

Få de nyeste indsigter om AI-omtaler, brandovervågning og optimeringsstrategier.

E-mailadresse

Tilmeld

Bedste praksis for kunder i risiko

• Baser tærskler for kunder i risiko på hver enkelt kundes egen historiske købshyppighed, ikke et enkelt fast inaktivitetsvindue anvendt på alle
• Prioriter opsøgende kontakt til kunder i risiko med høj historisk pengeværdi, da de repræsenterer mest omsætning på spil
• Personaliser genvindingsbudskaber omkring kundens faktiske tidligere køb frem for at sende en generisk rabatbredside
• Genberegn segmentet for kunder i risiko med jævne mellemrum, da status løbende ændrer sig med tiden
• Spor, hvor mange kunder i risiko der med succes genaktiveres kontra hvor mange der udvikler sig til helt mistede kunder, for at vurdere om den opsøgende kontakt virker

Almindelige fejl med kunder i risiko

En almindelig fejl er at anvende en enkelt fast inaktivitetstærskel — som “intet køb på 90 dage” — på hele kundebasen, hvilket overser ægte kunder i risiko blandt hyppige købere, mens unødigt naturligt uregelmæssige kunder flagges. Et andet hyppigt problem er at behandle segmentet for kunder i risiko på samme måde som helt mistede kunder og sende en mindre målrettet, mindre personlig besked, når et mere præcist puf stadig sandsynligvis vil virke. Nogle forhandlere opbygger segmentet én gang og opdaterer det aldrig, så den opsøgende kontakt ender med at ramme kunder, hvis status allerede har ændret sig siden listen sidst blev beregnet. Det er også almindeligt at springe måling over af, om genvindingsindsatsen rent faktisk virker, og køre den samme kampagne gentagne gange uden nogensinde at bekræfte, at den forbedrer genaktivering sammenlignet med slet ingen opsøgende kontakt.