Så arbetar vi datadrivet med CRM

Många företag beskriver sin marknadsföring som datadriven. Inom CRM innebär det ofta att segmentera mottagare efter tidigare köp, aktivitet på webbplatsen eller vilka som har öppnat ett nyhetsbrev under en viss period.

Det är en bra början. Men för oss innebär datadrivet CRM något mer.

Vi vill använda data för att förstå hur kundbasen faktiskt utvecklas, var möjligheterna finns och vilka insatser som har bäst förutsättningar att påverka affären.

Det kan handla om frågor som:

• När är sannolikheten för ett återköp som högst?
• Hur lång tid går det normalt mellan kundernas köp?
• Vilka produkter leder oftast till en långsiktig kundrelation?
• Vilka kunder har störst potential att utvecklas?
• När börjar en kundrelation försvagas?
• Vilka kampanjer attraherar kunder som återkommer?
• Vilka delar av kundresan bör CRM prioritera?

Svaren på de här frågorna finns sällan i en generell lista över best practice. De finns vanligtvis i företagets egen data.

Vår uppgift blir därför att hitta, strukturera och presentera datan på ett sätt som gör den möjlig att använda. Det är i mötet mellan business intelligence, kundförståelse och CRM-strategi som vi ser den största potentialen.

Datadrivet CRM börjar med rätt frågor

Vi får ofta frågor som:

När bör vi skicka ett nyhetsbrev?

Hur ofta ska vi kommunicera?

Hur länge ska vi vänta innan ett abandoned cart-mejl skickas?

Vilka produkter bör rekommenderas efter kundens första köp?

Det är relevanta frågor, men det finns sällan ett svar som fungerar för alla företag.

Den bästa tidpunkten för ett varumärke kan vara fel för ett annat. Köpresans längd, produkternas livscykel, kundernas beteende och företagets affärsmodell påverkar vad som är rimligt.

Därför försöker vi börja i den egna datan.

Oavsett vilken e-handelsplattform eller CRM-lösning ett företag använder finns det vanligtvis information om:

• När kunderna handlar
• Vad de köper
• Hur ofta de återkommer
• Vilka produkter de köper tillsammans
• Hur kundvärdet förändras över tid
• Hur olika kundgrupper utvecklas
• När engagemanget börjar minska

Utmaningen är sällan att det inte finns någon data. Utmaningen är att göra informationen begriplig, tillgänglig och användbar i det dagliga arbetet.

För oss är det först när en insikt påverkar ett beslut eller en aktivitet som arbetet blir datadrivet på riktigt.

När sker kundernas återköp?

I ett av våra analysunderlag kunde vi se att 59,28% av de återkommande kunderna gjorde sitt nästa köp inom tre månader.

Efter den perioden minskade sannolikheten för återköp tydligt.

Det betyder inte att alla kunder måste handla igen inom exakt tre månader. Produkter har olika livslängd och kunder har olika behov. Däremot ger mönstret oss en tydlig indikation på när möjligheten att påverka ett återköp är som störst.

Takeaway:

De första månaderna efter ett köp är ofta en viktig del av kundresan.

Det är då upplevelsen av produkten, leveransen och varumärket fortfarande är relativt färsk. Kunden känner igen företaget och har redan tagit det första steget i relationen.

Vi kan därför använda informationen för att skapa ett segment, exempelvis Hot opportunity, bestående av kunder som befinner sig inom den period där sannolikheten för återköp är som högst.

Det innebär inte att gruppen alltid ska få fler erbjudanden eller en högre utskicksfrekvens. Kommunikationen behöver fortfarande vara relevant.

Beroende på företag och produkt kan den exempelvis innehålla:

• Hjälp med att använda produkten
• Inspiration och vägledning
• Relevanta kompletterande produkter
• Påminnelser om påfyllning eller underhåll
• Information som minskar osäkerhet
• Ett erbjudande när det finns ett tydligt behov

Datan hjälper oss att identifiera möjligheten. Innehållet behöver sedan utformas utifrån vad som skapar värde för kunden.

Vad händer efter kundens första produktköp?

Nästa fråga vi ofta undersöker är:

Vad köper kunderna först och vad händer sedan?

Tabellen nedan visar hur kunder som börjar med olika produkter utvecklas under sina första tolv månader. Här jämför vi bland annat produkternas andel av förstagångsköpen, återköpsfrekvens, tid till det andra köpet och genererad omsättning.

I det här exemplet kunde vi se att 40,46% av kunderna började sin relation med företagets mest sålda produkt. Den var därmed en tydlig volymvinnare och en viktig produkt för nykundsanskaffningen.

Samtidigt visar analysen att hög försäljningsvolym inte automatiskt innebär högst långsiktigt kundvärde. Flera produkter med betydligt färre förstagångsköpare hade en högre återköpsfrekvens. För vissa produkter skedde det andra köpet dessutom snabbare.

Det ger oss en mer nyanserad bild av produkternas olika roller. En produkt kan vara särskilt effektiv för att attrahera nya kunder, medan en annan kan ha större potential att skapa återköp och en längre kundrelation.

Takeaway:

Den här typen av analys kan hjälpa olika delar av organisationen att arbeta mot samma kundresa.

Nykundsanskaffningen kan använda en attraktiv och välkänd produkt för att introducera kunden till varumärket. CRM-arbetet kan därefter hjälpa kunden vidare till produkter som är relevanta utifrån det första köpet och som har större potential att bidra till återköp.

Det kan påverka:

• Vilka produkter som rekommenderas efter det första köpet
• Vilka kategorier som lyfts i nyhetsbrev
• Hur efterköpsflöden struktureras
• Vilka produkter som prioriteras i merförsäljning
• Vilket innehåll kunden får under de första månaderna
• Hur kundresan anpassas efter den första produkten

Syftet är inte att alltid visa den produkt som har högst historiskt kundvärde. Rekommendationen måste fortfarande vara relevant för den enskilda kunden.

Datan hjälper oss däremot att fatta mer genomtänkta beslut om vilka produkter och kundresor som bör prioriteras.

Hur utvecklas försäljningen från nya och återkommande kunder?

Ett annat perspektiv vi följer är hur omsättningen fördelas mellan förstagångskunder och återkommande kunder. Diagrammet nedan visar utvecklingen månad för månad, där den ljusblå delen representerar kundernas första köp och övriga delar visar deras efterföljande köp.

I analysen ser vi att de återkommande kunderna står för en tydligare del av omsättningen från hösten 2024 och framåt. Utvecklingen sammanföll med ett mer aktivt arbete inom e-post och CRM.

Samtidigt försöker vi vara försiktiga med att automatiskt tillskriva hela förändringen till en enskild kanal.

Utvecklingen kan även påverkas av exempelvis:

• Produktutbud
• Pris och kampanjer
• Säsong
• Kundservice
• Leveransupplevelse
• Varumärkeskännedom
• Förändringar i nykundsanskaffningen
• Hur länge kundbasen har funnits

Därför ser vi analysen som en viktig signal, men inte som ett fristående bevis på kausalitet.

Takeaway:

Fördelningen mellan nya och återkommande kunder ger oss snabb återkoppling på hur kundbasen förändras.

Den hjälper oss att förstå:

• Om fler kunder väljer att återvända
• Om företaget är beroende av nykundsanskaffning
• Om retentionen utvecklas åt rätt håll
• Om tillväxten drivs av nya eller befintliga kunder
• Om förändringar i en kanal påverkar en annan

Det är också viktigt att sätta CRM-resultaten i relation till nykundsanskaffningen.

Om antalet nya kunder minskar kan även antalet framtida återkommande kunder påverkas. På samma sätt kan en stor ökning av nya kunder tillfälligt göra att andelen återkommande kunder ser lägre ut.

För att förstå utvecklingen behöver vi därför analysera hela kundbasen, inte enbart CRM-kanalens tillskrivna försäljning.

Kohortanalys visar hur kundrelationen utvecklas över tid

En kohortanalys grupperar kunder utifrån när de genomförde sitt första köp och följer sedan deras utveckling över tid. Vi kan exempelvis följa en grupp från månad noll och se hur stor andel som återkommer efter en, tre, sex eller tolv månader.

I tabellen representerar varje rad de kunder som gjorde sitt första köp under en viss månad. Kolumnerna visar hur stor andel av gruppen som återkom under efterföljande 30-dagarsperioder.

Det ger oss en tydligare bild av:

• Hur väl företaget behåller sina kunder
• När återköpen sker
• Hur olika kundgrupper utvecklas
• Om kvaliteten på nyförvärvade kunder förändras
• Vilka kampanjer eller perioder som skapar mer lojala kunder

Takeaway:

Detta är särskilt viktigt när tillväxten drivs av kampanjer med stora rabatter – något som ofta attraherar kortsiktiga, illojala kunder. Det finns en risk att den typen av kund bidrar sällan till långsiktig lönsamhet, och kan i värsta fall bli en kostsam affär. Det måste vi redovisa till vårt klient i så fall.

Genom att analysera den här typen av data kan vi i ett tidigt skede flagga för ohållbara mönster. Det ger våra klienter bättre kontroll och minskar beroendet av metoder som främst fokuserar på snabba resultat.

Takeaway:

Kohortanalys är särskilt värdefull när tillväxten drivs av stora kampanjer eller höga rabatter.

En kampanj kan skapa många nya kunder och stark försäljning på kort sikt. Men om kunderna sällan återkommer, har låg marginal eller endast handlar vid stora rabatter kan det långsiktiga värdet vara begränsat.

Det betyder inte att rabatterade kampanjer alltid är olönsamma. De kan vara ett effektivt sätt att attrahera nya kunder.

Men vi behöver kunna följa vad som händer efter det första köpet.

Frågor vi kan analysera är exempelvis:

• Gör kunderna ett andra köp?
• Hur lång tid tar det innan de återkommer?
• Behöver de ytterligare rabatter?
• Vilka produkter köper de nästa gång?
• Hur utvecklas deras värde jämfört med andra kundgrupper?
• Är marginalen tillräcklig över tid?

Genom att identifiera svagare mönster tidigt kan vi hjälpa våra kunder att fatta mer välgrundade beslut och minska beroendet av aktiviteter som främst skapar kortsiktiga resultat.

Kundvärde och köpfrekvens visar var potentialen finns

Vi analyserar också hur kundbasen fördelas utifrån hur mycket kunderna har spenderat och hur många köp de har genomfört under de senaste tolv månaderna.

Den övre tabellen grupperar kunderna efter total spend, medan den nedre visar hur kundbasen fördelas utifrån antalet genomförda order.

I det här exemplet utgör kunder som har spenderat mer än £750 26,57% av kundbasen, men står för 62,04% av omsättningen. Gruppen genomför också fler köp i genomsnitt och har ett betydligt högre genomsnittligt kundvärde än övriga grupper.

Samtidigt visar den nedre tabellen att 78% av kunderna endast har gjort ett köp. Cirka 20% har genomfört två eller fler köp.

Det ger oss två perspektiv på kundbasen. En relativt liten grupp står för en stor del av omsättningen, samtidigt som det finns en betydande grupp förstagångskunder som ännu inte har utvecklats till återkommande kunder.

Takeawy:

Ett ökat fokus på kundvärde kan vara lönsamt, men det bör inte innebära att kommunikationen enbart riktas mot de kunder som redan spenderar mest.

Vi behöver förstå vad som skiljer kundgrupperna åt.

Det kan exempelvis handla om:

• Vilken produkt de köpte först
• Vilken kanal de kom från
• Hur snabbt de gjorde sitt andra köp
• Om de använde rabatt
• Vilket innehåll de interagerade med
• Vilka kategorier de handlar från
• Hur deras köpfrekvens utvecklades

Den informationen kan hjälpa oss att skapa mer relevanta strategier för både värdefulla kunder och kunder som ännu bara har handlat en gång.

Det kan handla om lojalitetskommunikation, efterköpsflöden, produktrekommendationer eller riktade återaktiveringskampanjer.

Målet är inte bara att identifiera vilka kunder som är mest värdefulla i dag. Vi vill också förstå hur fler kundrelationer kan utvecklas på ett hållbart sätt.

Data ska hjälpa oss att prioritera

Det finns nästan alltid fler analyser att göra.

Vi kan undersöka produkter, kundgrupper, kampanjer, tidpunkter, kanaler, köpfrekvens och beteenden ur många olika perspektiv.

Men fler analyser innebär inte automatiskt bättre CRM.

En insikt har begränsat värde om den inte leder till ett beslut.

Därför försöker vi koppla varje analys till en konkret fråga:

• Vad innebär det här för kundresan?
• Vilken målgrupp bör prioriteras?
• Vilket innehåll behöver förändras?
• Vilken hypotes vill vi testa?
• Vilken aktivitet bör få mer eller mindre resurser?
• Hur ska vi följa upp resultatet?

På så sätt blir datan ett stöd för prioritering, snarare än ytterligare en rapport som få personer använder.

Från insikt till handling

För att arbeta datadrivet ser vi framför allt två grundläggande behov.

1. Datan behöver vara tillgänglig och begriplig

Informationen måste organiseras på ett sätt som gör att teamet kan förstå vad som händer.

Det kan innebära dashboards, kohortanalyser, kundsegment eller återkommande rapporter. Formatet är mindre viktigt än att det hjälper mottagaren att se:

• Vad som har förändrats
• Varför det kan ha förändrats
• Vilka kunder som påverkas
• Vilka möjligheter eller risker som finns
• Vad nästa steg bör vara

2. Organisationen behöver använda insikterna

Det räcker inte att data finns tillgänglig.

Det behöver också finnas en struktur och vilja att omsätta insikterna i nya aktiviteter, prioriteringar och tester.

Ett företag kan ha avancerade dashboards men ändå fatta beslut utifrån gamla rutiner och generella antaganden.

Datadrivet arbete kräver därför inte bara teknik. Det kräver också ett arbetssätt där analysen får påverka vad som faktiskt görs.

När personalisering blir för komplicerad

En utmaning vi ofta ser är att insikterna leder till en allt mer komplicerad CRM-uppsättning.

För att anpassa kommunikationen bygger teamet fler:

• Segment
• Filter
• Flödesgrenar
• Mallar
• Villkor
• Show/hide-regler
• Individuella utskick

Till en början kan det skapa mer relevans. Men efter hand riskerar systemet att bli svårt att överblicka och underhålla.

Det kan bli oklart:

• Vilka personer som får vilket budskap
• Hur olika regler påverkar varandra
• Om innehållet fortfarande är aktuellt
• Vilka delar som faktiskt presterar
• Om samma kund får överlappande kommunikation
• Vem som ansvarar för att uppdatera varje del

Till slut kan personaliseringen kräva mer tid och resurser än den skapar värde.

Vårt sätt att arbeta med skalbar personalisering

Vi har arbetat med att lösa just den här utmaningen.

Vår ambition är att göra det möjligt för företag att använda sina kundinsikter utan att behöva bygga hundratals separata meddelanden, segment och flödesgrenar.

Det handlar om att låta kommunikationen anpassas efter exempelvis:

• Köphistorik
• Kundens position i kundresan
• Produktintresse
• Demografi
• Engagemang
• Beteende på webbplatsen
• Tid sedan senaste köp

I stället för att skapa ett separat nyhetsbrev för varje målgrupp kan innehållet anpassas dynamiskt inom samma utskick eller automationsflöde.

Det gör det möjligt att kommunicera mer relevant med många kunder samtidigt, utan att arbetsmängden ökar i samma takt som antalet varianter.

I praktiken kan ett utskick till 100 000 mottagare innehålla 100 000 individuellt anpassade versioner, samtidigt som teamet fortfarande arbetar i en gemensam struktur.

För oss är det en viktig förutsättning för att datadrivet CRM ska fungera i praktiken.

Insikterna behöver kunna omsättas på ett sätt som är:

• Skalbart
• Hanterbart
• Mätbart
• Kostnadseffektivt
• Möjligt att utveckla över tid

Datadrivet betyder inte automatiskt

Att arbeta datadrivet innebär inte att varje beslut bör fattas automatiskt eller att datan alltid har hela svaret.

Historisk data visar vad som har hänt. Den kan hjälpa oss att identifiera mönster och sannolikheter, men den kan inte alltid förklara kundens motiv eller förutse hur beteendet förändras.

Därför behöver analysen kombineras med:

• Kundförståelse
• Kreativitet
• Varumärkesstrategi
• Kunskap från kundservice
• Produkt- och marknadskännedom
• Kontrollerade tester

Datan hjälper oss att fatta bättre beslut. Den ersätter inte det mänskliga omdömet.

Sammanfattning: datan blir värdefull först när den används

För oss handlar datadrivet CRM inte om att bygga den största dashboarden eller skapa flest segment.

Det handlar om att använda företagets egen data för att förstå kundbasen och fatta bättre beslut.

Genom att analysera när återköp sker, vilka produkter som skapar långsiktigt värde, hur kundkohorter utvecklas och var lojalitetspotentialen finns kan vi skapa en tydligare CRM-strategi.

Men insikter är fortfarande bara insikter.

För att de ska skapa värde behöver de:

• Vara tillgängliga
• Vara begripliga
• Kopplas till ett beslut
• Omsättas i kommunikation
• Följas upp och utvärderas
• Kunna användas i en skalbar struktur

Det är först då vi kan säga att vi arbetar datadrivet på riktigt.

Inte för att datan styr allt vi gör, utan för att den hjälper oss att förstå vad vi bör prioritera härnäst.

Boka samtal med oss nedan.

Läs mer i vår kunskapskälla här.