I mange tilfælde kan det bedre betale sig at fastholde kunderne end at markedsføre sig over for nye kunder. Det skyldes ikke alene, at det ofte er forbundet med store omkostninger at skaffe nye kunder, men også at indsatsen for at fastholde kunden længere også ofte har positive afledte effekter, såsom en øget grad af tilfredse ambassadører, der i sig selv tiltrækker nye kunder gennem anbefalinger. Hvis kunderne fastholdes i længere tid, kan omkostningerne til at skaffe nye kunder i sidste ende øges, da du kan regne med en større indtægt for den enkelte kunde.
En virksomhed med loyale kunder kan være mere aggressiv i forhold til at skaffe nye kunder end sine konkurrenter. De ved, at de investerer i langsigtede kunderelationer.
Hvad er det, der skaber de langsigtede kunderelationer? En kundeoplevelse består af så mange trin, at det kan være svært at vide, hvad der skaber de langsigtede kunderelationer. Det er endnu mere komplekst, fordi forskellige kunder har forskellige præferencer og forventninger.
Og frem for alt: hvordan maksimerer man kundens levetid med så lille indsats som muligt?
Det er ikke nok at spørge kunderne om deres oplevelser, selvom det kan være et godt supplement. Det er muligt at sige ét og gøre noget andet. Det er vigtigt at tage udgangspunkt i den faktiske kundeadfærd, og derfor har du brug for en churn- eller retention-analyse, der tager udgangspunkt i faktisk kundeadfærd og segmenterer kunderne ud fra alle dine målepunkter, der er tilgængelige i dag.
Mere specifikt: Hvis jeg nu havde en churn-analyse, hvordan skulle jeg så bruge den til at skabe værdi? Fordelene kan opdeles i to dele baseret på, hvordan de opnås: Deskriptiv analyse – de værdier, der kan opnås gennem dybere indsigt og ud fra dette bedre kundestrategi – og prædiktiv analyse – de værdier, der kan opnås ved at segmentere eksisterende kunder ud fra churn-analysen og derefter agere på disse kunder på forskellige måder.
Det kan vise sig, at forskellige typer kunder har forskellig levetid. Måske er det bestemte aldersgrupper kombineret med bestemte geografiske områder, der viser sig at være ekstra loyale, eller måske skal de findes på baggrund af den kanal, hvor kunderelationen opstod. Det er ikke sikkert, at disse kunder ser ud til at være de bedste fra starten. Det er måske ikke dem, der har brugt flest penge ved nysalg, men så kompenserer de ved at være kunder i lang tid, og derfor er der risiko for, at virksomheden har misset disse kundegrupper tidligere. Ved at sætte ekstra fokus på at tiltrække disse loyale kundegrupper gennem de rigtige tilbud i den rigtige kanal opnås samlet set en højere levetid, og virksomheden har samlet set en højere tilbagevendende omsætning.
Det er ikke kun kundens demografi eller adfærd, der har betydning for loyaliteten. Virksomhedens egen måde at håndtere forskellige dele af processen på kan have stor betydning. Det åbenlyse er, hvordan forskellige problemer i relationen håndteres. Uden indsigt i risikoen for kundeafgang vil man almindeligvis vælge en metode problemhåndtering for en sagstype, der ser god ud på kort sigt, fordi den kan holde omkostningerne nede. Når risikoen for kundeafgang tages med i beregningen, kan det dog vise sig, at der er andre bedre strategier at benytte sig af. Det kan dog også være noget helt andet, der giver loyalitet. Måske er der en specifik kampagne, kanal eller produkt, som giver længere kundelevetider.
Nogle produkter kan drive mere komplekse kunderelationer, som så også bliver stærkere. Hvis bestemte produkter viser sig at være forbundet med øget kundelevetid, kan det være en god ide at tage højde for dette ved eksempelvis prissætning men også i produktudviklingen generelt.
En virksomhed, der kan vise en høj grad af tilbagevendende kunder, kan opnå en løftestangseffekt i, hvordan virksomheden vurderes. Det kan være den ekstra motivation, der gør, at man tør investere i at optimere kundens levetidsværdi i stedet for på kort sigt. Indsigt i hvad kundeafgang skyldes bliver grundlaget for at kunne dokumentere og forklare graden af tilbagevendende kunder.
Ved at anvende en prædiktiv analysemodel på eksisterende kunder, kan du finde kunder, som er i ekstra høj risiko for at falde fra og handle ud fra dette og dermed forsøge at reducere afgang. Det kunne måske være særlige proaktive kampagner til højrisikokunder eller særlig kommunikation eller tilbud, når de alligevel kontakter dig via kanaler som hjemmeside, telefon eller i butik.
Ved at anvende en prædiktiv analysemodel på eksisterende kunder, kan du også finde kunder, som er i ekstra lav risiko for at falde fra og handle ud fra dette. Det kan være, at det bedste faktisk er ikke at genere disse kunder mere, men at de simpelthen er tilfredse med den måde, du arbejder på i dag. Det kan dog være et godt sted at lede efter ambassadører og anbefalinger eller blot vise påskønnelse for yderligere at øge loyaliteten. Selv om det er tydeligt, at der ud fra et loyalitetsperspektiv ikke er nogen grund til at ændre status quo for disse kunder, så kan det være en god ide at have styr på, hvad der ville kunne gøre en tilfreds, loyal kunde utilfreds. Måske er det en god ide at gøre noget ekstra, hvis der opstår et problemer i forbindelse med leverancen. Eller gøre noget ekstra, hvis konkurrenter forsøger at snuppe disse loyale kunder fra dig.
Brug af risiko for kundeafgang som parameter i beregningen af kundens levetidsværdi for at opnå en kundelevetidsværdi baseret på hver enkelt kundes demografi og adfærd betyder, at kundens levetid og produktmarginer sættes i forhold til hinanden på en optimal måde med henblik på beslutningstagning og planlægning af kundearbejdet.