CLV analýza a online mix: Jak data o zákaznících mění rozhodování o rozpočtech, automatizacích i biddingu

7 minut

ROAS sedí. PNO vychází. Kampaň funguje. A přesto e-shop roste pomaleji, než by mohl. Důvod bývá stejný: marketing se optimalizuje podle první objednávky, ale zákazník svou hodnotu teprve buduje. CLV analýza tuhle slepou skvrnu odstraní a změní způsob, jakým přistupujete k reklamám, e-mailingu i produktové strategii.

74 % zákazníků nenakoupí podruhé. A to je jen začátek příběhu

Když analyzujeme zákaznická data klientů, první číslo, které nás téměř vždy zastaví, je podíl jednorázových zákazníků. U jednoho z klientů to bylo 74,6 % zákazníků, kteří nakoupili právě jednou a víckrát se nevrátili. Tři ze čtyř zákazníků. Při průměrné hodnotě košíku přes 1 800 Kč to znamená, že naprostá většina zákaznické báze přinesla přesně jednu objednávku a nic víc.

Samotné číslo ale ještě nic neřeší. Zajímavé je to, co se stane ve chvíli, kdy zákazník nakoupí podruhé. Každý přechod na vyšší stupeň loajality téměř zdvojnásobí celoživotní hodnotu zákazníka. Zákazník se dvěma nákupy má přibližně dvojnásobné CLV oproti jednorázovému. Se třemi nákupy je to téměř trojnásobek. A zákazníci s deseti nebo více nákupy se hodnotou pohybují v úplně jiné kategorii.

Toto je výchozí bod každé CLV analýzy: pochopit, kde v zákaznickém životním cyklu leží největší páka. A ve většině e-shopů leží přechod z prvního na druhý nákup.

Co CLV analýza konkrétně ukáže

Customer Lifetime Value měří celkovou hodnotu, kterou zákazník přinese za celou dobu, co u vás nakupuje. 

V praxi to kombinuje tři faktory: 

• kolik objednávek průměrně udělá, 
• jak dlouho se vrací,
• jaká je průměrná hodnota košíku.

Samotné číslo CLV ale nestačí. Zásadní je segmentace, protože průměrný zákazník v databázi neexistuje. Existují zákazníci, kteří nakoupili jednou a zmizeli. Existují ti, kteří nakupují třikrát ročně a jejichž hodnota s každým nákupem roste. A existují VIP zákazníci, kteří tvoří menšinu databáze, ale generují disproporcionálně velkou část tržeb.

Analýza konkrétně odpoví na tyto otázky:

• Kteří zákazníci skutečně vydělávají a kteří jen nakupují akce.
• Jakou hodnotu má zákazník po druhém nákupu oproti desátému.
• Kdy zákazník typicky nakupuje podruhé a kde leží riziko odchodu.
• Které produktové kategorie přivádějí nejvěrnější zákazníky.
• Kolik dává smysl investovat do akvizice pro různé segmenty.

Jak CLV data promění každý kanál v online mixu

CLV data fungují jako společný jmenovatel pro rozhodování o tom, jak a kde investovat. Každý kanál z nich čerpá jinak.

E-mail marketing: Automatizace podle nákupního rytmu zákazníka

CLV analýza odhalí, kdy zákazníci typicky nakupují podruhé a jak se mění interval mezi nákupy s rostoucí loajalitou. To je základ pro automatizace, které nereagují na datum v kalendáři, ale na nákupní chování konkrétního segmentu.

V analýze zákaznické databáze klienta se 7 lety dat jsme zjistili, že distribuce doby do druhého nákupu má dva výrazné vrcholy: část zákazníků se vrátí velmi rychle (do 30 dnů) a velká skupina přijde za rok a půl až tři roky, protože tak funguje přirozený životní cyklus konkrétního produktu. Obě skupiny potřebují úplně jiný e-mail ve zcela jiný čas. Jedno univerzální win-back sdělení pro obě nefunguje.

Stejná analýza ukázala, že zákazníci se dvěma nákupy mají průměrné CLV téměř dvojnásobné oproti zákazníkům s jedním nákupem. Každé 1 % zlepšení konverzní míry z prvního na druhý nákup přitom znamená tisíce zákazníků navíc v hodnotnějším segmentu, v závislosti na velikosti databáze. To je silný argument pro investici do retenční e-mailové sekvence, protože druhý nákup lze často podpořit jediným dobře načasovaným e-mailem. 

Analýza nákupního rytmu navíc přesně definuje bod, kdy je absence dalšího nákupu rizikem odchodu. U segmentů s krátkým nákupním cyklem spustíme preventivní komunikaci dřív. U těch s delší periodou máme více prostoru na rozsáhlejší retenční kampaň.

PPC: Bidding podle hodnoty zákazníka, ne podle první objednávky

Zákazníci přicházející přes různé kampaně se v dlouhodobé hodnotě výrazně liší. V analýze klienta, kde jsme segmentovali zákazníky podle kategorie prvního nákupu, jsme zjistili, že zákazníci vstupující přes prémiový produkt mají průměrné CLV 2 668 Kč při repeat rate 26,2 %. Naopak zákazníci vstupující přes levné doplňkové produkty mají CLV jen 1 688 Kč při repeat rate 22,5 %.

Pokud tento rozdíl neznáte, nastavujete CPA napříč kampaněmi stejně. Ve chvíli, kdy ho znáte, můžete si u prémiového vstupního segmentu dovolit vyšší akviziční náklady, protože víte, co zákazník přinese v horizontu dvou nebo tří let.

Stejný princip platí pro Performance Max. Když Googlu předáváte jen data o konverzích, optimalizuje na první nákup. Jakmile začnete pracovat s hodnotou zákazníka přes customer value bidding nebo alespoň segmentací publik, algoritmus se postupně přeorientuje na profily, které vydělávají dlouhodobě.

Produktová strategie: Které kategorie zákazníka drží a které ho přivedou zpět

CLV analýza v kombinaci s košíkovou analýzou identifikuje produktové kategorie, které fungují jako magnety loajality. Zákazníci, kteří je koupí, se prokazatelně vracejí častěji. Nejde vždy o nejprodávanější položky ani o ty s nejvyšší marží.

U klienta z kategorie spotřebního zboží jsme identifikovali produktovou řadu s repeat rate 47,6 %, tedy nejvyšší v celém portfoliu. Zákazníci tuto kategorii kupují opakovaně, protože produkt má spotřební charakter a krátký nákupní cyklus. Přesto v cross-sell komunikaci zcela chyběla a zákazníci k ní přicházeli pouze organicky. Zařazení do první doporučené nabídky po nákupu hlavního produktu je přímočará investice do retence zákazníků s měřitelným dopadem.

Analýza portfolia navíc ukáže, kde máte tzv. mrtvé produkty. U klientů s rozsáhlejším sortimentem nezřídka zjišťujeme, že více než polovina produktové báze je neaktivní nebo ukončená, přičemž tyto produkty zůstávají ve feedech a zbožových srovnávačích. Takový stav způsobuje zbytečné náklady na správu a zároveň mate reklamní algoritmy. Systematické čištění portfolia je přímý dopad produktové analýzy do provozní efektivity.

Retence: Sezónní rytmus místo týdenního newsletteru

U e-shopů s výrazně sezónním charakterem prodeje CLV analýza odhalí ještě jeden zásadní poznatek: zákazníci nereagují na weekly newsletter. Reagují na životní cyklus.

Kohortní analýza dat klienta za 7 let ukázala, že v prvním roce po nákupu se vrátí jen 5 až 6 % zákazníků. Ve druhém roce 11 až 13 %. Ve třetím roce přes 20 %. A ve čtvrtém roce přes 27 %. Zákazníci se vracejí ve vlnách, které odpovídají přirozené potřebě produktu, ne frekvenci e-mailů. Nejstarší kohorta dosáhla po 7 letech repeat rate 36,7 %. To je benchmark plného potenciálu a zároveň argument pro komunikační kalendář kalibrovaný na životní cyklus zákazníka, ne na čtvrtletní promo plán.

Akvizice: Lookalike publika sestavená z nejhodnotnějších zákazníků

Identifikované VIP segmenty jsou přímý vstup pro lookalike publika v Meta Ads i Google. Místo lookalike sestavených ze všech klientů nebo ze všech nákupů cílíte na profily statisticky nejpodobnější těm, kteří u vás nakupují opakovaně a s rostoucí hodnotou košíku. Přitom data ukazují, že zákazníci z horního tercilu prvního košíku mají statisticky vyšší repeat rate i vyšší celoživotní hodnotu. Akvizice orientovaná na prémiový vstupní produkt tedy přináší nejen vyšší AOV dnes, ale zároveň loajálnějšího klienta v horizontu dvou až tří let.

Jak CLV analýza v praxi probíhá

Pracujeme s historií objednávek, standardně za 2 až 7 let. Z nich extrahujeme klíčové metriky: počet objednávek na zákazníka, průměrnou hodnotu košíku, intervaly mezi nákupy, repeat rate a míru odchodu. Data segmentujeme kombinací RFM skóre (recency, frequency, monetary value) a prediktivního CLV.

Analýzu dále obohacujeme o demografická data a produktové chování. Nakupují muži a ženy jinak? Zákazník přihlášený k newsletteru má statisticky vyšší CLV než ten nepřihlášený? Které kategorie jsou vstupní branou k opakovaným nákupům?

Výstupem je sada segmentů s jasně definovanou hodnotou, nákupním rytmem a doporučenou marketingovou strategií. Na jejím základě pak upravujeme nastavení kampaní, e-mailové automatizace, obsahovou strategii i prioritizaci produktů na webu.

Kde e-shopy bez CLV pohledu systematicky ztrácejí

Tato zjištění se u klientů opakují bez ohledu na segment nebo velikost e-shopu.

Vypínají kampaně s nejhodnotnějšími zákazníky

ROAS vypadá podprůměrně, ale klienti z těchto kampaní se vracejí opakovaně a mají výrazně vyšší CLV. Bez tohoto pohledu kampaň skončí dřív, než stihne ukázat svůj skutečný přínos. Přitom stačí propojit data o zdrojích akvizice s dlouhodobým nákupním chováním zákazníka, a hned je jasné, které kampaně skutečně vydělávají a které jen vypadají, že vydělávají.

Slevují zákazníkům, kteří by nakoupili bez pobídky

Win-back mailing jde plošně na celou databázi místo toho, aby cílil jen na segmenty s reálným potenciálem návratu. Klient, který je v aktivní fázi nákupního cyklu, dostane slevu, kterou nepotřeboval. Zákazník, který je skutečně v riziku odchodu, dostane stejný e-mail jako všichni ostatní. Výsledkem jsou zbytečně snížené marže na jedné straně a promarněná příležitost na straně druhé.

Nechávají zákazníky odejít, přestože data odchod predikovala předem

Analýza churnu identifikuje tzv. bod zlomu: konkrétní počet dní od posledního nákupu, po kterém se pravděpodobnost návratu zákazníka výrazně snižuje. Pro většinu českých e-shopů leží tento bod někde mezi 90 a 120 dny. Zákazníci, kteří se do té doby nevrátí, potřebují silnější pobídku. Zákazníci, kteří jsou teprve na cestě k tomuto bodu, jsou nejlepší cílová skupina pro preventivní komunikaci, protože ještě neodešli.

Bez churn analýzy komunikace reaguje, místo aby předcházela. A zákazníci s historicky vysokým CLV, kteří nakoupili před 12 až 24 měsíci a od té doby mlčí, lze znovu aktivovat za zlomek nákladů na akvizici ekvivalentního nového klienta. Bez segmentace tito zákazníci v databázi jednoduše zmizí.

Ignorují košíkovou analýzu jako zdroj cross-sell příležitostí

Basket analysis odhaluje produktové kombinace, které klienti přirozeně kupují společně. Metrika lift vyjadřuje, kolikrát pravděpodobněji jsou produkty kupovány dohromady oproti náhodě. U klientů opakovaně nacházíme kombinace s liftem přes 3, které přitom v cross-sell komunikaci vůbec nefigurují.

Výsledky košíkové analýzy jsou přímý vstup do personalizace e-mailů i produktových doporučení na webu. Zákazník, který koupí produkt A, dostane doporučení na produkt B s prokázanou afinitou, nikoli generické bestsellerové tipy. Přitom data pro tuto analýzu existují v každé objednávkové historii.

Komunikují ve špatný čas, protože neznají sezónní rytmus svých zákazníků

Sezónní analýza ukáže, kdy klienti skutečně nakupují a jaký je rozptyl prodeje během roku. U e-shopů s výraznou sezónností může jediný měsíc tvořit přes 40 % ročních tržeb v dané kategorii. Retenční kampaně cílené na zákazníky z loňského roku pak mají smysl 4 až 6 týdnů před tímto vrcholem, ne v jeho průběhu nebo po něm.

Stejně důležité jsou výjimky ze sezónního vzorce. Kategorie, které se prodávají rovnoměrně celý rok, potřebují jiný komunikační rytmus než ty s úzkým prodejním oknem. Bez sezónní analýzy posíláme všem stejnou frekvenci komunikace, přestože zákaznické chování je diametrálně odlišné.

Neví, které produkty tvoří základ loajality

Analýza kategorie prvního nákupu ukáže, přes které produkty přicházejí klienti s nejvyšší celoživotní hodnotou. Tyto produkty jsou strategicky nejcennějšími položkami v portfoliu, bez ohledu na jejich absolutní podíl na tržbách. Zaměřit na ně akvizici a cross-sell není jen produktové rozhodnutí, je to rozhodnutí o tom, jakou zákaznickou základnu chcete mít za tři roky.

CLV jako základ pro rozhodování o celém marketingovém mixu

ROAS, PNO a konverzní poměr jsou důležité metriky. Každá z nich ale zachytí jen jeden moment: jednu objednávku v jednom kanálu. CLV zachytí celý vztah. Kdo u vás nakupuje, jak moc a jak dlouho.

E-shopy, které tato data aktivně zapojují do rozhodování, systematicky snižují náklady na opakujícího se zákazníka a zvyšují celkový obrat bez nutnosti úměrně navyšovat reklamní rozpočty. Data pro tuto analýzu leží v zákaznické databázi každého e-shopu. Jde jen o to, začít je číst správně.

Chcete u svého webu či e-shopu posílit organický výkon a proměnit jednorázové zákazníky v loajální ambasadory značky? Ozvěte se nám a společně dohodneme další postup.