Asiakaspysyvyys - yrityksen elinehto

/ Mikko Vikman

Jokainen meistä sen tietää, että nykyisistä asiakkaista kannattaa pitää kiinni. Mutta miten asiakaspysyvyyttä on järkevää mitata ja seurata? 


Vähän lähteestä riippuen päädytään siihen, että uuden asiakkaan hankkiminen on noin 5-10 kertaa kalliimpaa kuin vanhan pitäminen. Esimerkiksi tämän Harward Business Schoolin sivuilla julkaistun tutkimuksen mukaan vain 5 % parannus asiakaspysyvyydessä näkyi 25 % - 95 % kasvuna tuloksessa. Jos tutkimusten lukeminen ei maita, niin tässä yhteenvetoa infografiikan muodossa. Uudet asiakkaat maksavat rahaa ja vanhoista asiakkaista kiinnipitäminen taloudellisesti fiksuin valinta. Faktoissa ei ole epäselvyyttä, mutta kuinka moni meistä oikeasti seuraa sitä, miten kauan asiakkaamme laulattavat kassakonetta? Panostammeko riittävästi siihen, että saamme pidettyä kiinni asiakkaistamme?

Yksi lempisanonnoistani kuuluu, että "what gets measured, gets managed". Ja näinhän se usein on. Kun tietoa tuodaan ensimmäistä kertaa helposti luettavaan muotoon, niin yleensä aika pian todetaan, että tällä hetkellä tämä juna on menossa ihan päin helvettiä. Kummallisesti yksinkertaisen kuvan piirtäminen saa asiat kehittymään kuin itsestään. Toisaalta nykyisessä tietotulvan paratiisissa täytyy olla tarkkana, että punainen lanka ei pääse hukkumaan.
 

Miten voi mitata asiakaspysyvyyttä?
 

Yksi parhaista tavoista asiakaspysyvyyden mittaamiseen on kohorttianalyysi. Kohorttianalyysin tarkoituksena on muodostaa asiakkaista ryhmiä. Ryhmän voi muodostaa esimerkiksi liittymiskuukauden mukaan.

Kuvitellaan, että kyse on kuukausimaksullisesta palvelusta. Maaliskuussa palvelun tilaa 50 henkilöä. Nämä 50 henkeä muodostavat ryhmän "Maalis-16". Huhtikuussa liittyneet muodostavat taas oman ryhmänsä. Kohorttianalyysin avulla verrataan sitä, että kuinka suuri asiakkaista jatkaa palvelun tilausta tietyn ajan kuluttua liittymisestä. Aikajakso voi olla esimerkiksi 12 kuukautta ja muodostettuja ryhmiä "Maalis-16" ja "Huhti-16" verrataan toisiinsa.

Alla oleva matriisi kertoo, että kuinka monta prosenttia kummastakin ryhmästä on jäljellä kuukauden, kahden kuukauden, kolmen kuukauden jne. jälkeen. Laskenta tehdään aina verrattuna ryhmän alkuperäiseen kokoon. Esimerkiksi tammikuun ryhmä on lähtötilanteessa 50 henkilön suuruinen, mutta kahden kuukauden kuluttua ryhmässä on jäljellä enää 44 henkilöä. Näin sarake 2 näyttää maaliskuun ryhmän kohdalla lukua 88 %. Kuulostaa helpolta ja yksinkertaiselta.

Miten ei kuitenkaan ole oikea kysymys. Paljon mielenkiintoisempaa on saada vastaus kysymykseen mitä.
 

Mitä analyysi kertoo?
 

Kohorttianalyysi kertoo, miten jokainen ryhmistä kehittyy suhteessa toisiinsa. Ehkä aivan laiskimpia porsaita tai positiivisimpia toiveajattelijoita lukuun ottamatta asiakkaat äänestävät jaloillaan. Esimerkin kuvasta nähdään heti, että marraskuun ryhmästä lähtien on jo ensimmäisen kuukauden kohdalla jäljellä selvästi vähemmän kuin aikaisemmissa liittyneiden ryhmissä.

 

Miksi toiset asiakkaat pysyvät pidempään kuin toiset?

Syitä voi tietenkin olla miljoona ja yksi kappaletta. Kuitenkin suurimmat asiakaspysyvyyteen vaikuttavat tekijät liittyvät usein joko palvelun laatuun tai hintaan. Selittäviä tekijöitä sille, että huhtikuun ryhmästä lähtien pysyvyys on ollut heikompaa saattavat olla:

  • Palvelun toteutuksessa on tapahtunut muutos. Esimerkiksi jokin arvokas lisäominaisuus on poistettu.
  • Palveluun on tuotu jotain lisää, mikä häiritsee käyttäjiä, kuten mainoksia.

Sinun arvauksesi on aivan yhtä hyvä kuin minun.
 

Arvailusta faktoihin
 

On ihan kiva katsoa kohorttianalyysia ja yrittää pähkäillä, että mistä muutos asiakaspysyvyydessä voi olla lähtöisin. Mahdollisia syitä on kuitenkin niin paljon, että pähkäilyllä ei pitkälle pötkitä. Arvaus - valistunutkin sellainen - on kuitenkin paljon huonompi lähtökohta kuin tietoon perustuva fakta.

Kohorttianalyysissä voidaan asiakaspysyvyyden sijasta tai rinnalla seurata myös poistumaa. Tyylillä ei sinänsä ole suurta merkitystä. Sen sijaan kaikkein merkittävin ja hyödyllisin asia, minkä poistuva asiakas voi sinulle antaa lahjaksi, on kertoa miksi hän lopettaa palvelun tilauksen. Silloin sinä saat mahdollisuuden korjata tilanteen - jopa jo ennen kuin asiakas ehtii lähteä lopullisesti lätkimään.

Yksi hyvä esimerkin taistelusta nykyisen asiakkaan säilyttämiseksi on äänikirjapalvelu
Audible.com. Käyttäjän ilmoittaessa verkossa halustaan lopettaa palvelun tilauksen, tulee näytölle vielä yksi kysymys. Miksi haluat irtisanoa palvelun? Palvelu tarjoaa muutaman yleisimmän syyn lopettamiselle valmiina ja vain raksi ruudusta puuttuu. Esimerkki syitä ovat muun muassa se, että palvelu on liian kallis tai että oma aika riitä palvelun käyttöön. Audible ei kuitenkaan tyydy vain syiden keräämiseen vaan pyrkii pitämään asiakkaasta kiinni kynsin ja hampain. Jos kerrot, että palvelu on liian kallis, niin Audible ehdottaa sinulle käytön jatkamista ilmaisten ostopisteiden kera. Kuka voisi sanoa tähän ei?
 

Lisää perspektiiviä

 

 

Usein tarkasteltaessa vain kohorttiryhmien välisiä eroja ei saada tarpeeksi syvällistä ymmärrystä yrityksen asiakaspysyvyydestä. Lisää näkökulmia tarkasteluun saadaan sillä, että verrataan erilaisten asiakasryhmien pysyvyyttä, eri kanavia pitkin hankittujen asiakkaiden pysyvyyttä tai vaikkapa myyjä tai myymäläkohtaisia eroja asiakaspysyvyydessä. Näin päästään paljon paremmin kiinni siihen, että missä kohtaa yrityksessä tehdään asioita oikein ja missä voidaan parantaa. Esimerkiksi alla olevasta kuvasta huomataan selvästi, että netin kautta liittyneiden asiakkaiden pysyvyys on keskimäärin hieman heikompaa kuin henkilökohtaisesti kontaktoitujen. Henkilökohtaisella palvelulla saadaan siis aikaan jotain, mihin pelkkä verkkopalvelu ei pysty.

 

Seuraavat askeleet seurannasta
 

Pelkkä seuranta ei koskaan riitä. Jotta mittaamisesta olisi hyötyä, pitää saadun tiedon olla niin arvokasta, että se johtaa käytännön tekoihin. Jos tieto ei johda käytännön toimenpiteisiin, saatat joko jättää hyvän tilaisuuden käyttämättä tai sitten olet mitannut väärää asiaa. Toisaalta kun kyse on kohorttianalyysistä, niin koko ajatus voidaan kääntää myös toisin päin.

Tehdään ensin toimenpiteet ja katsotaan sitten, miten ne vaikuttavat asiakaspysyvyyteen. Esimerkiksi hintaa tai palvelun sisältöä voidaan usein viilata eri kohorttien välillä. Kyse on tavallaan pitkän tähtäimen A/B testauksesta. Kaikissa palveluissa se ei tietenkään ole mahdollista, mutta jos sinä saat viritettyä koneesi kilpailijaa parempaan kuntoon, näyttää tulevaisuus paljon suotuisammalta. Muutosten tekemisen tavoitteena on optimoida asiakaspysyvyys yrityksesi kannalta parhaaseen mahdolliseen tilaan. Joskus se tarkoittaa sisällön lisäämistä, joskus taas kustannustehokkaampaa toimintamallia.

Asiakaspysyvyys kulkee mittarina aina jälkijunassa ja se peilaa menneisyyteen. Mikään ei kuitenkaan estä tutkimasta, että onko asiakkaan palvelun käytössä tapahtunut muutoksia ennen lopettamista. Esimerkiksi vähentynyt palvelun käyttötiheys voi olla signaali siitä, että asiakas todennäköisemmin irtisanoo palvelun. Näin tuomalla kohorttianalyysin rinnalle dataa asiakkaan palvelun käytöstä voidaan ennustaa tulevaa ja vaikuttaa analyysin näyttämiin lukuihin jo ennakkoon.

Samanlaista logiikkaa kuin Audible.com hyödyntää omassa palvelussaan, voidaan luonnollisesti hyödyntää myös B2B-puolen bisnekseen. Miksi et siis keräisi sinun asiakkailtasi rehellistä palautetta lähdön syistä?
 

Lopuksi
 

Joskus asiakaspysyvyyttä ei päästä edes viilaamaan, vaan se romahtaa jo heti ensimmäisen kuukauden aikana. Tällöin haaste ei välttämättä ole pysyvyydessä, vaan siinä minkälaisia asiakkaita on alun perin hankittu. Ensimmäisen kuukauden asiakaskatoon voidaan vaikuttaa esimerkiksi sillä, että myyjien kannustemallissa huomioidaan myös asiakaspysyvyys.

Alla vielä koko raportti sinulle tarkasteltavaksi. Raportin toteutuksessa on käytetty Power BI työkalua. Voit klikkailla graafeja ja katsoa minkälaista tietoa saat kaivettua esille. Ensimmäisellä raportin sivulla on yhteenvetoa kohorttianalyysista kuvina ja toisella varsinainen kohorttianalyysi.

Toivottavasti sait tarinasta ja raportista ajatuksia siihen, miten saat pidettyä kiinni omista asiakkaistasi. Tämä artikkeli on kirjoitettu ajatellen kuukausimaksullista palvelua, jolloin kaikki on ihanan yksinkertaista, mutta luonnollisesti analyysi voidaan toteuttaa myös vähittäiskaupassa. Tästä kuitenkin lisää joskus tulevaisuudessa.