Kundlojalitet - återköpsmål och kohortanalys

Vad visar statistiken för kundlojalitet?

Under Statistik → Kundlojalitet kan du se hur bra du är på att behålla dina kunder över tid. Webbplatsen använder kohortanalys för att visa om och när dina kunder kommer tillbaka för att handla igen.

Det är mycket billigare att behålla en befintlig kund än att skaffa en ny. Därför är kundlojalitet ett av de viktigaste måtten för en webbshop med ambitioner om långsiktig tillväxt.

De fyra viktigaste nyckeltalen högst upp

• Återbeställningsgrad - andelen kunder som har handlat mer än en gång. En återbeställningsgrad på 20-30% är typiskt för många webbshoppar, men det varierar mycket mellan olika branscher.
• Genomsnittlig tid till återköp - hur lång tid det vanligtvis tar från en kunds första köp till dess att de återvänder. Den här insikten är guld värd när det gäller att tajma uppföljningsmail.
• Bästa kohort - den månadsgrupp av nya kunder som har högst kvarhållningsgrad. Det kan avslöja vilka kampanjer eller säsonger som lockar de mest lojala kunderna.
• Nya kunder - antalet förstagångskunder under den valda perioden, så att du kan se om du attraherar nya kunder i en sund takt.

Vad är en kohort?

En kohort är en grupp kunder som har en gemensam egenskap - i det här fallet den månad de först handlade i din webbutik. Till exempel är kohorten "Januari 2026" alla kunder som lade sin allra första order i januari 2026. Genom att gruppera kunder på det här sättet kan du jämföra hur olika grupper beter sig över tid.

Så här läser du värmekartan

Värmekartan är ett rutnät med färgkodade celler:

• Raderna representerar kohorter - grupper av kunder baserat på när de handlade första gången (t.ex. "jan 2026", "feb 2026")
• Kolumnerna representerar månader efter första köpet - M0 är den månad då de handlade första gången, M1 är månaden efter, M2 är två månader efter osv.
• Cellvärdet visar procentandelen av kohorten som handlade igen under den månaden
• Färgerna varierar från ljus (låg retention) till mörk (hög retention)

Kolumnen M0 visar alltid 100 % eftersom alla kunder per definition handlade under sin första månad. Titta på M1, M2, M3 osv. för att se hur många som återvänder. En typisk onlinebutik ser en stor nedgång från M0 till M1, och sedan en mer gradvis utjämning.

Ett exempel.

Tänk dig att januarikohorten har 200 nya kunder. Om M1 visar 12 % innebär det att 24 av dessa 200 kunder handlade igen i februari. Om M2 visar 8 % handlade 16 av de ursprungliga 200 kunderna i mars. Genom att jämföra kohorter kan du se om nyare kunder är mer eller mindre lojala än äldre.

Tips för att förbättra kundlojaliteten

• Använd genomsnittlig tid till återköp för att tidsbestämma uppföljningen - om kunderna vanligtvis återkommer efter 45 dagar kan du skicka ett uppföljningsmejl via nyhetsbrevsmodulen runt dag 40 med relevanta produktförslag eller ett erbjudande.
• Jämför kohorter - om en kohort presterar betydligt bättre än andra, undersök vad som var annorlunda den månaden. Var det en specifik kampanj, en ny produkt eller en säsongseffekt?
• Aktivera ett lojalitetsprogram - ett poängsystem ger kunderna ett incitament att komma tillbaka. Det kan ha en märkbar effekt på din återbeställningsgrad.
• Segmentera dina kunder - använd kundstatistik för att förstå vilka som är dina bästa kunder och rikta din kommunikation.
• Fokusera på kundupplevelsen - snabb leverans, bra kundservice och en enkel returprocess är nyckeln till att kunderna kommer tillbaka. Det handlar inte bara om pris och produkter.

Att behålla kunder är en långsiktig investering. Använd kohortanalys för att kontinuerligt utvärdera om dina initiativ fungerar och justera din strategi baserat på data - inte magkänsla.