Kundlojalitet - återköpsmål och kohortanalys

Vad visar statistiken över kundlojalitet?

Under Statistik → Kundretention kan du se hur bra du är på att behålla dina kunder över tid. Sidan använder kohortanalys för att visa om dina kunder återvänder och handlar igen – och när de gör det.

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

De fyra nyckeltalen högst upp

• Återköpsprocent – andelen kunder som har handlat mer än en gång. En återköpsprocent på 20–30 % är typisk för många webbutiker, men den varierar mycket beroende på bransch.
• Genomsnittlig tid till återköp — hur lång tid det vanligtvis tar från att en kund handlar för första gången till att de återvänder. Denna insikt är guld värd för att tidsplanera uppföljningsmejl.
• Bästa kohort — den månadsgrupp av nya kunder som har den högsta kundlojaliteten. 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 lockar till dig nya kunder i en sund takt.

Vad är en kohort?

En kohort är en grupp kunder som har ett gemensamt drag – i detta fall den månad då de handlade för första gången i din webbshop. Exempelvis består kohorten ”januari 2026” av alla kunder som lade sin allra första beställning i januari 2026. Genom att gruppera kunderna på detta sätt kan du jämföra hur olika grupper beter sig över tid.

Så här tolkar du värmekartan

Värmekartan är ett rutnät med färgkodade celler:

• Raderna representerar kohorter – grupper av kunder baserade på när de handlade för första gången (t.ex. ”jan 2026”, ”feb 2026”)
• Kolumnerna representerar månaderna efter det första köpet – M0 är den månad då de handlade för första gången, M1 är månaden efter, M2 är två månader efter osv.
• Cellvärdet visar andelen av kohorten som handlade igen under den aktuella månaden
• Färgerna går från ljus (låg kundlojalitet) till mörk (hög kundlojalitet)

M0-kolumnen 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 återkommer. En typisk webbutik ser en stor nedgång från M0 till M1, och därefter en mer gradvis utplaning.

Exempel

Tänk dig att januarikohorten har 200 nya kunder. Om M1 visar 12 % betyder det att 24 av de 200 kunderna 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 den genomsnittliga tiden till återköp för att tidsplanera uppföljningen – om kunderna vanligtvis återkommer efter 45 dagar, 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 lojalitetsprogram – ett poängsystem ger kunderna ett incitament att återvända. Det kan ha en märkbar effekt på din återbeställningsprocent.
• Segmentera dina kunder – använd kundstatistiken för att förstå vilka dina bästa kunder är och rikta din kommunikation mot dem.
• Fokusera på kundupplevelsen – snabb leverans, bra kundservice och en smidig returprocess är avgörande för om kunderna återkommer. Det handlar inte bara om pris och produkter.

Kundlojalitet är en långsiktig investering. Använd kohortanalys för att löpande utvärdera om dina åtgärder fungerar och justera din strategi utifrån data – inte magkänsla.