Retencja w e-commerce zaczyna się od trzech pomiarów, nie od programu lojalnościowego: ilu klientów wraca w ciągu roku (rynkowa średnia to około 30%), po ilu dniach wraca ten, który wróci, oraz który produkt wejściowy generuje powroty, a który zabija je na starcie. Dopiero na tym budujesz mechanizmy. CLV licz z marży po odjęciu kosztu pozyskania, nigdy z przychodu, i zawsze w kohortach — jedna roczna średnia dla całej bazy nie mówi nic. W sklepie, z którym pracuję (72 327 klientów, blisko 131 tysięcy zamówień, prawie trzy lata historii), różnica w powracalności między najlepszym a najgorszym produktem wejściowym to 44,7% wobec 28,8%. To jest ta sama kwota budżetu reklamowego wydana z dwa razy różnym skutkiem.

Większość sklepów wciąż optymalizuje wyłącznie akwizycję i ROAS. Rozumiem dlaczego — ROAS widać jutro rano w panelu, a retencję widać za pół roku. Problem w tym, że przy rosnących kosztach kliknięcia sklep oparty na jednorazowych kupujących balansuje na granicy rentowności i wystarczy jeden kwartał droższego ruchu, żeby zjechać poniżej zera. Jeśli rozliczasz kampanie w modelu CPA, CPC lub CPL, każdy z nich premiuje pierwszy zakup i nie widzi tego, co dzieje się potem.

Ten artykuł jest o drugiej stronie równania. Nie o teorii „lojalność jest ważna", tylko o konkretnych pomiarach i mechanizmach, z liczbami z prawdziwego sklepu.

Retencja klientów w e-commerce — jak zbudować powracalność i liczyć CLV.

Spis treści

Ile naprawdę wynosi twoja powracalność

Zanim wdrożysz cokolwiek, potrzebujesz punktu odniesienia. Bez niego każda zmiana będzie „chyba pomogła".

Powracalność liczysz na kohorcie dojrzałej — tylko ci klienci, którzy mieli pełne 365 dni na powrót. Jeśli wrzucisz do mianownika ludzi, którzy kupili pierwszy raz w zeszłym tygodniu, wynik będzie sztucznie zaniżony i będzie spadał za każdym razem, gdy zwiększysz budżet reklamowy.

Oto rozkład z bazy, którą analizowałem w lipcu 2026 — 72 327 klientów, 130 697 zamówień, okno od września 2023 do lipca 2026:

Liczba epizodów zakupowych Klientów Udział
1 49 836 68,9%
2 11 767 16,3%
3 4 834 6,7%
4 2 496 3,5%
5 1 325 1,8%
6 759 1,0%
7 i więcej 1 310 1,8%

Powracalność życiowa: 31,1%. Na kohorcie dojrzałej w oknie roku: 35,4%.

Dwie rzeczy warto tu zauważyć.

Pierwsza: prawie siedmiu na dziesięciu klientów kupuje raz i znika. To nie jest patologia tego sklepu — to normalny rozkład w e-commerce. Rynkowa średnia powracalności to około 30%, kategorie zużywalne typu suplementy robią 35–45%, moda 20–25%.

Druga, ważniejsza: jeden „epizod zakupowy" to nie jedno zamówienie. Jeśli klient dokłada coś do zamówienia po dwóch dniach, bo zapomniał, to nie jest powrót. Skleiłem zamówienia tego samego klienta w łańcuchy do 14 dni. Bez tego sklejenia powracalność wychodzi 33,5% zamiast 31,1% — i cała późniejsza analiza czasu do drugiego zakupu przesuwa się o 23 dni.

To brzmi jak detal metodologiczny. Nie jest. Wrócę do tego za moment, bo to najczęstszy sposób, w jaki e-commerce oszukuje sam siebie w danych o retencji.

Jak liczyć CLV w e-commerce — marża minus koszt pozyskania klienta.

CLV — licz marżę, nie przychód

Customer Lifetime Value to fundament całej reszty. I jednocześnie wskaźnik liczony błędnie w większości sklepów, które widziałem.

Błąd pierwszy: liczenie z przychodu

Klasyczna formuła, którą znajdziesz w dziesięciu pierwszych wynikach Google, to średnia wartość zamówienia razy częstotliwość zakupów razy długość życia klienta. Problem: to wszystko liczone z przychodu.

Prawidłowo:

CLV = (średnia wartość koszyka × marża % × liczba zakupów w cyklu życia) − CAC

Gdzie CAC to koszt pozyskania tego konkretnego klienta, a nie średnia z całego konta reklamowego.

Różnica jest brutalna. Przy koszyku 180 zł i marży 16,5% jedno zamówienie zostawia ci 29,70 zł brutto na pokrycie wszystkiego: pozyskania, obsługi, zwrotu, pakowania. Jeśli CAC wynosi 47 zł, to klient, który kupił raz i nie wrócił, kosztował cię 17 zł. Nie zarobił 180 zł — kosztował 17.

Dopóki liczysz z przychodu, ten klient wygląda w raporcie jak sukces.

Błąd drugi: jedna średnia dla całej bazy

Roczne CLV policzone jako średnia po wszystkich klientach to liczba, która nie opisuje nikogo. Rozkład wartości klienta w e-commerce jest skrajnie skośny — mała grupa robi większość marży.

Rozbij to na trzy sposoby:

Po kohortach pozyskania. Klient, który przyszedł na Black Friday z kodem −40%, zachowuje się zupełnie inaczej niż ten pozyskany w spokojnym wrześniu. W danych, które analizowałem, wartość pierwszego koszyka przewiduje powracalność bardzo wyraźnie:

Wartość pierwszego koszyka Klientów Wraca w 365 dni
poniżej 100 zł 10 926 29,5%
100–150 zł 11 284 31,7%
150–250 zł 10 579 38,1%
powyżej 250 zł 8 776 44,2%

Rozstęp 15 punktów procentowych. Klient z dużym pierwszym koszykiem jest wart nie tylko więcej dziś — jest półtora raza bardziej prawdopodobne, że wróci.

Po kanale pozyskania. Ten sam klient z porównywarki cenowej i z bezpośredniego wejścia to dwa różne biznesy. Jeśli nie potrafisz przypisać CAC do kanału, zacznij od najprostszego cięcia: pierwszy zakup z kodem rabatowym kontra bez kodu.

Po grupie najaktywniejszych. Sprawdź rentowność swoich najlepszych klientów osobno. To brzmi absurdalnie — przecież najlepsi klienci są najlepsi — ale w kategoriach z darmową dostawą i wysokim wskaźnikiem zwrotów zdarza się, że najczęściej kupujący jest jednocześnie tym, który najwięcej odsyła. Policz to, zanim zbudujesz dla nich osobny program.

Co z tym zrobić operacyjnie

Nie potrzebujesz od razu modelu predykcyjnego. Potrzebujesz jednej tabeli, w której dla każdego klienta masz: datę pierwszego zakupu, liczbę zamówień, sumę marży, kanał i kod rabatowy pierwszego zamówienia. Reszta to grupowanie.

Źródłem tych danych powinien być twój sklep, a nie panel reklamowy. Jeśli jeszcze nie masz poprawnie wdrożonego pomiaru transakcji, zacznij od konfiguracji e-commerce w Google Analytics 4 — bez identyfikatora klienta i wartości zamówienia w zdarzeniu żadna analiza kohortowa nie powstanie.

Jeśli budujesz strategię ruchu równolegle, warto zestawić to z kosztami akwizycji — pisałem o tym w artykule SEO czy Google Ads — analiza kosztów, efektów i ROI, a szerzej o samym kanale organicznym w przewodniku po pozycjonowaniu sklepu internetowego.

Kiedy klient wraca po drugi zakup — krzywa hazardu powrotów w czasie.

Kiedy klient wraca — hazard zamiast średniej

To jest sekcja, dla której warto było napisać ten tekst. Prawie każdy automat post-purchase, jaki widziałem, jest ustawiony na złym dniu — bo ktoś policzył średnią.

Mediana kłamie mniej niż średnia, ale wciąż kłamie

W analizowanej bazie mediana czasu do drugiego zakupu to 111 dni. Średnia — 157 dni. Ale zależnie od tego, jak zdefiniujesz „powrót", ta sama baza daje:

Sklejanie zamówień w epizod Powracalność Mediana Średnia
brak (surowe zamówienia) 33,5% 88 dni 136
do 3 dni 32,9% 93 dni 141
do 7 dni 32,1% 100 dni 148
do 14 dni (przyjęte) 31,1% 111 dni 157
do 30 dni 29,4% 131 dni 176

Od 88 do 131 dni. Ta sama baza, ta sama prawda, pięćdziesiąt procent różnicy — wyłącznie z powodu definicji. Jeśli ktoś podaje ci „medianę czasu do drugiego zakupu" bez definicji epizodu, ta liczba jest bezużyteczna.

Mediana opisuje mniejszość

Jest jeszcze poważniejszy problem. 64,6% klientów nie wraca w ogóle w ciągu roku. Mediana 111 dni opisuje więc punkt środkowy tej jednej trzeciej, która wróciła — nie rytm bazy.

W oknie „mniej więcej trzy miesiące" (75–105 dni) wraca 4,5% kohorty. Jeśli ustawisz jeden mail „na medianę", trafiasz w cztery i pół procent ludzi.

Licz hazard, nie rozkład

To, czego naprawdę potrzebujesz, to hazard: szansa powrotu w danym oknie dla kogoś, kto do tej pory nie wrócił. Liczysz na równych oknach (przy nierównych dłuższe zawsze wygra i porównanie nic nie znaczy).

Okno (dni od pierwszego zakupu) Wraca Jeszcze w grze Hazard
1–30 1 842 41 565 4,43%
31–60 2 696 39 723 6,79% ← szczyt
61–90 2 009 37 027 5,43%
91–120 1 595 35 018 4,55%
121–150 1 299 33 423 3,89%
151–180 1 091 32 124 3,40%
181–210 912 31 033 2,94%
241–270 700 29 346 2,39%
271–300 583 28 646 2,04%

Szczyt wypada wcześnie, między 31. a 60. dniem, a potem krzywa spada monotonicznie. Drugiej fali nie ma. Gęstość dzienna powrotów: 115 osób dziennie w oknie 15–30 dni, 90 w oknie 31–60, 67 w 61–90, 20 w 241–365.

Wniosek operacyjny jest jednoznaczny: uderzaj przed oknem gęstości, nie w nie, a intensywność ma maleć z czasem, nie rosnąć. Automat, który startuje na 40. dniu, ma całe najgęstsze okno powrotów już za sobą.

Uwaga: ta reguła nie jest uniwersalna. W produktach o stałym zużyciu (suplement na 30 dni, karma, soczewki) hazard ma prawdziwy szczyt cykliczny i wtedy intensywność rośnie w okolicy wyczerpania opakowania. Zanim skopiujesz czyjkolwiek harmonogram, policz własny hazard.

Odstęp kurczy się z każdym zakupem

Przejście Ilu Mediana
1. → 2. zakup 22 491 111 dni
2. → 3. 10 724 94 dni
3. → 4. 5 890 85 dni
4. → 5. 3 394 74 dni
5. → 6. 2 069 69 dni
6. → 7. 1 310 64 dni
7. → 8. 826 59 dni

Ze 111 dni do 59. Częściowo to selekcja (kto kupuje często, ten z definicji ma krótkie odstępy), ale kontrola na klientach z pierwszym zakupem sprzed ponad roku daje ten sam trend: 124 → 102 → 91 → 78 → 71 dni.

Konsekwencja: jeden harmonogram komunikacji dla całej bazy jest błędem. Częstotliwość maili powinna rosnąć razem z liczbą zamówień klienta.

Produkt wejściowy decyduje o retencji

Najbardziej niedoceniana dźwignia w całej retencji. Nie mechanizm, nie mail, nie punkty — to, co klient kupił pierwszy raz.

Nazywam to testem płatków, od klasycznego problemu kategorii spożywczej: produkt, który świetnie się sprzedaje na promocji, może mieć najgorszą powracalność w całym asortymencie.

Powracalność w 365 dni według produktu w pierwszym koszyku (średnia kohorty 35,4%):

Powracalność Klientów Typ produktu wejściowego
44,7% 2 003 retencyjny
44,0% 2 959 retencyjny
42,7% 2 859 retencyjny
40,2% 1 977 retencyjny
37,5% 808 neutralny
32,8% 1 723 neutralny
30,4% 378 jednorazowy
29,9% 1 546 jednorazowy
28,8% 881 jednorazowy

Rozstęp: 44,7% wobec 28,8%. A na pełnej liście, przy progu 150 klientów, skrajne wartości to 51,8% i 19,7%.

Teraz najciekawsze. Produkt z powracalnością 29,9% był jednym z najczęściej kupowanych produktów wejściowych w całym sklepie — 1 546 pierwszych koszyków w kohorcie. Bestseller numer jeden sklepu, największa pozycja magazynowa, osobny wariant w kampanii sezonowej: 30,4%.

Czyli budżet reklamowy szedł najmocniej w produkt, który sprowadzał klientów, po czym oni nie wracali.

Co z tym zrobić:

  1. Policz powracalność 365 dni dla każdego produktu wejściowego z minimum 150–300 klientami w kohorcie dojrzałej. Mniejsze próby są szumem.
  2. Przesuń budżet akwizycyjny w stronę produktów powyżej średniej, nawet jeśli mają niższy ROAS na pierwszym zakupie. Produkt z ROAS 4 i powracalnością 45% bije produkt z ROAS 6 i powracalnością 29%, o ile marża jest zbliżona.
  3. Nie poleczaj produktów jednorazowych w automatach retencyjnych. To brzmi oczywiście, a prawie nikt tego nie robi — rekomendacje w mailach lecą po bestsellerach, czyli dokładnie po tym, co nie generuje powrotów.
  4. Sprawdź, czy klient wraca po to samo, czy po coś innego. W tej bazie 91,6% drugich zakupów to inny produkt, a 61,3% to inna marka. To zmienia całą treść maili: nie „dokup to samo", tylko „odkryj sąsiednie".

Program lojalnościowy i efekt nadanego postępu — karta z pieczątkami.

Program lojalnościowy i cashback

Moda zrobiła swoje i programy lojalnościowe wdraża się dziś dlatego, że konkurencja ma. Najczęstsza przyczyna porażki jest prozaiczna: klient nie rozumie zasad i nie widzi natychmiastowej korzyści ze zbierania wirtualnych punktów.

Cashback — najprostszy mechanizm, jaki działa

Dzielenie się marżą w formie zwrotu na kolejne zakupy (typowo 3–10%) sprawdza się szczególnie w branżach opartych na okazjach. Przewaga nad punktami jest jedna, ale kluczowa: klient natychmiast rozumie, ile dostaje. „Dostajesz 5% wartości zamówienia na następne zakupy" nie wymaga tłumaczenia ani tabelki przeliczników.

Zanim wdrożysz: policz, ile realnie kosztuje cię 5% przy twojej marży. Przy marży 16,5% oddajesz prawie jedną trzecią zysku z transakcji. To może być opłacalne, ale musi być decyzją, a nie skutkiem ubocznym.

Punkty i grywalizacja — dlaczego działają lepiej, niż się wydaje

Tu jest rzecz kontrintuicyjna, którą warto znać, bo ma solidne podparcie badawcze.

Joseph Nunes i Xavier Drèze opublikowali w Journal of Consumer Research (2006, tom 32, nr 4, s. 504–512) eksperyment na 300 kartach lojalnościowych myjni samochodowej. Wersja A: karta na 8 pieczątek, zaczynasz od zera. Wersja B: karta na 10 pieczątek, ale dwie są już przybite w momencie wydania. W obu przypadkach do darmowej myjni brakuje dokładnie 8 wizyt.

Kartę wersji A wypełniło 19% klientów. Wersji B — 34%.

To jest efekt „nadanego postępu" (endowed progress effect). Sam fakt, że pasek postępu nie zaczyna się od zera, prawie dwukrotnie zwiększa odsetek osób, które doprowadzają zbieranie do końca.

Praktyczne wnioski dla sklepu:

  • Nie startuj klienta od zera. Daj 20–30 punktów na wejście przy progu 100. Nie kosztuje nic, a zmienia zachowanie.
  • Pokazuj postęp wszędzie — w koszyku, w mailu, na koncie. Zgromadzone punkty tworzą realną blokadę przed odejściem: klient nie chce, żeby przepadły.
  • Punkty muszą mieć widoczny przelicznik na złotówki. „Masz 70 punktów" nic nie znaczy. „Masz 70 ze 100 punktów — brakuje ci 30 do bonu 25 zł" znaczy wszystko.
  • Nagradzaj punktami czynności inne niż zakup — wystawienie opinii, uzupełnienie preferencji, zdjęcie produktu. To najtańsze punkty, jakie wydasz, a zwiększają zaangażowanie w program.

Czego nie robić

Nie uruchamiaj programu lojalnościowego, dopóki nie wiesz, ile wynosi twoja powracalność bazowa i która grupa klientów faktycznie odpowiada za marżę. Bez tego nie zmierzysz, czy program cokolwiek zmienił, a zmierzenie tego po fakcie jest niemożliwe.

Model subskrypcyjny — stabilny przychód z haczykiem

Subskrypcja to marzenie każdego sklepu: przewidywalny przychód, wyższe CLV, mniejsza zależność od reklamy. Sprawdza się rewelacyjnie tam, gdzie produkt ma naturalnie wysoką powtarzalność — suplementy, karma dla zwierząt, kawa, produkty higieniczne. Na polskim rynku dobrze robi to Your KAYA, która zbudowała klub subskrypcyjny wokół produktów menstruacyjnych — czyli kategorii, w której cykl zakupowy jest dosłownie kalendarzowy.

Trzy rzeczy, które decydują o powodzeniu:

Rabat musi przebić próg zobowiązania. Zapisanie się na subskrypcję to duża decyzja — klient oddaje kontrolę nad tym, kiedy i za ile kupuje. Proponowanie za to 5% mija się z celem, bo 5% klient znajdzie w pierwszym lepszym kodzie rabatowym z porównywarki. Zniżka musi być na tyle wyraźna, żeby zrekompensować utratę elastyczności — i musisz mieć ją policzoną na marży, bo dajesz ją na każdym kolejnym zamówieniu, w nieskończoność.

Elastyczność zamiast blokady. Możliwość przesunięcia dostawy, pominięcia jednego cyklu i rezygnacji jednym kliknięciem obniża próg wejścia bardziej niż dodatkowe procenty rabatu. Utrudnianie rezygnacji podnosi wskaźnik utrzymania na kwartał i niszczy markę na lata — a w Unii Europejskiej dodatkowo wchodzisz w spór z przepisami o łatwym odstąpieniu.

Wskaźnik rezygnacji mierzysz na cyklach, nie miesiącach. Kluczowe pytanie brzmi: ilu klientów rezygnuje po drugim pobraniu opłaty. Pierwsze pobranie to jeszcze impet decyzji zakupowej, drugie to moment prawdy — wtedy klient po raz pierwszy płaci świadomie za coś, czego nie zamawiał dziś. Jeśli tam wysypuje ci się 30–40%, problem nie leży w cenie, tylko w produkcie albo w częstotliwości dostaw.

Marketing automation, który faktycznie działa

Żadna strategia retencji nie obędzie się bez automatów. Ale automat jest tylko rurą — o wyniku decyduje to, kogo i kiedy do niej wpuszczasz. Jeśli dopiero wybierasz narzędzie, zacznij od przewodnika po automatyzacji marketingu i od tego, czym różni się wdrożenie w małej firmie od korporacyjnego — w małym sklepie 80% wartości robią dwa automaty, a nie dwadzieścia.

Segmentuj po zachowaniu zakupowym, nie po zaangażowaniu mailowym

To najdroższy błąd, jaki widzę w polskim e-commerce, i mam na to twarde dane.

Zmierzyłem na liście 2 760 osób, jak przychód z akcji sprzedażowej rozkłada się według dwóch osi: świeżości i częstotliwości zakupów (klasyczne RFM) kontra zaangażowanie mailowe. Cechy liczone przed akcją, zakup po — bez zaglądania w przyszłość.

Oś Grupa Przychód na osobę
częstotliwość 0 zamówień (1 331 os.) 0,35 zł
1 zamówienie (557 os.) 1,92 zł
2–3 zamówienia (430 os.) 6,35 zł
4 i więcej (442 os.) 21,64 zł
świeżość kupił w ostatnich 90 dniach (163 os.) 35,97 zł
nie kupił (2 597 os.) 3,07 zł
kliknięcia świeży + klikał (62 os.) 27,83 zł
świeży + nie klikał (101 os.) 40,97 zł
nieświeży + klikał (654 os.) 2,75 zł
nieświeży + nie klikał (1 943 os.) 3,17 zł

Częstotliwość zakupów rozdziela przychód 62-krotnie. Świeżość — prawie 12-krotnie. A kliknięcia? W obu warstwach świeżości ci, którzy NIE klikali, wydali więcej niż klikacze.

Klikanie w maile nie przewiduje przychodu. Otwarcia tym bardziej — połowa otwarć to boty i mechanizm ochrony prywatności Apple, który otwiera maile za użytkownika. Segment „zaangażowani" to segment ludzi, którzy lubią czytać maile, a nie ludzi, którzy kupują.

Buduj segmenty na RFM. Zawsze.

Sekwencja po zakupie — najważniejszy automat, jakiego nie masz

Jeśli masz wdrożyć jeden automat, to ten. Harmonogram wynikający z hazardu, który liczyliśmy wyżej:

Mail Dzień Po co
E1 10–12 wyprzedza najgęstsze okno powrotów (15–30 dni): „jak Ci się podoba?" + propozycja czegoś sąsiedniego
E2 28–30 wyprzedza szczyt hazardu (31–60 dni): 3 produkty z tej samej półki
E3 60–65 inna oś doboru niż w E2 — jeśli w E2 była marka, tu kategoria
E4 100–110 ostatnie okno powyżej 4% — tu można dołożyć zachętę
— powyżej 150 dni koniec sekwencji, klient przechodzi do odzyskiwania

Ostatni wiersz jest równie ważny jak reszta. Bez jawnej granicy automat po zakupie i automat odzyskiwania nachodzą na siebie i ten sam klient dostaje dwie sprzeczne komunikacje.

Ratowanie porzuconych koszyków i przeglądanych produktów

Przy średniej porzuceń koszyka na poziomie 70,22% (Baymard Institute, na podstawie 50 badań) przypomnienie o koszyku to absolutna podstawa — nie przewaga, tylko higiena. Sam mail jest jednak ostatnią linią obrony: zanim go ustawisz, przejdź 15 sprawdzonych metod zmniejszania porzuceń koszyka, bo taniej jest nie stracić klienta w kasie, niż go potem odzyskiwać. Samą sekwencję ratunkową rozpisałem szczegółowo w tekście o strategiach odzyskiwania koszyków.

Warto pójść krok dalej i ratować też porzuconą kategorię i wyniki wyszukiwania — klient, który przeglądał trzy produkty z jednej półki i wyszedł, jest w połowie decyzji. Ale tu obowiązuje jedna zasada bezwzględnie: ograniczaj częstotliwość. Mail o każdym klikniętym produkcie to najkrótsza droga do wypisu z listy. Ustaw twardy limit — maksymalnie jedna wiadomość behawioralna na 72 godziny i wykluczenie z newslettera na czas trwania sekwencji.

Mierz sprzedażą, nie otwarciami

Wskaźnik otwarć nie mówi nic (patrz wyżej — boty i Apple). Wskaźnik kliknięć, jak pokazały dane, też nie przewiduje przychodu.

Mierz sprzedaż konkretnych produktów w oknie 0–3 dni od wysyłki, porównaną z grupą kontrolną, która maila nie dostała. Grupa kontrolna 15–20% bazy kosztuje cię 15–20% zasięgu i jest jedyną rzeczą, która oddziela „ta kampania zadziałała" od „ci ludzie i tak by kupili". To ta sama dyscyplina, którą stosujesz przy testach A/B w e-commerce — tylko zastosowana do bazy mailowej zamiast do strony.

Dlaczego rabat powitalny nie buduje lojalności

Standardowy mechanizm: wyskakujące okno, „zapisz się i odbierz −12%", klient zapisuje się, kupuje, koniec.

Sprawdziłem, co ten mechanizm robi naprawdę. Kod powitalny −12% w analizowanym sklepie: 9 773 wykorzystania, jedno na osobę.

  • 76,9% zapisanych użyło kodu tego samego dnia.
  • 56% zapisanych nie kupiło nigdy nic.

Innymi słowy: to nie jest narzędzie budowania bazy, tylko mechanizm rabatu w kasie. Klient, który i tak był o krok od zakupu, dostaje 12% zniżki za wpisanie maila, który potem nic nie generuje.

Jeśli chcesz zamienić zapis na relację, daj coś, czego nie da się zrealizować natychmiast w koszyku: próbkę dobraną pod deklarowane preferencje, dostęp do przedsprzedaży, treść. Próbka kosztuje ułamek marży, którą oddajesz w rabacie, a przy 91,6% drugich zakupów w innym produkcie fizyczny test nowej rzeczy trafia w mechanizm powrotu znacznie celniej niż zniżka.

Niezależnie od tego, co dajesz za zapis, sam zapis musi być zebrany poprawnie — zgoda na newsletter zgodna z RODO to warunek, bez którego cała baza jest bezużyteczna prawnie, choćby świetnie konwertowała.

Jest jeszcze argument prawny po stronie ceny: przy rabacie z przekreśloną ceną obowiązuje cię dyrektywa Omnibus i konieczność podania najniższej ceny z 30 dni przed obniżką. Próbka tego problemu nie ma.

Opinie i NPS — pytaj sprytnie

Pozytywne doświadczenie zakupowe jest głównym motorem powrotu — mocniejszym niż jakikolwiek program punktowy. Składa się na nie wszystko, od projektu ścieżki zakupowej w sklepie po to, co klient zobaczy po dostawie. Żeby je poprawiać, musisz je mierzyć.

Wbuduj skalę 0–10 bezpośrednio w treść maila. Nie „kliknij, żeby wypełnić ankietę" — jedenaście klikalnych cyfr w wiadomości. Każdy dodatkowy krok między pytaniem a odpowiedzią zjada połowę odpowiedzi. Klient klika cyfrę, ląduje na stronie, gdzie ocena jest już zapisana, a pytanie otwarte („co zdecydowało?") jest opcjonalne.

Pytaj we właściwym momencie — po dostarczeniu przesyłki i po czasie na użycie produktu, nie po wysyłce z magazynu. Dla produktu, który testuje się od razu, to 3–5 dni po doręczeniu. Dla kosmetyku czy suplementu — 14 dni.

Wynagradzaj wypełnienie punktami, nie rabatem. Uczestnicy programu lojalnościowego to najbardziej wartościowe źródło wiedzy o sklepie, jakie masz — kupili wielokrotnie, znają asortyment i mają porównanie. Ich odpowiedzi są warte więcej niż badanie u agencji.

Zebrane oceny mają jeszcze drugie zastosowanie: to gotowy materiał na dowód społeczny w sklepie, a najbardziej zaangażowani klienci są naturalnym pierwszym kręgiem, z którego rekrutuje się ambasadorów marki i twórców treści.

I rzecz podstawowa: oceny 0–6 muszą uruchamiać powiadomienie do człowieka, nie automat. Niezadowolony klient, do którego ktoś oddzwoni w ciągu doby, zostaje. Niezadowolony klient, który dostanie automatyczne „dziękujemy za opinię", pisze ją publicznie gdzie indziej.

Plan na 30, 60 i 90 dni

Jeśli zaczynasz od zera, kolejność ma znaczenie. Mechanizmy bez pomiaru to wydawanie pieniędzy na ślepo.

Dni 1–30: pomiar.
Policz powracalność na kohorcie dojrzałej. Policz hazard w oknach 30-dniowych. Policz powracalność według produktu wejściowego (próg minimum 150 klientów). Zbuduj tabelę CLV opartą na marży po odjęciu kosztu pozyskania. Nic nie wdrażaj.

Dni 31–60: jeden automat.
Sekwencja po zakupie, ustawiona na twoim hazardzie, z grupą kontrolną 15–20%. Segmenty na RFM. Rekomendacje wyłącznie z produktów o powracalności powyżej średniej. Równolegle: twardy limit częstotliwości na wszystkich mailach behawioralnych.

Dni 61–90: mechanizm i przesunięcie budżetu.
Dopiero teraz program punktowy z nadanym startem albo cashback — na bazie, o której już wiesz, kto w niej jest wart ile. I przesunięcie budżetu akwizycyjnego w stronę produktów wejściowych, które generują powroty.

FAQ — najczęstsze pytania

Jaka powracalność klientów jest dobra w e-commerce?

Rynkowa średnia to około 30% klientów wracających po drugi zakup w ciągu roku. Kategorie zużywalne (suplementy, kosmetyki, karma) osiągają 35–45%, moda 20–25%, elektronika i meble znacznie mniej ze względu na naturalnie długi cykl. Ważniejsze od porównania z rynkiem jest porównanie z samym sobą: czy powracalność kohorty z tego kwartału jest wyższa niż sprzed roku.

Jak liczyć CLV w sklepie internetowym?

CLV = (średnia wartość koszyka × marża procentowa × liczba zakupów w cyklu życia) − koszt pozyskania klienta. Kluczowe są dwie rzeczy: liczysz z marży, nie z przychodu, i odejmujesz koszt pozyskania tego konkretnego klienta, a nie średnią z konta reklamowego. Wynik liczysz osobno dla kohort pozyskania, bo klient z wyprzedaży zachowuje się inaczej niż klient z pełnej ceny.

Kiedy wysyłać pierwszy mail po zakupie?

Policz hazard powrotów dla swojej bazy i wyślij tuż przed oknem o największej gęstości, nie w nie. W danych, które analizowałem, najgęstsze okno powrotów to 15–30 dzień, więc pierwszy mail sprzedażowy wychodzi na 10–12 dniu. W produktach o stałym zużyciu (suplement na miesiąc) logika jest odwrotna — komunikacja nasila się w okolicy wyczerpania opakowania.

Czy program lojalnościowy z punktami działa lepiej niż rabat kwotowy?

W badaniu Nunesa i Drèzego (Journal of Consumer Research, 2006) karta z dwiema pieczątkami przybitymi na starcie została wypełniona przez 34% klientów, a identyczna pod względem wysiłku karta zaczynająca się od zera — przez 19%. Punkty z nadanym startem tworzą zobowiązanie, którego jednorazowy bon nie tworzy. Warunek: klient musi rozumieć przelicznik i widzieć postęp.

Ile powinien wynosić rabat w modelu subskrypcyjnym?

Tyle, żeby przebić koszt zobowiązania po stronie klienta — a to zwykle znacznie więcej niż 5%, bo taką zniżkę klient znajdzie w pierwszej lepszej porównywarce. Zanim ustalisz poziom, policz go na marży w perspektywie 12 miesięcy, bo dajesz go na każdym kolejnym zamówieniu. Elastyczność (przesunięcie, pominięcie cyklu, rezygnacja jednym kliknięciem) obniża próg wejścia skuteczniej niż dodatkowe procenty.

Czy warto segmentować bazę po otwarciach i kliknięciach w maile?

Nie. W pomiarze na 2 760 kontaktach częstotliwość zakupów rozdzieliła przychód 62-krotnie, świeżość zakupu prawie 12-krotnie, a osoby, które nie klikały w maile, wydały więcej niż klikacze — w obu warstwach świeżości. Dodatkowo połowa otwarć to boty i mechanizm prywatności Apple. Segmentuj po RFM: kiedy ostatnio kupił i ile razy.

Jak mierzyć skuteczność działań retencyjnych?

Sprzedażą konkretnych produktów w oknie 0–3 dni od wysyłki, porównaną z grupą kontrolną 15–20% bazy, która komunikatu nie dostała. Bez grupy kontrolnej mierzysz sezonowość i naturalny rytm zakupowy, a nie efekt kampanii. Wskaźniki otwarć i kliknięć odrzuć — nie przewidują przychodu.

Podsumowanie

Odejście od ślepej wiary w akwizycję nie polega na wdrożeniu programu lojalnościowego. Polega na tym, żeby najpierw policzyć trzy rzeczy: ilu klientów wraca, kiedy wraca ten, który wróci, i po jakim produkcie w ogóle wraca. Dopiero na tej podstawie mechanizmy — cashback, punkty, subskrypcja, automaty — mają w co trafiać.

Kolejność jest tu wszystkim. Program punktowy uruchomiony bez znajomości powracalności bazowej jest kosztem, którego nigdy nie rozliczysz. Ten sam program uruchomiony na zmierzonej bazie, z grupą kontrolną i przesuniętym budżetem akwizycyjnym, jest jedyną dźwignią w e-commerce, która z czasem rośnie zamiast drożeć.

Retencja jest jednym z filarów, a nie całą układanką — jak wpina się w resztę, opisałem w praktycznym poradniku strategii e-commerce.

Reklama drożeje co roku. Własna baza powracających klientów — nie.