Diese Frage habe ich mir vor ein paar Wochen gestellt und habe versucht einen Report aufzubauen, der mir anzeigt, wann der Moment ist, wo es für einen Neukunden wahrscheinlicher ist nicht mehr wieder bei mir zu kaufen, als ein Bestandskunde zu werden.
So haben wir den Repurchase-Report gebaut
Was habe ich gemacht?
1. Alle Tagesdifferenzen von 1. und 2. Kauf von allen Usern berechnet
2. Diese Tagesdifferenzen in eine Pivot gepackt und aufsteigend sortiert
3. Daraus ergibt sich eine Tabelle mit den Tagesdifferenzen zwischen 1. und 2. Kauf und wie häufig das vorgekommen ist
4. verschiedene Cohorten gebildet, nach 10 Tagen, 30 Tagen, 60 Tagen und 90 Tagen
5. Den Anteil der Repurchases innerhalb dieser Tage am Gesamtanteil der Repurchases berechnet.
Das Ergebnis: das 60-Tage-Fenster
Daraus ergab sich bei einem unserer Kunden ein Report der aufzeigt, dass, wenn ein Kunde nicht innerhalb von ca. 60 Tagen wieder kauft, die Wahrscheinlichkeit bei <50% liegt, dass der Kunde wieder kauft.
Überraschung: höherer AOV, kürzeres Fenster
Etwas Kontraintuitiv, aber höhere AOVs beim 1. Kauf führen sogar zu kürzeren Repurchase Windows, obwohl quasi beim 1. Kauf „mehr“ gekauft wurde und noch Produkt vorhanden ist. (Produkt ist ein Consumable) 🤔
Weiterlesen
Du willst wissen, wo in deinem Klaviyo-Konto Umsatz liegen bleibt? Let me roast your CRM.
Kostenlose CRM-Analyse anfragen
