Beste salgsmåned, verste forretningsbeslutning?
Dette er et sammensatt eksempel basert på mønstre jeg har sett i flere selskaper. Tall og detaljer er illustrative.
Rekordtrafikk. Ordre som strømmet inn. Et team som jobbet overtid med forsendelser. Etter alle synlige tall var årets største salg i en mellomstor nettbutikk for interiør en stor suksess.
«Så hvorfor er magefølelsen at vi nettopp har gjort noe feil?» spurte eieren.
Tallene forteller én historie, og magefølelsen hvisker en annen. Det som ser ut som suksess, føles ikke bærekraftig. Driver du en nettbutikk, er sjansen stor for at du kjenner deg igjen.
Overflaten: alt ser bra ut
Trafikken var betydelig opp. Konverteringsraten holdt seg stabil, og med mer trafikk føltes det som en seier. Markedsføringsbudsjettet var høyere enn normalt, men det var planlagt. De hadde satset tungt på betalte kampanjer i sosiale medier, kjørt koordinerte e-postkampanjer og testet nye influencersamarbeid.
På papiret fungerte oppskriften akkurat som tenkt.
Så kom de ubehagelige detaljene:
Kundeservice hadde uvanlig mye å gjøre.
Lageret sendte ut salgsvarer som hadde ligget i månedsvis. Bra for å tømme lageret, men ikke de mest lønnsomme produktene.
Kontantstrømprognosen for neste kvartal var strammere enn den burde vært etter en så sterk periode.
«Bare den vanlige nedgangen etter et stort salg», tenkte de.
Men magefølelsen ga seg ikke.
Undersøkelsen: hva dataene faktisk sa
Jeg starter med å se på hva de faktisk måler utover omsetning.
Vet dere hvor kundene kommer fra? Ja, de hadde Google Analytics.
Vet dere hva det koster å skaffe en kunde, per kanal? Delvis. De hadde et samlet gjennomsnitt.
Måler dere lojaliteten til de nye kundene? Stille.
«Det har vi egentlig ikke sett på ennå.»
Der var det. De hadde optimalisert for salget uten noen måte å måle hva som skjedde med merkevaren og kundelojaliteten.
Jeg lastet Shopify-transaksjonene inn i BigQuery: hver ordre, hver kunde-ID, hvert tidspunkt og hver rabattkode. Så la jeg til markedsføringskostnadene per kanal og atferdsdata fra GA4.
Den første spørringen var enkel: en kohortanalyse. Del kundene inn etter måneden de kjøpte første gang, og følg atferden deres over tid.
Mønsteret dukket opp med en gang. Av kundene som kom under salget, hadde omtrent 12 % kjøpt igjen innen 90 dager. Blant kunder fra vanlige måneder var tallet nærmere 35 %. Kundene fra salget var nesten aldri i kontakt med merkevaren: ingen anmeldelser, ingen likes i sosiale medier, ingen påmelding til nyhetsbrevet. Blant de andre kundene gjorde 42 % noe av dette.
Kundene fra vanlige måneder oppførte seg annerledes. De så på nyheter. De kjøpte ting som passet sammen, et sidebord til en stol eller et teppe til sofaen. Noen oppgraderte også og kjøpte en dyrere vare andre gang enn første gang.
Den skjulte kostnaden: markedsføring som jobber mot deg
Da vi koblet markedsføringskostnadene til kundene de faktisk ga, ble bildet tydeligere. Under salget var kostnaden per ny kunde fra betalt sosialt nesten tre ganger så høy som normalt. Det var ikke fordi annonsene var dårlige, men fordi alle interiørbutikker kjørte salg samtidig og presset annonseprisene opp. Kundene de fikk, var på jakt etter det beste tilbudet og sammenlignet priser.
Her kommer Kamben Insight Model til nytte. Gjennom modellen ble kjernekonflikten tydelig: kortsiktig omsetningsvekst mot langsiktig kundeverdi. Høy trafikk og konvertering under salget skjulte et dypere problem. Dette var ikke kunder med et forhold til merkevaren. Det var tilbudsjegere, og forholdet var rent transaksjonelt.
Rammeverket: hva du bør måle
Anskaffelseskostnad (CAC) per kanal. En samlet CAC skjuler sannheten. Noen kanaler gir kunder som blir ambassadører. Andre gir kunder som forsvinner etter ett kjøp. Del markedsføringskostnaden for en kanal på antall nye kunder, og følg med på hva de kundene gjør videre.
Førstegangskjøp mot gjenkjøp. I salgsmåneden kom 78 % av omsetningen fra førstegangskjøpere. I en vanlig måned var det nærmere 50/50. Nye kunder er dyre å skaffe. Kunder som kommer tilbake, er lønnsomme.
Gjenkjøpsrate per kohort. Følg den per kohort, altså måneden eller kampanjen kunden kom fra. For møbler er 90 til 180 dager fornuftig. For varer som omsettes raskere, passer 30 til 60 dager bedre. Da ser du om du blir bedre til å tiltrekke deg de riktige kundene.
Engasjementssignaler utover kjøp. Kjøpssyklusen er lang, særlig for møbler. Se etter tidlige signaler: engasjement i nyhetsbrevet, følgere i sosiale medier, tid brukt på nyheter i stedet for salgsvarer, kjøp av ting som passer sammen, anmeldelser og anbefalinger. De sier noe om fremtidig verdi før andre kjøp skjer.
Fullpris mot rabatt. Kunder som kjøpte første gang til full pris eller med lite rabatt, kjøpte igjen tre ganger så ofte som kunder som kom inn via store rabatter. Det betyr ikke at du aldri skal kjøre salg. Det betyr at kundene du får gjennom salg, er grunnleggende annerledes.
Resultatet: strategi foran taktikk
Med denne innsikten endret samtalen seg. Spørsmålet var ikke lenger «Skal vi kjøre et nytt salg?», men «Hva slags bedrift prøver vi å bygge?»
Hvis målet er bærekraftig vekst med sunne marginer, må anskaffelsesstrategien endres. Mindre og mer målrettede salg bare for lojale kunder. Mer satsing på innhold og organiske kanaler som tiltrekker seg folk som ser seg rundt, ikke tilbudsjegere. Vervekampanjer som aktiverer de beste kundene. E-postsegmentering som behandler rabattkjøpere annerledes enn fullpriskjøpere.
Eller, og dette er den vanskeligere samtalen, det betyr å akseptere at noen kunder ikke er verdt å skaffe. At et mindre salg med færre ordre fra kunder med høyere kjøpsintensjon er bedre forretning enn et gigantisk salg som fyller lageret med engangskjøpere.
Dataene gir deg klarheten til å ta det valget bevisst.
Hva du kan gjøre i morgen
Du trenger ikke et komplekst datavarehus for å komme i gang. Eksporter kundetransaksjonene. Sorter etter kunde-ID. Tell hvor mange kunder som har handlet to eller flere ganger. Det er grunnlaget ditt.
Filtrer etter når kundene kom til. Sammenlign kundene fra det siste store salget med kundene fra en vanlig måned. Hvis forskjellen i gjenkjøp er stor, har du funnet signalet.
Vil du gå dypere med BigQuery, kohortmodeller og prediktiv livstidsverdi, kan jeg hjelpe. Men du kan begynne å se mønstrene allerede nå, med dataene du har.
Avslutning
Rekordmåneden var ikke selskapets verste forretningsbeslutning, men den var et varselsignal forkledd som suksess. Uten innsikten til å lese signalet ville de ha satset enda mer på større salg og flere betalte annonser. I stedet bygger de noe annet. Noe mer bærekraftig.
Spørsmålet til deg: Hvilke signaler sender dataene dine som du ikke har lest ennå?
Lurer du på om kampanjene dine bygger den bedriften du tror? Test nettsiden din med Kamben Kompass og få en gratis analyse på to minutter. Eller ta kontakt direkte.
Kommentarer