Kundrapporter
Med kundrapporter kan du få användbara insikter om dina kunder, inklusive deras genomsnittliga orderantal, genomsnittliga ordersummor och förväntat inköpsvärde.
På grund av hur kundrapporterna genereras kanske de inte kan visa all aktivitet i din butik från de senaste 12 timmarna. När du öppnar rapporten Nya kontra återkommande kunder är data dock aktuella med några sekunders marginal. Du kan uppdatera eller öppna rapporten igen för att visa nyare data.
Uppgifterna i kundrapporterna baseras på hela orderhistoriken för de nya kunderna i rapporten, inte bara de ordrar som gjordes inom den valda tidsramen. Om du till exempel bara visar en rapport för november, visas en ny kund från den månaden fortfarande som en återkommande kund, även om de gjorde sitt andra köp i december.
På den här sidan
Få tillgång till dina kundrapporter
Du kan filtrera din rapportlista så att den endast visar Customers rapporter.
Steg:
Dator
Från din Shopify-admin går du till Analys > Rapporter.
Klicka på kategorifiltret.
Klicka på Customers för att filtrera rapporterna och endast visa Customers-rapporter.
iPhone
- Från Shopify-appen trycker du på knappen … och sedan på Analysverktyg.
- Tryck på Rapporter.
- Tryck på filterikonen och sedan på Kategori.
- Tryck på Customers för att filtrera rapporterna och endast visa Customers-rapporter.
- Tryck på < Filtrera efter och sedan på X för att navigera tillbaka till den filtrerade listan med rapporter.
Android
- Från Shopify-appen trycker du på knappen ☰ och sedan på Analysverktyg.
- Tryck på Rapporter.
- Tryck på filterikonen och sedan på Kategori.
- Tryck på Customers för att filtrera rapporterna och endast visa Customers-rapporter.
- Tryck på ← och sedan på X för att navigera tillbaka till den filtrerade listan med rapporter.
Nya kunder över tid
Rapporten Nya kunder över tid visar hur många kunder som gjort beställningar i din butik.
Du kan välja en tidsenhet i rullgardinsmenyn Gruppera efter för att styra hur datan grupperas.
Nya kontra återkommande kunder
Rapporten Nya resp. återkommande kunder visar antalet förstagångs- och återkommande kunder under en viss tidsperiod.
Du kan klicka på Gruppera efter för att välja den tidsenhet som du vill att antalet kunder ska visas efter i diagrammet: timme, dag, vecka, månad, kvartal, år, timme på dygnet, veckodag eller månad på året. Tidsenheten anger hur kunderna grupperas.
I rapporttabellen visas två rader för varje tidsenhet när det finns två typer av kunder: en för förstagångskunder och en för återkommande kunder. En förstagångskund är en kund som gjorde sin första beställning i din butik. En återkommande kund är en kund som gjorde en beställning och vars beställningshistorik redan innehåller minst en order.
Kunder efter plats
I rapporten Kunder efter plats visas data för nya kunder som är ordnade efter geografisk plats. Nya kunder är ordnade efter deras senaste leveransplats.
För varje geografisk region kan du hitta antalet nya kunder som gjorde sin första order inom den valda tidsramen.
Återkommande kunder
I rapporten Återkommande kunder visas data om alla dina kunder vars orderhistorik innehåller två eller fler ordrar.
Du kan se följande information om varje kund:
- deras namn
- deras e-postadress
- om de gick med på att ta emot marknadsföring när de gjorde sin senaste order
- datum för deras första order
- datum för deras senaste order
- antal ordrar som de har gjort
- det genomsnittliga belopp som de har spenderat per order
- Det totala belopp som de har spenderat, inklusive skatter, rabatter, frakt och eventuella återbetalningar
Engångskunder
I rapporten Engångskunder visas data om alla dina kunder vars orderhistorik endast innehåller en order.
Du kan se följande information om varje kund:
- deras namn
- deras e-postadress
- om de gick med på att ta emot marknadsföring när de gjorde sin senaste order
- datum för deras första order
- antal ordrar som de har gjort, vilket är 1
- värdet på deras ordrar, inklusive skatter, rabatter, frakt och eventuella återbetalningar
Analys av kundkohort
Rapporten för Kundgruppsanalys visar data om ditt kundförvärv och lojalitet. En kohort definieras som en grupp kunder som har liknande egenskaper. För rapporten för Kundgruppsanalys grupperas kunderna i kohorter baserat på det datum då de lade sin första order.
Du kan använda den här rapporten för att ta reda på vilka av dina kunder som har gjort upprepade inköp för att identifiera dina mest värdefulla kunder. Du kan använda denna information för att hjälpa dig att fatta beslut om när du ska göra återmarknadsföring gentemot kunder, vilka kunder som ska återkoppla till och vilka kunder som är av lägre värde.
Kundkohortanalysen innehåller följande element:
Kohortanalystabell
Kohortanalystabellen visar data om återkommande köp av kunder baserat på när de gjorde sitt första köp. Varje rad representerar en kohort av dina kunder som gjorde sitt första köp under samma tidsperiod. Den första kolumnen visar namnet på kohorten, baserat på veckan, månaden eller kvartalet för deras första köp. Den andra kolumnen visar summan av det valda mätvärdet för varje kohortrad. Den tredje kolumnen visar valt mätvärde för kohortens första ordrar. Övriga kolumner visar valt mätvärde under veckor, månader eller kvartal sedan den första ordern. Period 0-kolumnen registrerar återkommande ordrar av kohortens kunder under samma period som deras första order.
Anta exempelvis att din kund John gjorde sitt första köp i februari 2022. Sedan gjorde John ett annat köp i februari 2022, juni 2022 och i september 2022. I en månatlig kohortanalys för 2022 skulle John ingå i februari-kohorten och skulle räknas som en återkommande kund under Månad 0, Månad 4 och Månad 7.
Du kan anpassa rapporten på följande sätt:
- ändra tidsperioden som kohorter grupperas efter
- ändra tidsperioden som rapporten visar
- ändra vilket mätvärde som visas, inklusive antal kunder, bibehållandegrad för kunder, bruttoförsäljning, nettoförsäljning eller genomsnittligt ordervärde
- inkludera förutspådda värden för mätvärdet Belopp som spenderats per kund
- tillämpa filter för att bestämma vilka kunder som ingår i kohorttanalysen (kriterier för kohortinkludering). Det finns två typer av filter: första orderfilter och kundfilter (om kunderna i co redan)
- visa kumulativa och icke-kumulativa försäljningssiffror
Diagram för kvarhållningsfrekvens
Diagrammet för lojalitetsfrekvens visar lojalitetsgraden för alla förstagångskunder under den tidsperiod som rapporten visar. Du kan också visa följande jämförelse:
- Jämförelse med föregående period
- Jämförelse med föregående år
- Jämförelse mellan kohorter
Du kan även visa lojalitetsfrekvens för kunder i alla kohorter för den valda tidsperioden eller välja en enda kohort som du vill visa lojalitetsfrekvens för.
Kohortanalysuppgifter
Du kan komma åt uppgifterna för gruppanalys genom att klicka på Alla eller på en specifik tidsperiod i kolumnen Grupp. Du kan hitta följande uppgifter för varje grupp:
- brutto, netto och total försäljning för vald kohort
- genomsnittligt ordervärde och genomsnittligt antal ordrar per kund i kohorten
- spenderat belopp per kund
- totalt antal nya eller återkommande kunder och deras totala antal ordrar
- de populäraste produktkorgarna som säljs till kunderna i den valda kohorten
- de populäraste marknadsföringskanalerna som ansvarar för att dirigera kohortens kunder till ditt företag
- de populäraste försäljningskanalerna som hanterade kohortens ordrar
- översikt över prognosticerat spenderande för kohorten
- ett förhållande mellan ordrar som innehåller engångsköp jämfört med prenumerationsköp
- de vanligaste geografiska platserna för kunder i denna kohort
Förutspådda värden
Alternativet Förutspådda värden visar förutsägelser om det framtida belopp som spenderats per kundsegment. Om du vill aktivera funktionen i rapporten Kundsegmentanalys väljer du Belopp som spenderats per kund som det mätvärde som visas och aktiverar sedan växlingen för Förutspådda värden. De förutspådda värdena visas under de kommande månaderna med en lila markering i tabellen och som en lila rad i raddiagrammet.
Dessa förutspådda värden är baserade på data från din butik, som sammanställts under de föregående 24 månaderna för varje segment. Detta för att ge en uppskattning av det förväntade genomsnittliga belopp som spenderats per kund i varje segment. Om 24 månaders data inte är tillgängligt kommer växlingsknappen för Förutspådda värden inte att visas och du har inte möjlighet att se förutspådd data. Datan baseras inte på information från andra butiker eller medelvärden för din bransch och data delas inte med några andra butiker.
Filter för kohort-inkludering
Det finns två typer av filter du kan tillämpa som avgör vilka kunder som ingår i kohortanalysen:
- Filter för första order (egenskaper för kundernas första order): försäljningskanal, marknadsföringskanal, marknadsföringstyp, produktnamn, prenumeration
- Kundfilter (egenskaper för kunderna inom en kohort): status för land, region, stad, e-postprenumeration
Använda kohortanalysrapporten för kundsegmentering
Du kan använda data från kundkohortanalysrapporten för att skapa kundsegment av kundkohorter med högt värde.
Till exempel, om kundkohorten för juni 2022 indikerar hög lojalitet kan du skapa ett kundsegment genom att använda First_order_date MELLAN 2022-06-01 OCH 2022-06-30 .
Läs mer om kundsegmentering.
Förutsagd nivå av spendering
Rapporten för prognosticerad spenderingsnivå visar det förutspådda värdet för varje kund i den valda kohorten. Den här rapporten kan hjälpa dig att nå kunder som är en del av kohorter med högst värde. Du kan hitta följande uppgifter för varje kund i kohorten>
- kundens namn
- den prognosticerade spenderingsnivån
- status för e-postprenumeration
- det datum då kunden lade sin senaste order
- antal ordrar som de har gjort
- Det totala belopp som de har spenderat, inklusive skatter, rabatter, frakt och eventuella återbetalningar
Läs mer om hur den prognosticerade spenderingsnivån bestäms.
RFM-kundanalys
Med analysen av aktualitet (hur nyligen ett köp gjorts), frekvens och monetärt värde (recency, frequency, monetary value – RFM) kan du fördjupa dig i kundbeteende så att du kan fokusera på att bygga upp kvarhållning, lojalitet och kundrelationer med befintliga kunder baserat på deras befintliga shoppingvanor.
RFM-analysen tillämpar en 3-siffrig poäng för varje kund, där varje siffra varierar från 1 till 5, och relaterar till dagarna från en kunds senaste inköp (aktualitet), det totala antalet ordrar (frekvens) och det totala belopp som spenderats (monetärt värde), i den ordningen. RFM-analysen kategoriserar sedan alla kunder i 11 RFM-grupper baserat på deras poäng. Du kan sedan använda detta för att planera effektiva försäljningsmål, marknadsföringsstrategier och lojalitetsprogram.
RFM-poäng baseras endast på data från din butik och inte på branschstandarder eller tredjepartsdata. En poäng på 5 indikerar till exempel att kunden ligger finns bland topp 20 % av dimensionen i din butik och en poäng på 1 indikerar att kunden har de lägsta 20 % av dimensionen för din butik. Specifika RFM-poäng för enskilda kunder visas inte någonstans i din Shopify-admin, eftersom den mest värdefulla insikten är kundens övergripande RFM-grupp.
För varje RFM-grupp listas följande mätvärden som standard i rapportens datatabell:
- Procent av dina totala kunder
- Nya kundposter
- Genomsnittligt antal dagar sedan den senaste ordern
- Totalt antal ordrar
- Totalt spenderat belopp
RFM-grupper
RFM-grupper är 11 fördefinierade kundkategorier som baseras på kriterier för aktualitet, frekvens och monetärt värde för ordrar. En kunds RFM-grupp bestäms utifrån kundens poäng för aktualitet (R
) och genomsnittet för kundens frekvenspoäng och poäng för monetärt värde med hjälp av (F + M)/2
. Slutresultatet representeras av FM
.
Exempel: en kund brukade ofta lägga ordrar med högre värde men har nu inte gjort något köp på länge. Detta innebär att kunden kan ha en RFM-poäng på 154
, vilket indikerar att kunden har en låg poäng för aktualitet (1
) men ganska hög poäng för frekvens (5
) och monetärt värde (4
). Kundens värde för R
är 1
och värdet för FM
är 4.5
med formeln (5 + 4)/2
. Baserat på hur grupperna beräknas blir den övergripande bedömningen av dessa värden att kunden anses som Tidigare lojal.
I följande tabell finns definitioner för varje RFM-grupp samt det allmänna målet när du engagerar den gruppen.
RFM-grupp och beskrivning | Aktualitet (R) | Genomsnitt för frekvens och monetärt värde (FM) | RFM-mål och exempel på sätt att engagera kunder |
---|---|---|---|
Möjliga Kunder som inte har lagt några ordrar än. | - | - | Flytta kunder till Ny:
|
Vilande Kunder utan aktuella inköp, med oregelbundna inköp och med lågt spenderingsbelopp. | R ≤ 2 | FM ≤ 2 | Flytta kunder till Nästan förlorade:
|
Riskzon Kunder utan nyligen gjorda köp men med en stark köp- och orderhistorik. | R ≤ 2 | 2 < FM ≤ 4 | Flytta kunder till Lojala eller Behöver uppmärksamhet:
|
Tidigare lojala Kunder utan aktuella inköp men med en mycket stark historik av ordrar och spenderat belopp. | R ≤ 2 | 4 < FM | Flytta kunder till Lojala:
|
Behöver uppmärksamhet Kunder med aktuella inköp men oregelbundna ordrar och måttligt spenderat belopp. | R = 3 | FM ≤ 2 | Flytta kunder till Lojala eller Aktiva:
|
Nästan förlorade Kunder utan aktuella inköp, färre ordrar och lägre spenderat belopp. | R = 3 | FM = 3 | Flytta kunder till Aktiva eller Lovande:
|
Lojala Kunder som nyligen genomfört köp, lagt många ordrar och spenderat mest pengar. | 3 ≤ R ≤ 4 | 3 < FM | Flytta kunder till Champion:
|
Lovande Kunder med aktuella inköp, färre ordrar och lågt spenderat belopp. | R = 4 | FM ≤ 1 | Flytta kunder till Aktiva:
|
Aktiva Kunder som nyligen genomfört köp, lagt en del ordrar och spenderat måttligt med pengar. | 4 ≤ R | 1 < FM ≤ 3 | Flytta kunder till Lojala eller Champions:
|
Nya Kunder som mycket nyligen har genomfört köp, lagt få ordrar och spenderat lite pengar. | R = 5 | FM ≤ 1 | Flytta kunder till Aktiva:
|
Champion Kunder med aktuella inköp, många ordrar och de högsta spenderade beloppen. | R = 5 | 3 < FM | Behåll som varumärkesförespråkare:
|
Du kan klicka på ett RFM-gruppnamn i rapportens datatabell för att utföra någon av följande åtgärder:
- Visa rapport: Du omdirigeras till RFM-kundlistan och den valda RFM-gruppen tillämpas automatiskt som filter.
- Förhandsgranska segment: Du omdirigeras till segmentredigeraren och ett kundsegment tillämpas automatiskt baserat på vald RFM-grupp och eventuella ytterligare filter som du har använt på rapporten.
Du kan även manuellt tillämpa rfm_group
-attributet som ett filter när du skapar segment. Läs mer om kundsegmentering.
RFM-kundlista
Kundlistan för RFM (aktualitet, frekvens och monetärt värde) är en fullständig lista över kunder som inte finns i Möjliga, och den visas med följande datakolumner:
- Genomsnittligt antal dagar sedan den senaste ordern
- Totalt antal ordrar
- Totalt spenderat belopp
Läs mer om hur RFM-grupper beräknas och kategoriseras i rapporten RFM-kundanalys.
Du kan tillämpa ytterligare dimensioner och filter för att anpassa en ny utforskning. Klicka på Förhandsgranska segment för att navigera till segmentredigeraren och automatiskt tillämpa ett kundsegment baserat på de valda RFM-grupperna och eventuella ytterligare filter som du har använt på rapporten.
Anpassa Kundrapporterna
Du kan använda funktionerna för filtrering och redigering för att anpassa rapporterna om dina kunder.
Exempel på anpassning: Rikta en kampanj mot återkommande kunder
Om du vill använda en e-postkampanj för att uppmuntra återkommande kunder att göra ett till köp kan du anpassa rapporten Återkommande kunder så att den endast visar de återkommande kunderna som har gått med på att ta emot marknadsföring.
Steg:
Från din Shopify-admin går du till Analys > Rapporter.
Klicka på Kategorier.
Klicka på Kunder för att filtrera rapporterna så att endast kundrapporter visas.
Klicka på Återkommande kunder.
Klicka på ⊕ i menyn Filter på konfigurationspanelen i rapporten Återkommande kunder.
Välj Status på kundens e-postprenumeration.
Klicka på Välj värde i det nya filtret och klicka sedan på Prenumerererar.
Klicka på Tillämpa.
Rapporten är nu begränsad till återkommande kunder som accepterar marknadsföring.
Du kan sedan exportera rapporten till en CSV-fil, och du kan använda alla e-postadresser i filen för din e-postkampanj.