Tässä artikkelissa:
- Vaihe 1: Määritä asiakaspysyvyyden lähtötaso (asiakaspoistuma ja LTV)
- Vaihe 2: Segmentoi asiakkaat riskitason mukaan
- Vaihe 3: Kartoita asiakaspoistumaa aiheuttavat hetket
- Vaihe 4: Rakenna ennakoivat varoitustriggerit
- Vaihe 5: Suunnittele asiakaspysyvyyttä tukevat yhteydenpitopisteet
- Vaihe 6: Mittaa, kehitä ja automatisoi
Useimmat yritykset käyttävät jo jonkinlaista asiakaspysyvyyttä edistävää taktiikkaa: asiakkaan takaisin houkuttelevaa viestiä, kanta-asiakasalennusta tai yhteydenottopuhelua valituksen jälkeen. Yleensä puuttuu kuitenkin järjestelmällisyys. Väärälle asiakkaalle väärään aikaan lähetetty taktiikka, jota ei voi verrata lähtötasoon, on vain strategiaksi naamioitua arvailua.
Tämä toimintamalli korjaa järjestyksen. Alla esitellyt kuusi asiakaspysyvyysstrategian vaihetta rakentuvat toistensa varaan: asiakkaita ei voi segmentoida riskin mukaan ennen kuin riskin arviointiin on lähtötaso, eikä varoitustriggereitä voi rakentaa ennen kuin tiedetään, mitkä hetket ennustavat asiakaspoistumaa. Käy vaiheet läpi kerran järjestyksessä, niin nykyiset taktiikkasi alkavat parantaa asiakaspysyvyyttä sen sijaan, että ne vain reagoisivat tilanteisiin.
LiveAgent on tuotteemme. Tässä oppaassa keskitytään ensin itse prosessiin ja kerrotaan asiakastukialustan hyödyistä vain silloin, kun se aidosti mahdollistaa jotain uutta – ei myyntipuheena, joka on liitetty tarkistuslistaan.
Vaihe 1: Määritä asiakaspysyvyyden lähtötaso (asiakaspoistuma ja LTV)
Laske nykyinen kuukausittainen asiakaspoistuma ja asiakkaan keskimääräinen elinkaariarvo (LTV) ennen muita toimenpiteitä. Vain näiden kahden luvun avulla voit myöhemmin tietää, auttoiko jokin muutos oikeasti.
Asiakaspoistuma tarkoittaa tietyn ajanjakson aikana lähteneiden asiakkaiden prosenttiosuutta:
Asiakaspoistuma = (Ajanjakson aikana menetetyt asiakkaat / Asiakkaat ajanjakson alussa) × 100
Yrityksellä, jolla on kuukauden alussa 1 000 asiakasta ja joka menettää heistä 30, kuukausittainen asiakaspoistuma on 3 %. Optifain 939 B2B-yrityksen Sales Ops Benchmark -tutkimuksen mukaan (Q2 2025–Q1 2026, julkaistu huhtikuussa 2026) 3 % on keskisuurten yritysten vaihteluvälin yläpäässä ja pk-yritysten tyypillisen asiakaspoistuman alapäässä.
| Segmentti | Tyypillinen kuukausittainen asiakaspoistuma | Arvioitu vuotuinen asiakaspoistuma |
|---|---|---|
| Pk-yritykset | 3–5 % | 30–46 % |
| Keskisuuret yritykset | 1,5–3 % | 17–30 % |
| Suuryritykset | 1–2 % | 11–22 % |
| Alan parhaat | Alle 1 % | Alle 11 % |
Lähde: Optifain Sales Ops Benchmark, 939 B2B-yritystä , Q2 2025–Q1 2026, päivitetty viimeksi huhtikuussa 2026.
Vuotuinen asiakaspoistuma ei ole kuukausittainen asiakaspoistuma kerrottuna 12:lla. Se kertautuu, sillä ensimmäisen kuukauden aikana lähteneet asiakkaat eivät voi lähteä uudelleen kuudentena kuukautena. Oikea kaava on yksi miinus (yksi miinus kuukausittainen asiakaspoistuma) potenssiin 12. Tasainen 3 %:n kuukausittainen asiakaspoistuma kertautuu noin 30 %:n vuotuiseksi poistumaksi, ei 36 %:ksi.
Asiakkaan elinkaariarvo vastaa eri kysymykseen: kuinka paljon asiakas on arvoltaan sen ajan, jonka hän pysyy asiakkaana? Yksinkertaisessa laskutavassa asiakkaan keskimääräinen kuukausittainen liikevaihto jaetaan kuukausittaisella asiakaspoistumalla. Kun keskimääräinen kuukausittainen liikevaihto on 100 dollaria ja asiakaspoistuma 3 %, LTV on noin 3 333 dollaria. Tämä luku on tärkeä, sillä se määrittää, kuinka paljon asiakaspysyvyyteen tähtäävä toimenpide saa maksaa. Asiakkaan takaisin voittamiseen käytettävä 50 dollarin kampanja on helppo perustella, kun LTV on 3 333 dollaria. Jos LTV on 200 dollaria, perustelu ei enää päde.
Menetetyn asiakkaan korvaavan asiakkaan hankkiminen ei myöskään ole ilmaista. Harvard Business Review arvioi uuden asiakkaan hankkimisen maksavan 5–25 kertaa enemmän kuin nykyisen asiakkaan säilyttäminen. Arvio perustuu Bain & Companyn Frederick Reichheldin tutkimukseen. Pienikin asiakaspoistuman väheneminen muuttaa liiketoiminnan hankintapuolen laskelmia, ei vain asiakaspysyvyyden puolta.
Jos mahdollista, hae omat lukusi äläkä käytä arvioita. Asiakaspoistuma ja LTV ovat laskutus- ja tilauspalvelumittareita, eivät asiakastuen mittareita, joten ne löytyvät laskutusalustalta tai CRM-järjestelmästä, eivät asiakastuen raporteista. Asiakastuen raportit – kuten tukipyyntöjen määrä, tunnisteet ja ratkaisuaika – ovat silti hyödyllisiä vaiheessa 3, kun selvitetään, mitkä asiakastuen tilanteet edeltävät peruutusta. Niillä ei kuitenkaan lasketa itse asiakaspoistumaa tai LTV:tä.
Vaihe 2: Segmentoi asiakkaat riskitason mukaan
Jaa asiakkaat riskiluokkiin ennen kuin päätät, miten kuhunkin ryhmään reagoidaan. Jos aktiivista ja tyytyväistä asiakastiliä kohdellaan samalla tavalla kuin peruutusta harkitsevaa, ensimmäiseen hukataan resursseja ja toinen jää kokonaan huomiotta.
Käytännöllinen lähtökohta on jakaa asiakkaat kolmeen luokkaan:
- Matala riski: aktiivinen käyttö, ajallaan maksetut laskut ja viimeaikaiset myönteiset asiakastukikokemukset
- Keskisuuri riski: käyttö on vähentynyt mutta ei loppunut, tukipyyntöä ei ole ratkaistu tai palvelutasoa on hiljattain alennettu
- Korkea riski: kirjautumiset ovat loppuneet, peruutuspyyntö on aloitettu mutta jätetty kesken tai uusimispäivä lähestyy ilman viimeaikaista vuorovaikutusta
Näitä luokkia erottelevat signaalit riippuvat liiketoiminnasta. Projektinhallintatyökalussa voidaan painottaa paljon viimeisestä kirjautumisesta kuluneita päiviä, kun taas tilauslaatikkoja tarjoava palvelu voi painottaa kahta viimeksi väliin jäänyttä toimitusta. Käyttäytymisen ja arvon mukaan tehty asiakassegmentointi – ei pelkkä palvelutaso tai yrityksen koko – auttaa kohdentamaan tämän toimintamallin myöhemmät vaiheet oikeille asiakastileille.
Myös segmenttien koolla on väliä. Jos 80 % asiakaskannasta kuuluu keskisuuren riskin luokkaan, jaottelu on liian karkea käytännön toimiin. Täsmennä kriteerejä, kunnes jokaiselle ryhmälle voidaan valita tarkoituksenmukainen toimenpide.
Vaihe 3: Kartoita asiakaspoistumaa aiheuttavat hetket
Listaa asiakassuhteen konkreettiset kohdat, joissa asiakaspoistumaa tapahtuu, älä yleisiä syitä asiakkaiden lähtöön. ”Huono asiakaspalvelu” on syy. ”Tukipyyntö odotti vastausta neljä päivää laskutusvirheen jälkeen” on tietty hetki. Vain jälkimmäiseen tiimi voi suoraan vaikuttaa.
Useimmille asiakastuesta riippuvaisille yrityksille kannattaa kartoittaa ainakin nämä hetket:
- Ensimmäiset 30 päivää rekisteröitymisestä, jolloin perehdytys joko onnistuu tai epäonnistuu
- Ensimmäinen ratkaisematon tukipyyntö tai hitaasti saatu vastaus
- Ilmoitus hinnankorotuksesta tai palvelutason muutoksesta
- Uusimispäivä, etenkin vuosittaisten sopimusten kohdalla
- Asiakkaan käyttämän ominaisuuden muuttaminen tai poistaminen
Laadi lista todellisten tietojen perusteella aina, kun mahdollista: tukipyyntöjen tunnisteet, peruutuskyselyiden vastaukset ja takaisinvoittopuheluiden muistiinpanot ovat arvailua luotettavampia. Jos virallista lähtökyselyä ei vielä ole, seuraavat 20 peruutusta ovat hyvä tilaisuus aloittaa tietojen kerääminen.
Jokaisesta listan hetkestä tulee mahdollinen triggeri vaiheeseen 4. Harvoin esiintyvä hetki, joka aiheuttaa arvokkaiden asiakkaiden poistumaa, ansaitsee triggerin, vaikka se käynnistyisi vain muutaman kerran kuukaudessa.
Vaihe 4: Rakenna ennakoivat varoitustriggerit
Muunna vaiheen 3 hetket automaattisiksi triggereiksi, jotka merkitsevät asiakastilin ennen peruutusta, eivät vasta sen jälkeen. Peruutuspäivänä käynnistyvä triggeri on jälkipuinti, ei varoitus.
Toimiva triggeri tarvitsee kolme osaa:
- Tarkka signaali: ”ei kirjautumista 14 päivään”, ei ”vaikuttaa passiiviselta”
- Raja-arvo: tarkka lukumäärä tai tapahtuma, joka käynnistää triggerin
- Vastuuhenkilö: kenelle ilmoitetaan ja mitä hänen odotetaan tekevän määräajassa
Asiakastukitiimille tämä tarkoittaa yleensä sitä, että merkitty asiakastili ohjataan suoraan työjonoon tai tietylle asiakaspalvelijalle sen sijaan, että se lisättäisiin raporttiin, jonka joku saattaa tarkistaa myöhemmin. Automaatiosääntö, joka merkitsee tukipyynnön ”riskissä”-tunnisteella heti, kun asiakas mainitsee ”peruutuksen” tai ”palvelutason alentamisen”, ja siirtää sen yleisen työjonon sijasta kokeneiden asiakaspalvelijoiden osastolle, reagoi vaiheessa 3 tunnistettuun hetkeen eikä vasta jälkikäteen.
Aseta raja-arvot vaiheissa 2 ja 3 kerättyjen tietojen perusteella, älä oletusarvon mukaan. Jos useimmat asiakkaat poistuvat 21 päivän käyttämättömyyden jälkeen, 30 päivään asetettu triggeri käynnistyy liian myöhään ollakseen hyödyllinen.
Tilaa uutiskirjeemme
Uusimmat vinkit ja tarjoukset suoraan postilaatikkoosi.
Vaihe 5: Suunnittele asiakaspysyvyyttä tukevat yhteydenpitopisteet
Yhdistä jokaiseen vaiheen 2 riskiluokkaan tietty toimenpide sen sijaan, että lähettäisit kaikille riskiasiakkaiksi merkityille saman yleisen ”kaipaamme sinua” -viestin. Arvokas suuryritysasiakas ja vähän kuluttava, itsepalvelua käyttävä asiakas tarvitsevat erilaista yhteydenpitoa, eri kustannuksilla ja eri henkilöiltä.
Hyvä lähtökohta voisi olla seuraava:
| Riskiluokka | Yhteydenpitopiste | Lähettäjä |
|---|---|---|
| Keskisuuri riski | Automaattinen kuulumisviesti, jossa on aiheeseen liittyvä ohjeartikkeli | Automatisoitu |
| Korkea riski, pieni arvo | Henkilökohtainen viesti, jossa tarjotaan puhelua tai tiettyä ratkaisua | Asiakaspalvelija |
| Korkea riski, suuri arvo | Suora yhteydenottopuhelu 24 tunnin kuluessa | Asiakkuuspäällikkö tai kokenut asiakaspalvelija |
Yhteydenoton pitäisi kohdistua vaiheessa 3 tunnistettuun todelliseen tilanteeseen, ei olla yleinen asiakkaan säilyttämistarjous. Jos kyse on ”ratkaisemattomasta laskutukseen liittyvästä tukipyynnöstä”, yhteydenoton tulee sisältää asian ratkaisu ja henkilökohtainen seuranta – ei alennuskoodia, joka ei puutu alkuperäiseen syyhyn, jonka vuoksi asiakas otti yhteyttä.
Ajoitus on yhtä tärkeä kuin sisältö. Triggerin jälkeen 48 tunnissa lähetetty yhteydenotto on hyödyllisempi kuin sama viesti viikon päästä, kun asiakas on jo alkanut harkita muita vaihtoehtoja.
Vaihe 6: Mittaa, kehitä ja automatisoi
Vertaa asiakaspoistumaa ja LTV:tä vaiheessa 1 määritettyyn lähtötasoon säännöllisesti ja muuta sitä, mikä ei vaikuta lukuihin.
Esitä jokaisella tarkistuskerralla kolme kysymystä:
- Muuttuiko kokonaisasiakaspoistuma, ja missä segmentissä muutos näkyi?
- Mitkä vaiheen 4 triggerit edelsivät asiakkaan säilyttämistä, ja mitkä käynnistyivät ilman vaikutusta?
- Tavoittavatko vaiheen 5 yhteydenotot asiakkaat ennen vai jälkeen sen, kun he ovat mielessään päättäneet lähteä?
Jos triggeri tai yhteydenpitopiste ei kahden tai kolmen tarkastelujakson jälkeen liity asiakastilin säilymiseen, siitä kannattaa luopua sen sijaan, että sitä säädettäisiin loputtomasti. Asiakaspysyvyysstrategioihin kertyy samalla tavalla kuollutta painolastia kuin muihinkin prosesseihin: sääntö, jonka joku loi kahdeksan kuukautta sitten ja jota kukaan ei ole sen jälkeen tarkistanut.
Automaatio on kunnolla toteutettujen vaiheiden 1–5 tulos, ei oikotie niiden ohittamiseen. Kun triggerin ja yhteydenpitopisteen yhdistelmän on todettu olevan yhteydessä asiakkaiden säilymiseen, sen muuttaminen pysyväksi automaatiosäännöksi mahdollistaa saman prosessin pyörittämisen yhtä helposti 50 kuin viidelle asiakastilille. LiveAgentin kaltainen sääntömoottori voi merkitä tukipyynnön ja siirtää sen oikealle osastolle heti, kun triggerin ehto täyttyy. Ehto voi perustua viestin sisältöön, tukipyynnön tilaan tai tunnisteisiin, eikä kehittäjää tarvita. Tukipyynnön ohjaaminen tietylle kokeneelle asiakaspalvelijalle oikean työjonon sijasta riippuu kyseisen osaston tukipyyntöjen jakeluasetuksista, ei itse säännöstä.
Kuuden vaiheen kokonaisuus
Mikään näistä kuudesta vaiheesta ei toimi erillään. Ilman lähtötasoa rakennetun triggerin kykyä tunnistaa todellisia riskiasiakkaita ei voi todistaa, ja ilman segmentointia suunniteltu yhteydenotto jää yleiseksi viestiksi, jonka kaikki jo sivuuttavat. Käy vaiheet kerran läpi järjestyksessä ja käsittele sitten kokonaisuutta jatkuvana prosessina, johon palaat neljännesvuosittain, älä projektina, jonka voi saada valmiiksi.
Jos rakennat tätä asiakastukialustalle taulukkolaskentaohjelman sijasta, aloita maksuton kokeilu ja määritä ensin vaiheiden 3 ja 4 tunnisteraportit sekä automaatiosäännöt. Niiden avulla tilanteita ja triggereitä voidaan mitata kertaluonteisen arvauksen sijaan. Vaiheen 1 asiakaspoistuman ja LTV:n lähtötiedot saadaan edelleen laskutusalustalta tai CRM-järjestelmästä.
