In due righe
- Tre segnali bastano per individuare i clienti a rischio abbandono: ordini in calo, giorni dall'ultimo acquisto, reclami o ritardi nei pagamenti.
- Un punteggio su un foglio di calcolo, con i dati del gestionale, dà una lista concreta senza bisogno di un data scientist.
- L'AI entra dopo: incrocia decine di segnali su molti clienti e ordina chi chiamare per primo.
- L'obiettivo non è un algoritmo perfetto, è intervenire prima sui clienti che valgono di più.
Per individuare i clienti a rischio abbandono non serve un algoritmo sofisticato: servono i dati che hai già nel gestionale, letti come tendenze. I tre segnali che anticipano l'abbandono sono il calo della frequenza degli ordini, l'allungamento dei giorni dall'ultimo acquisto e l'aumento di reclami o ritardi nei pagamenti. Si parte da un punteggio calcolato in un foglio di calcolo e si interviene prima, a partire da chi vale di più. L'AI entra dopo, per leggere i segnali su cento clienti insieme e dirti chi chiamare per primo.
Cosa vuol dire "cliente a rischio abbandono" per una PMI che non vende abbonamenti
Il churn rate è la percentuale di clienti che interrompe il rapporto con l'azienda in un dato periodo. Per chi vende abbonamenti o software in abbonamento (SaaS), l'abbandono coincide spesso con una disdetta e si misura con una formula pulita: clienti persi nel periodo diviso clienti iniziali, moltiplicato per cento. Per una PMI che vende progetti, servizi o produzione conto terzi, la disdetta formale spesso non esiste. Il cliente smette di ordinare, dirada le telefonate, non rinnova il contratto annuale in silenzio. La definizione operativa cambia tutto quello che viene dopo. Un'officina o un'agenzia può considerare cliente attivo chi ha ordinato negli ultimi 90 giorni: 90 giorni senza ordine diventano il primo segnale. La guida IBM distingue abbandono volontario e involontario. Per chi non vende abbonamenti il confine è più sfumato, ma il costo è lo stesso.
I segnali che precedono l'abbandono: la checklist da controllare ogni mese
Nessun segnale da solo basta. Due insieme sono un allarme. I dati stanno nel gestionale, nello scadenziario, nella casella email e nei ticket dell'assistenza, non in uno strumento nuovo.
Prima di usare la tabella, una nota: il churn mediano del 13% per i SaaS privati nel 2022, citato da Stripe, riguarda gli abbonamenti. Non va applicato a una PMI manifatturiera o a chi vende progetti. La popolazione è diversa.
| Segnale |
Dove lo trovi |
Soglia d'allarme |
| Calo della frequenza degli ordini |
Fatture e ordini nel gestionale |
Ordini in calo di oltre il 40% su due trimestri consecutivi |
| Allungamento dei giorni dall'ultimo acquisto |
Data dell'ultima fattura per cliente |
Oltre 90 giorni senza ordine per chi comprava ogni mese |
| Ritardi nei pagamenti o solleciti |
Scadenziario e partitario |
Due solleciti o ritardo oltre 30 giorni |
| Aumento di reclami e ticket con tono negativo |
Assistenza e casella email |
Due o più reclami non chiusi nello stesso mese |
| Sparizione dalle comunicazioni |
Email, telefonate, riunioni |
Nessuna risposta a due contatti consecutivi |
| Cambio dell'interlocutore |
Contatti e contratti |
Nuovo referente senza passaggio di consegne |
La soglia più utile è il cambiamento, non il valore assoluto. Un cliente che ordina poco da anni non è a rischio se è sempre stato così; lo è quello che ha ridotto gli ordini del 40% in sei mesi. Due solleciti o due reclami non chiusi nello stesso mese contano più di un singolo episodio. E attenzione: "ha già chiesto la disdetta" non è un segnale predittivo, è l'esito. Non va usato come input.
Il punteggio di rischio fai da te: tre numeri che hai già
L'analisi RFM è un metodo che classifica i clienti su tre misure: Recency, da quanto tempo non compra; Frequency, quanto spesso compra; Monetary, quanto spende. Non serve un software nuovo: un foglio di calcolo e i dati del gestionale bastano finché i clienti sono sotto il centinaio. Una PMI con 20, 40 o 80 clienti attivi ha già tutto. Il punteggio si costruisce in sei passi.
- Estrai da fatture e ordini: cliente, data dell'ultima fattura, fatturato degli ultimi sei mesi e numero di ordini negli ultimi due trimestri.
- Assegna da 0 a 3 punti alla Recency: 0-30 giorni 3, 31-60 2, 61-90 1, oltre 90 0.
- Assegna da 0 a 2 punti alla Frequency: stabile o in crescita 2, calo sotto il 30% 1, calo oltre il 30% 0.
- Assegna da 1 a 3 punti alla Monetary in base al valore: dividi i clienti in tre gruppi di fatturato equivalente e assegna 1, 2 o 3 dal più basso al più alto.
- Togli un punto per ogni reclamo aperto e un punto per ogni sollecito di pagamento.
- Somma. Se il totale scende sotto 3, il cliente entra nella lista di rischio; se scende sotto 1, va contattato per primo.
Il punteggio non misura la redditività: misura il rischio. Un cliente può essere ad alto rischio e comunque poco redditizio, o viceversa. Per capire chi vale davvero, il calcolo della marginalità per cliente è il passaggio successivo.
Dove entra l'AI: dal foglio Excel alla previsione su cento clienti
Se il tema dell'AI in azienda ti è nuovo, il punto di partenza è da dove partire con l'AI in azienda. Poi il confine è semplice: sotto i cento clienti il foglio basta; sopra i cento, o quando vuoi incrociare decine di segnali, un modello AI inizia a ripagarsi.
Un modello predittivo di abbandono è uno strumento basato sui dati che stima la probabilità che un singolo cliente smetta di comprare. Non è una sfera di cristallo. Lavora incrociando i segnali visti sopra con altri: l'andamento delle email aperte, i ticket di assistenza, i tempi di pagamento, il cambio dell'interlocutore. Assegna una probabilità a ciascun cliente e ordina la lista per rischio moltiplicato valore.
Non serve conoscere regressione logistica, random forest o XGBoost per usarne uno. Serve tarare le soglie, verificare a mano i casi limite e misurare se i clienti segnalati se ne vanno davvero. L'AI non sostituisce la telefonata e non decide al posto tuo. Se affidi i dati a un fornitore esterno, la disciplina è GDPR e AI.
Lo strumento
Delera Agent AI costruisce agenti su misura sui processi che oggi ti portano via ore ogni settimana.
Scopri Delera Agent AI
Esempio lavorato: un'azienda B2B con 80 clienti e 1,8 milioni di fatturato
Facciamo un conto su un'azienda tipo. Ottanta clienti attivi, 1,8 milioni di euro di fatturato, quindi 22.500 euro medi a cliente. Se il churn annuo è del 10%, perdi otto clienti e metti a rischio 180.000 euro di fatturato. Prima ancora di contare il costo di sostituirli: acquisire un cliente costa da 5 a 25 volte più che trattenerlo, come riporta Digital4 citando Harvard Business Review. McKinsey aggiunge che servono tre nuovi clienti per sostituire il valore di uno perso.
Il lifetime value (LTV) è il valore economico totale che un cliente genera nel corso della relazione con l'azienda. Qui il LTV medio è 22.500 euro l'anno, ma i clienti non sono uguali: una parte piccola spesso porta una parte grande del fatturato.
Con il punteggio RFM di prima, metti in fila gli 80 clienti e trovi i primi otto con punteggio sotto 3. Il 10% più rischioso della lista è il gruppo su cui concentrare le telefonate. Salvarne due su otto vale circa 45.000 euro di fatturato: più del costo di qualsiasi foglio di calcolo o modello. I numeri sono ipotesi trasparenti, il meccanismo si applica ai tuoi.
Cosa fare con la lista dei clienti a rischio, senza sconti a pioggia
La lista serve a decidere chi sentire per primo, non a fare un'iniezione di sconti. Ordina per rischio moltiplicato valore: alto rischio e alto valore prima di tutto. La sequenza in tre tempi.
- Telefona entro due giorni ai clienti ad alto rischio e alto valore. Chiedi cosa sta succedendo, non vendere.
- Per i clienti a rischio medio o con valore più basso, usa una sequenza leggera: una mail personale, poi una telefonata.
- Se dai dati emerge che il problema è il prezzo, verificato a voce, solo allora valuta uno sconto. Lo sconto non va offerto in anticipo.
Non offrire sconti a pioggia: trasformi la lista di rischio in un listino scontato e non impari perché il cliente stava andando via. Non usare questa lista per decidere quali clienti lasciare andare: quello è il tema di clienti poco redditizi. Per l'azione completa dopo aver individuato i rischi, il passo successivo è fidelizzare i clienti esistenti. Se fai questo controllo ogni mese e ti chiedi se serve un CRM, il confronto è in gestire i clienti con Excel o con un CRM.
Il passo più piccolo è estrarre domani mattina dal gestionale quattro colonne: nome cliente, data dell'ultima fattura, fatturato degli ultimi sei mesi e reclami o solleciti aperti. Calcola il punteggio sui primi dieci clienti. La lista che esce vale più di qualsiasi previsione perfetta, perché ti dice chi chiamare questa settimana.
Domande frequenti
Quanto costa davvero perdere un cliente?
Più di quanto sembri. Secondo McKinsey servono tre nuovi clienti per sostituire il valore di uno perso, e Harvard Business Review stima che acquisirne uno costi da 5 a 25 volte di più che trattenerlo. Un’azienda con 80 clienti e 1,8 milioni di fatturato che perde il 10% dei clienti brucia circa 180.000 euro di fatturato l’anno, prima ancora di contare il costo per sostituirli.
Serve un data scientist per prevedere l’abbandono?
No, per cominciare basta un foglio di calcolo. I segnali forti (calo degli ordini, giorni dall’ultimo acquisto, reclami, ritardi) si calcolano sui dati del gestionale con tre formule. L’AI diventa utile quando i clienti sono molti o quando vuoi incrociare decine di segnali senza leggere tutto a mano: è un moltiplicatore, non il punto di partenza.
Con quanti clienti ha senso un modello predittivo?
Sotto i trenta clienti attivi conosci già ognuno di persona e il punteggio serve solo a non fidarti delle impressioni. Fra trenta e cento clienti, un punteggio a regole in Excel è la scelta giusta. Oltre i cento, o quando i segnali da incrociare sono tanti, un modello AI inizia a ripagarsi perché nessuno riesce più a tenere tutto a mente.
Cosa faccio quando individuo un cliente a rischio?
Prima una telefonata, non uno sconto. Lo sconto serve solo se dai dati emerge che il problema è il prezzo, e lo verifichi nella conversazione. Per i clienti ad alto rischio e alto valore, chiama entro due giorni; per gli altri, una sequenza di contatti più leggera. L’azione concreta è il passo successivo e va fatta con metodo, non offrendo a tutti la stessa cosa.
L’AI può sbagliare? Cosa rischio con i falsi positivi?
Sì, e il rischio più concreto è bruciare il tempo di chi vende: un modello che segnala troppi falsi positivi smette di essere ascoltato dopo due settimane. Per questo si tarano le soglie, si controlla a mano il punteggio sui casi limite e si misura se i clienti segnalati se ne vanno davvero. Un buon modello non è quello che indovina sempre, è quello su cui vale la pena agire.
Dove trovo i dati per il punteggio?
Nel gestionale o nel CRM che già usi: date e importi delle fatture, ordini, solleciti, ticket dell’assistenza, email scambiate. Non servono dati esterni né strumenti nuovi. Il primo passo è pulire questi dati una volta: una tabella con cliente, data dell’ultimo ordine, fatturato degli ultimi sei mesi e reclami aperti è già l’ottanta per cento del punteggio.
Delera CRM
Delera Agent AI
UmanValue
PMI Speed Test