Retencja klientów w e-commerce: jak ją liczyć, analizować i poprawiać

Czym jest retencja klientów i czym różni się od lojalności

Retencja opisuje zachowanie: klient kupił, a potem wrócił i kupił ponownie. Lojalność to szersze pojęcie. Obejmuje także preferencję marki, czyli gotowość, by wybrać ją mimo podobnej oferty u konkurencji. W raportach i na spotkaniach oba słowa często znaczą to samo, ale warto je rozróżniać, bo prowadzą do innych decyzji.

Raport „Lojalność w e-commerce 2025”, przygotowany przez Izbę Gospodarki Elektronicznej i Mobile Institute i omówiony przez „Wiadomości Handlowe” w grudniu 2025 r., zwraca uwagę właśnie na tę różnicę: powtórne zakupy w internecie nie zawsze oznaczają przywiązanie do marki. Klient może wracać, bo sklep jest dziś najtańszy, ma najszybszą dostawę albo wygodny automat paczkowy w pobliżu. Gdy konkurent przebije tę jedną przewagę, klient odejdzie bez żalu.

Drugą cechą e-commerce jest brak umowy. Abonent telefonu wypowiada umowę, więc firma wie, kiedy go straciła. Klient sklepu internetowego po prostu przestaje kupować. Nikt nie wysyła informacji o odejściu, dlatego sklep musi sam ustalić, kiedy uznaje klienta za aktywnego, zagrożonego albo utraconego. Wyjątkiem są subskrypcje, w których relacja przypomina umowę abonamentową; opisujemy je w tekście o subskrypcjach w e-commerce.

Dlaczego retencja ma dziś większe znaczenie niż kilka lat temu

Polski rynek zakupów internetowych jest dojrzały. Według raportu Gemius „E-commerce w Polsce 2025” zakupy online robi blisko 78% internautów, a 41% kupuje na platformach zagranicznych, o 5 punktów procentowych więcej niż rok wcześniej. Badanie „Omni-commerce. Kupuję wygodnie 2025” Izby Gospodarki Elektronicznej i Mobile Institute, przeprowadzone na ponad 2400 internautach, pokazało, że 93% z nich kupowało w sieci w ostatnich sześciu miesiącach, a 34% e-klientów robi zakupy online co najmniej 5 razy w miesiącu.

Z tych liczb wynikają dwa wnioski. Po pierwsze, coraz trudniej rosnąć dzięki osobom, które dopiero zaczynają kupować w internecie, bo prawie wszyscy już to robią. Po drugie, klienci kupują często i mają duży wybór. W tym samym badaniu IGE 82% kupujących przyznało, że porzuca koszyki, a jedną z głównych przyczyn jest atrakcyjniejsza oferta w innym sklepie. Konkurencja o klienta nie kończy się więc na pierwszym zamówieniu.

W tekstach o retencji często pojawiają się dwie liczby: pozyskanie nowego klienta kosztuje od 5 do 25 razy więcej niż utrzymanie obecnego, a wzrost retencji o 5% podnosi zysk o 25–95%. Obie podaje między innymi „Harvard Business Review” w artykule z 2014 r., przy czym druga pochodzi z wcześniejszych badań Fredericka Reichhelda z Bain & Company. To dane sprzed lat, z różnych branż, więc traktuj je jako kierunek, a nie punkt odniesienia dla swojego sklepu. Dużo więcej powie Ci porównanie własnego kosztu pozyskania klienta z marżą, jaką przynoszą jego kolejne zamówienia. Jak to zestawić, pokazujemy w tekście o CAC, LTV i okresie zwrotu.

Jak policzyć retencję klientów: wzory i wskaźniki

Jeden wskaźnik nie wystarczy. Klasyczny wskaźnik retencji dobrze opisuje firmy abonamentowe, a w sklepie internetowym trzeba go uzupełnić o miary oparte na zamówieniach. Poniższa tabela zbiera te, które warto liczyć co miesiąc.

Wyliczenie modelowe. Na początku kwartału sklep ma 2000 aktywnych klientów. W kwartale pozyskuje 600 nowych, a na koniec kwartału aktywnych jest 2100. Wskaźnik retencji wynosi [(2100 − 600) ÷ 2000] × 100 = 75%. Oznacza to, że z 2000 klientów z początku kwartału 1500 nadal jest aktywnych.

Wzór dzieli wynik przez liczbę klientów na początku okresu. Shopify w swoim poradniku podaje ten sam wzór, ale w przykładzie dzieli przez liczbę klientów na końcu, co daje inny wynik. Ustal jedną wersję i trzymaj się jej, inaczej porównania między kwartałami stracą sens. Polar Analytics w analizie z sierpnia 2026 r. zwraca uwagę na jeszcze jedną słabość: wzór powstał dla subskrypcji i liczy jako „utrzymanego” także klienta, który kupił raz i nigdy nie wrócił. Ten sam poradnik przytacza średnią retencję w e-commerce na poziomie 28%, powołując się na Metrilo, ale bez daty i opisu metody. Takiej średniej nie używaj jako celu.

Kiedy klient przestaje być klientem: jak zdefiniować odejście

Próg odejścia zależy od tego, co sprzedajesz. Klient sklepu z kawą może kupować co trzy tygodnie, a klient sklepu z meblami raz na kilka lat. Ten sam próg dla obu sklepów nie ma sensu. Dlatego najlepiej wyznaczyć go z własnych danych.

1. Wyeksportuj zamówienia z co najmniej dwóch lat: identyfikator klienta, datę i wartość zamówienia.
2. Dla każdego klienta, który kupił co najmniej dwa razy, policz liczbę dni między pierwszym a drugim zamówieniem.
3. Sprawdź, w jakim czasie wraca większość klientów, na przykład 80% z nich. To Twój próg ryzyka.
4. Podziel bazę na statusy: aktywny (kupił w czasie krótszym niż próg), zagrożony (przekroczył próg), uśpiony (przekroczył dwukrotność progu) i utracony (brak zakupu znacznie dłużej, na przykład przez rok w kategorii szybko rotującej).
5. Powtórz analizę osobno dla głównych kategorii, jeśli różnią się rytmem zakupów.

Przykład modelowy. Sklep z kosmetykami ustala, że 80% klientów, którzy złożyli drugie zamówienie, zrobiło to w ciągu 75 dni od pierwszego. Klient bez zakupu przez 75 dni trafia do grupy zagrożonej i dostaje przypomnienie. Po 150 dniach przechodzi do grupy uśpionej, w której sklep testuje mocniejszą ofertę reaktywacyjną.

Takie statusy porządkują automatyzacje. Mail powitalny, przypomnienie o uzupełnieniu zapasu i kampania reaktywacyjna trafiają do różnych grup, w różnym czasie. Gotowe sekwencje opisujemy w artykule o scenariuszach automatyzacji dla sklepu.

Analiza kohortowa: jak sprawdzić, czy klienci wracają

Kohorta to grupa klientów, którzy zrobili pierwszy zakup w tym samym okresie, na przykład w marcu. Analiza kohortowa pokazuje, jaka część tej grupy kupiła ponownie w kolejnych miesiącach. Dzięki temu nie mieszasz klientów z różnych okresów i widzisz, czy retencja poprawia się z czasem, czy tylko rośnie liczba nowych zamówień.

Eksploracja kohort w GA4

Google Analytics 4 ma gotową technikę „Eksploracja kohort” w sekcji Eksploracje. Według dokumentacji Google ustawiasz w niej:

• kryterium włączenia, czyli zdarzenie, które dodaje użytkownika do kohorty, na przykład pierwsze zetknięcie, dowolną transakcję albo wybrane zdarzenie,
• kryterium powrotu, czyli działanie, które musi wykonać później, na przykład kolejną transakcję,
• szczegółowość: dzienną, tygodniową (od niedzieli do soboty) albo miesięczną (miesiące kalendarzowe),
• sposób obliczania: standardowy (powrót w danym okresie), kroczący (powrót w danym okresie i we wszystkich wcześniejszych) albo skumulowany (powrót w którymkolwiek okresie do danego momentu).

Dokumentacja wymienia też ograniczenia. Eksploracja obsługuje maksymalnie 60 kohort, przy podziale według wymiaru pokazuje 15 najczęstszych wartości, a kohorty opiera na danych z urządzeń i nie uwzględnia User-ID. Dla sklepu oznacza to, że klient, który pierwszy raz kupił na telefonie, a drugi raz na laptopie, może wyglądać w raporcie jak dwie różne osoby. GA4 dobrze nadaje się więc do szybkiego podglądu, a dokładną retencję klientów policzysz na danych zamówień. Jak poprawnie skonfigurować zdarzenia zakupu, wyjaśniamy w przewodniku Google Analytics 4 od podstaw.

Kohorty w arkuszu na danych ze sklepu

1. Wyeksportuj zamówienia z platformy sklepu: identyfikator klienta (albo zaszyfrowany e-mail), datę i wartość zamówienia.
2. Dla każdego klienta ustal miesiąc pierwszego zamówienia. To jego kohorta.
3. Przy każdym zamówieniu policz, który to miesiąc od pierwszego zakupu (0, 1, 2 i dalej).
4. Zbuduj tabelę przestawną: w wierszach kohorty, w kolumnach numer miesiąca, w komórkach liczba unikalnych klientów.
5. Podziel każdą komórkę przez liczbę klientów w kohorcie, czyli wartość z miesiąca 0.

Tabelę czytaj na trzy sposoby. Wiersz pokazuje, jak szybko gaśnie aktywność jednej kohorty. Kolumna pozwala porównać kohorty w tym samym wieku: w przykładzie marzec wypada lepiej niż styczeń, więc warto sprawdzić, co się wtedy zmieniło. Przekątna ujawnia efekty kalendarza, na przykład skok zakupów wszystkich kohort w grudniu. Ostatni wiersz pokazuje typowe ryzyko dużych promocji: kohorta pozyskana rabatem jest liczna, ale wraca rzadziej. Jak promować się w sezonie bez przyciągania wyłącznie łowców okazji, opisujemy w tekście Black Friday bez wojny cenowej.

Segmentacja RFM: których klientów zatrzymywać w pierwszej kolejności

Nie każdy klient jest wart tej samej uwagi i tego samego rabatu. Segmentacja RFM dzieli bazę według trzech cech: kiedy klient kupił ostatnio (recency), jak często kupuje (frequency) i ile wydaje (monetary). Każdej cesze nadajesz ocenę, na przykład od 1 do 5 według kwintyli, i łączysz oceny w segmenty. Wystarczą do tego dane zamówień i arkusz.

RFM ma jedną wadę: patrzy wstecz. Pokazuje, kto był cenny, ale nie przewiduje, kto będzie. Dlatego warto łączyć go z wartością klienta w czasie, którą omawiamy w tekście o LTV w sklepie internetowym, a w dużych sklepach także z prognozami.

Prognozy w GA4: prawdopodobieństwo zakupu i rezygnacji

GA4 oferuje trzy wskaźniki prognozowane, które przydają się w pracy nad retencją:

• prawdopodobieństwo zakupu, czyli szansa, że użytkownik aktywny w ostatnich 28 dniach wykona wybrane kluczowe zdarzenie w ciągu najbliższych 7 dni,
• prawdopodobieństwo rezygnacji, czyli szansa, że użytkownik aktywny w ostatnich 7 dniach nie będzie aktywny w ciągu kolejnych 7 dni,
• przewidywane przychody z zakupów w najbliższych 28 dniach od użytkowników aktywnych w ostatnich 28 dniach.

Progi są wysokie. Według dokumentacji Google w ostatnich 28 dniach, w okresie siedmiu dni, co najmniej 1000 powracających użytkowników musi spełnić warunek prognozy i co najmniej 1000 go nie spełnić. Zdarzenie purchase musi mieć parametry wartości i waluty, a model musi utrzymywać odpowiednią jakość. Prognozy aktualizują się raz dziennie. Jeśli jakość modelu spadnie, GA4 przestaje je aktualizować.

W praktyce z prognoz skorzystają średnie i duże sklepy. Na ich podstawie zbudujesz grupy odbiorców, na przykład użytkowników z wysokim prawdopodobieństwem rezygnacji, i wykluczysz ich z kampanii nastawionych na nowych klientów albo przeznaczysz dla nich osobną komunikację. Do odzyskiwania klientów przydaje się też cel utrzymania klientów w Google Ads: w kampaniach Performance Max możesz wyżej licytować uśpionych klientów, których okres nieaktywności definiujesz sam i wskazujesz listą klientów. Mniejsze sklepy osiągną więcej, łącząc RFM ze statusami opartymi na progu odejścia.

Co naprawdę poprawia retencję: od pierwszego zamówienia do programu lojalnościowego

Pierwsze zamówienie i obsługa po zakupie

Na decyzję o powrocie najmocniej wpływa przebieg pierwszego zakupu. Dostawa w obiecanym terminie, czytelne informacje o statusie paczki, produkt zgodny z opisem i prosty zwrot to podstawy, bez których nie zadziała żaden program lojalnościowy. Paradoksalnie łatwy zwrot sprzyja retencji: klient, który bez kłopotu oddał nietrafiony produkt, chętniej zamówi ponownie. Od 2026 r. temat zwrotów zmieniają też przepisy o funkcji odstąpienia od umowy, które opisujemy w tekście o przycisku odstąpienia od umowy.

Opinie i dowód społeczny

Prośba o opinię po dostawie to jednocześnie sprawdzenie satysfakcji. Negatywna recenzja jest sygnałem, że klient może odejść, więc warto na nią szybko reagować. Opinie pomagają też kolejnym klientom wybrać właściwy produkt, co zmniejsza liczbę zwrotów i rozczarowań. Jak zbierać recenzje i informować o ich weryfikacji, piszemy w tekście o opiniach produktowych w sklepie.

Komunikacja po zakupie

Najskuteczniejsze automatyzacje retencyjne są proste: mail po dostawie z instrukcją lub poradą, przypomnienie o uzupełnieniu zapasu w typowym dla produktu terminie, rekomendacja produktu uzupełniającego i kampania dla klientów zagrożonych odejściem. Warunek jest jeden: musisz mieć zgodę na komunikację marketingową i trafiać do skrzynki odbiorczej. O zgodach piszemy w tekście o zgodach marketingowych i RODO, a całą strategię kanału opisujemy w przewodniku E-mail marketing w 2026 roku.

Program lojalnościowy, rabaty i subskrypcje

Programy lojalnościowe i rabaty działają różnie. Rabat obniża cenę jednego zamówienia i łatwo uczy klienta czekania na promocję. Dobrze zaprojektowany program nagradza za powtarzalne zachowanie i może dawać korzyści niecenowe, na przykład wcześniejszy dostęp albo darmowe zwroty. Kiedy wybrać które narzędzie, analizujemy w tekście Program lojalnościowy czy rabaty?. Przy produktach kupowanych regularnie najsilniejszym narzędziem retencji bywa subskrypcja, ale tylko wtedy, gdy klient łatwo może ją wstrzymać lub zmienić.

Retencja a przepisy: o czym pamiętać w 2026 roku

Działania retencyjne często dotykają cen, zwrotów i opinii, czyli obszarów, które kontroluje UOKiK. Trzy zasady mają tu największe znaczenie.

• Rabaty w programach lojalnościowych. Według wyjaśnień Prezesa UOKiK z maja 2023 r. obniżki dla uczestników programów lojalnościowych, które dotyczą konkretnych produktów lub ich grup, wymagają podania najniższej ceny z 30 dni przed obniżką. Szczegóły zbieramy w tekście o najniższej cenie z 30 dni.
• Opinie klientów. Sklep, który publikuje recenzje, musi informować, czy i jak sprawdza, że pochodzą od osób, które kupiły produkt. Nie wolno też zamieszczać ani zlecać fałszywych opinii.
• Funkcja odstąpienia od umowy. Dyrektywa (UE) 2023/2673 dodała do unijnych przepisów obowiązek funkcji oznaczonej jako „odstąp od umowy tutaj” lub równie jednoznacznie. Państwa członkowskie miały przyjąć przepisy do 19 grudnia 2025 r. i stosować je od 19 czerwca 2026 r.

Jak sprawdzić, czy działania retencyjne naprawdę działają

Największy błąd w raportach retencji to przypisywanie każdego powrotu ostatniemu mailowi albo rabatowi. Część klientów wróciłaby bez żadnej zachęty, a rabat dla nich to czysta strata marży. Jedynym pewnym sposobem jest grupa kontrolna.

1. Wybierz segment, na przykład klientów zagrożonych odejściem.
2. Losowo odłóż część segmentu, na przykład 10–20%, która nie dostanie kampanii.
3. Po ustalonym czasie porównaj odsetek klientów, którzy kupili w obu grupach, oraz marżę z ich zamówień.
4. Różnica między grupami to efekt kampanii. Jeśli jest bliska zera, kampania nie działa albo płacisz za powroty, które i tak by nastąpiły.

Ta sama logika dotyczy programów lojalnościowych: uczestnicy programu prawie zawsze kupują częściej niż pozostali, bo do programu zapisują się najbardziej zaangażowani klienci. Sam ten fakt nie dowodzi skuteczności programu. Więcej o projektowaniu takich porównań piszemy w tekście o testach inkrementalności.

Najczęstsze błędy w mierzeniu i poprawianiu retencji

• Brak definicji aktywnego klienta. Bez niej wskaźnik retencji można dowolnie przesuwać, zmieniając okres analizy.
• Mieszanie klientów i użytkowników. Użytkownik w GA4 to urządzenie lub przeglądarka, a klient to osoba z historią zamówień. Raporty oparte na tych dwóch pojęciach dadzą różne wyniki.
• Średnia zamiast kohort. Rosnący udział powracających klientów może oznaczać po prostu spadek liczby nowych, a nie lepszą retencję.
• Ten sam rabat dla wszystkich. Najlepsi klienci kupiliby i bez niego, a utraceni często nie wrócą nawet z nim.
• Ignorowanie zwrotów. Klient, który kupił drugi raz i oddał oba zamówienia, nie jest sukcesem retencji. Licz powroty na zamówieniach zrealizowanych.
• Ocena po tygodniu. W kategoriach z długim odstępem między zakupami efekt działań widać dopiero po kilku miesiącach.

Kiedy retencja nie jest pierwszym priorytetem

Są sklepy, w których powtórny zakup zdarza się rzadko z natury produktu: suknie ślubne, materace, duże AGD czy meble. Tam inwestycja w program punktowy czy częsty newsletter rzadko się zwraca. Ważniejsze są polecenia, opinie i obsługa posprzedażowa, bo zadowolony klient przyprowadzi kolejnego, nawet jeśli sam wróci za kilka lat. Retencja zajmuje też dalsze miejsce w sklepie, który dopiero szuka dopasowania produktu do rynku. Jeśli klienci nie wracają, bo produkt ich rozczarował, żaden program lojalnościowy tego nie naprawi.

Warto też pamiętać o skali. Zaawansowane modele i prognozy wymagają tysięcy klientów. Mały sklep osiągnie więcej, gdy dopracuje pierwsze zamówienie, poprosi o opinię i wyśle dobrze zaplanowane przypomnienie w momencie, gdy klientowi kończy się produkt.

Plan na 90 dni: od pomiaru do pierwszych testów

1. Dni 1–14. Wyeksportuj zamówienia z dwóch lat, zdefiniuj aktywnego klienta i policz wskaźniki z tabeli: CRR, wskaźnik powtórnych zakupów, czas do drugiego zamówienia i udział przychodu od powracających.
2. Dni 15–30. Zbuduj tabelę kohort miesięcznych i porównaj kohorty pozyskane w promocjach z pozostałymi. Wyznacz próg odejścia i podziel bazę na statusy.
3. Dni 31–45. Zrób segmentację RFM i wybierz dwa segmenty o największym potencjale, zwykle obiecujących nowych i zagrożonych wartościowych.
4. Dni 46–75. Uruchom dla nich automatyzacje z grupą kontrolną: zachętę do drugiego zakupu i kampanię dla klientów zagrożonych. Sprawdź też proces zwrotów i prośby o opinię.
5. Dni 76–90. Porównaj wyniki grup testowych i kontrolnych, policz marżę i zdecyduj, co skalować. Dodaj wskaźniki retencji do comiesięcznego raportu.

• Masz pisemną definicję aktywnego, zagrożonego i utraconego klienta.
• Wskaźnik retencji liczysz zawsze tym samym wzorem i dzielisz przez liczbę klientów na początku okresu.
• Tabela kohort aktualizuje się co miesiąc na danych zamówień, a nie tylko w GA4.
• Każda kampania retencyjna ma grupę kontrolną.
• Rabaty dla uczestników programu lojalnościowego pokazują najniższą cenę z 30 dni.
• Proces zwrotu jest prosty i opisany na stronie, a sprzedaż do innych krajów UE uwzględnia funkcję odstąpienia.
• Prośba o opinię wychodzi po dostawie, a sklep informuje, jak weryfikuje recenzje.