ریزش مشتری چیست و چطور جلویش را می‌گیرند

ریزش یعنی کسی که قبلاً مشتری‌تان بود، دیگر خرید نمی‌کند. برخلاف شکایت و مرجوعی، ریزش هیچ اعلانی ندارد — مشتری فقط دیگر برنمی‌گردد و شما ماه‌ها بعد متوجه می‌شوید.

تحلیل فایل فروش من تحلیل RFM چیست؟

ریزش مشتری چیست؟

ریزش یعنی کسی که قبلاً مشتری بود، دیگر خرید نمی‌کند. برخلاف شکایت و مرجوعی هیچ اعلانی ندارد؛ مشتری فقط دیگر برنمی‌گردد. به همین دلیل در گزارش فروش کل دیده نمی‌شود و معمولاً ماه‌ها بعد فهمیده می‌شود، وقتی دیگر دیر است.

چرا ریزش دیر فهمیده می‌شود

مشکل اصلی این است که ریزش یک رویداد نیست، یک نبودن است. سیستم‌های فروش برای ثبت اتفاق ساخته شده‌اند، نه برای ثبت اتفاقی که نیفتاد.

گزارش فروش کل، ریزش را پنهان می‌کند

وقتی فروش کل ثابت مانده، به‌نظر همه‌چیز خوب است — حتی اگر نیمی از مشتریان قدیمی رفته باشند و جایشان را مشتری تازه گرفته باشد.

هیچ‌کس «خداحافظی» نمی‌کند

مشتری ناراضی معمولاً شکایت نمی‌کند؛ فقط دیگر سفارش نمی‌دهد. پس در هیچ گزارشی ردی از او نمی‌ماند.

«چند وقت است نخریده» کسی را نگران نمی‌کند

تا وقتی معیار روشنی برای «دیر شده» نداشته باشید، فاصله‌ی خرید فقط یک عدد بی‌معنی در جدول است.

نشانه‌هایی که زودتر از خودِ ریزش پیدا می‌شوند

ریزش ناگهانی نیست؛ معمولاً چند ماه قبلش در داده‌ی خرید علامت می‌دهد. این‌ها را می‌شود از همان فایل فروش دید:

فاصله‌ی خرید بلندتر شده. کسی که ماهی یک بار می‌خرید، حالا هر سه ماه می‌خرد.
مبلغ سبد کوچک‌تر شده. همان تعداد سفارش، ولی خرید سبک‌تر.
تنوع خرید کم شده. از چند دسته به یک دسته محدود شده.
فقط با تخفیف می‌خرد. بدون کمپین، خبری از سفارش نیست.
آخرین خرید از میانگین چرخه‌ی خودش گذشته. مهم‌ترین نشانه، و همان چیزی که چاریک اول از همه محاسبه می‌کند.

نرخ ریزش را چطور حساب کنیم

ساده‌ترین تعریف قابل استفاده برای یک فروشگاه:

نرخ ریزش دوره = (تعداد مشتریانی که در دوره‌ی قبل خرید داشتند و در این دوره نداشتند) ÷ (تعداد مشتریان دوره‌ی قبل)

⚠️ «دوره» را باید متناسب با کسب‌وکار خودتان انتخاب کنید. برای فروشگاه مواد غذایی یک ماه منطقی است، برای لوازم خانگی یک سال. استفاده از دوره‌ی اشتباه، عددی می‌دهد که یا همیشه نگران‌کننده است یا همیشه آرام‌بخش — و هیچ‌کدام به تصمیم کمک نمی‌کند.

چاریک اینجا چه می‌کند

هشدار پیش‌دستانه

به‌جای گزارش «چند نفر رفتند»، فهرست کسانی را می‌دهد که هنوز نرفته‌اند ولی دارند می‌روند — زودتر از اینکه کامل بروند.

دلیل، نه فقط عدد

هر مشتری در خطر با دلیلش می‌آید: فاصله‌ی خرید، افت مبلغ، یا خارج شدن از چرخه‌ی همیشگی خودش.

قدم بعدی بعد از شناسایی، بازگرداندن مشتری است — و مبنای هر دو، تحلیل RFM است.

مطالب مرتبط در آرتین‌مگ

این مطالب در آرتین‌مگ، رسانه‌ی تخصصی گروه آرتین، منتشر شده‌اند. خواندنشان کمک می‌کند بفهمید کدام ابزار به کار شما می‌آید.

نقشه راه کامل سری مسیر ایجنت آرتین‌بات — از Sales Brain تا AutoFlow و NL2SQL

چت بات

نقشه راه کامل سری مسیر ایجنت: از Sales Brain تا NL2SQL

راهنمای کامل سری مسیر ایجنت — سه لایه قابلیت آرتین‌بات (Sales Brain، AutoFlow، NL2SQL) و راهنمای اینکه از کدام مقاله شروع کنید.

2026-08-14· 4 دقیقه مطالعه· artinmag.ir ↗

شناسایی مشتریان وفادار، در خطر ریزش و جدید پرارزش با NL2SQL آرتین‌بات و مدل RFM

چت بات

چطور با NL2SQL مشتریان وفادار فروشگاه خود را شناسایی و حفظ کنیم؟

وفاداری فقط تعداد خرید نیست. با NL2SQL آرتین‌بات و مدل RFM، مشتریان وفادار، در خطر ریزش و پرارزش را شناسایی کنید. مقاله دوازدهم سری مسیر ایجنت.

2026-08-14· 4 دقیقه مطالعه· artinmag.ir ↗

بهترین زمان و بهترین محصول برای تخفیف با NL2SQL آرتین‌بات — چهار سیگنال داده‌محور

چت بات

چطور با NL2SQL بهترین زمان تخفیف هر محصول را پیدا کنیم؟

تخفیف حسی یا داده‌محور؟ با NL2SQL آرتین‌بات، بهترین زمان و بهترین محصول برای تخفیف را بر اساس داده واقعی فروشگاه پیدا کنید. مقاله یازدهم سری مسیر ایجنت.

2026-08-13· 4 دقیقه مطالعه· artinmag.ir ↗