Naročniški in potrošni izdelki

Zakaj pogostosti nakupov ne bi smeli izračunavati enako za vse kupce

Posted on July 19, 2026 by

Ena sama pogostost nakupov za celotno trgovino — »naši kupci ponovno naročijo vsakih šest tednov« — je povprečje, ki ne ustreza skoraj nobenemu od vaših dejanskih kupcev. Dva človeka, ki kupujeta isti potrošni izdelek, ga lahko porabljata z divje različnima tempoma: eden steklenico porabi v treh tednih, drugi v treh mesecih, zaradi velikosti gospodinjstva, navad rabe in tega, kako močno se nanj zanašata. Če opomnike, naročnine in ponovne pridobitve časovno usklajujete po eni zmešani številki, ste prezgodnji za lahke porabnike in prepozni za težke, za večino ljudi vmes pa napačni. Ta stran razloži, zakaj vas povprečje zavaja, kaj namesto tega izračunati in kako pogostost na kupca spremeni način, kako vodite dopolnjevanje zaloge.

Povprečje je številka, ki je v resnici ni nihče

Tukaj je past. Izvlečete vsa ponovna naročila izdelka, poiščete povprečno vrzel med njimi in dobite »42 dni«. Zdi se kot dejstvo o vaših kupcih. Ni. Je dejstvo o vaši preglednici.

Če polovica vaših kupcev ponovno naroči vsakih 21 dni in polovica vsakih 63, je povprečje 42 — in 42 ne opisuje nobene skupine. Vsem pošljite opomnik na dan 40 in za hitro polovico ste dva tedna in pol prepozni (že jim je zmanjkalo in so morda ponovno kupili drugje), za počasno polovico pa dva tedna prezgodnji (še vedno imajo tretjino steklenice in vaš sunek se zdi vsiljiv). Povprečje sedi v prazni dolini med dvema resničnima vrhovoma. To je celotna težava v eni vrstici: optimizirali ste za kupca, ki ne obstaja.

To je tudi razlog, zakaj opomniki z nespremenljivim razmikom tiho slabo delujejo — razmik je zgrajen na povprečju, zato podeduje slepo pego povprečja. Mehanika te odpovedi je razložena v zakaj nespremenljivi opomniki za dopolnitev zaloge odpovejo, ko se raba spreminja.

Zakaj »kar uporabi povprečje« vseeno preživi

Povprečje vztraja, ker je enostavno in na nadzorni plošči zgleda razumno. Ena številka, en urnik, opravljeno. In za izdelek, ki ga vsi porabljajo skoraj enako hitro — recimo mesečna zaloga kontaktnih leč — je res povsem v redu. Porabo določa izdelek, zato je razpršenost majhna in povprečje je blizu vsem.

Težave se začnejo pri izdelkih, kjer se raba razlikuje od osebe do osebe: dodatki, nega kože, kava, hrana za hišne ljubljenčke, čistilna polnila, karkoli, kjer tempo določata velikost gospodinjstva in navada. Tam je razpon med lahkimi in težkimi porabniki ogromen in ena sama pogostost neha biti približek ter postane dejavno napačna. Več opomnikov je ne bo rešilo — le pogosteje bi pošiljali napačno usklajeno sporočilo. Rešitev je izračunati pogostost na ravni, kjer se poraba dejansko dogaja: pri posameznem kupcu.

Kje pušča prihodek

Dve puščanji, nasprotni smeri, obe iz iste povprečene številke.

Težki porabniki, opomnjeni prepozno. To so vaši najboljši kupci — porabljajo hitro, zato so na leto vredni največ. Njihov opomnik uskladite po povprečju trgovine in zadenejo dno, preden spregovorite. Močan ljubitelj kave, ki dokonča vrečko za 14 € vsakih 12 dni, opomnjen po 30-dnevnem povprečju, vsak cikel ostane brez za več kot dva tedna. Skozi leto je to ducat oken, kjer oglas konkurence ali polica v trgovini lahko odvzame prodajo. Izgubite ga povsem in svojega najvrednejšega kupca ste izgubili zaradi napake v urniku.

Lahki porabniki, opomnjeni prezgodaj. Sunite nekoga, ki ponovno naroči vsakih 70 dni, po 30-dnevnem urniku in poslali ste mu dva prezgodnja opomnika »čas je za obnovo zaloge«, preden je sploh blizu praznega. Naučijo se, da so vaši opomniki šum, in nehajo biti pozorni — tako da tudi tisti en opomnik, ki bi bil dobro usklajen, ostane prezrt.

Približno rečeno: pri izdelku z resnično razpršenostjo rabe lahko povprečeni urnik zgreši časovnico za večino prihodka trgovine iz ponovnih naročil. (Ilustrativno — velikost je odvisna od tega, kako širok je vaš razpon.) Denar ni izgubljen zaradi slabih izdelkov; izgubljen je zaradi slabega imenovalca.

Kaj namesto tega izračunati

Preidite z ene številke na številko na kupca, nato razvrstite.

1. Lasten razmik vsakega kupca

Za vsakega kupca z dvema ali več nakupoma izdelka že imate njegovo resnično vrzel: dneve med njegovimi naročili. Tri ali več naročil vam da osebni median, ki je precej zanesljivejši od povprečja trgovine. Prav ta razmik na kupca — ne povprečje — bi moral poganjati časovnico njegovih opomnikov. V povezavi s tem, koliko kupi vsakič, napoveduje tudi datum njegovega naslednjega naročila; metoda je v ocenjevanje datuma naslednjega nakupa iz količine naročila.

2. Pasovi pogostosti, ne eno samo povprečje

Vsakega kupca ne morete ročno uravnavati in tudi ni treba. Razvrstite kupce v nekaj pasov — hitri, tipični, počasni — in opomnike časovno uskladite po pasu. Trije ali štirje pasovi ujamejo večino koristi popolne personalizacije z delcem zapletenosti. To je praktična oblika kako segmentirati kupce po dejanskem vedenju ponovnega naročanja: segment je opredeljen z njihovim tempom, ne s tempom kataloga.

3. Novi kupci: začnite s smiselno privzeto vrednostjo, nato popravite

Prvi kupec še nima razmika, zato ga res začnete z oceno kategorije. Bistvo je, da to oceno zamenjate z njegovim resničnim vedenjem takoj, ko prispe drugo naročilo, namesto da ga za vedno pustite na povprečju trgovine.

Ena poštena omejitev: razmiki na kupca postanejo majavi za ljudi z le enim nakupom in nihajo, ko se poraba sama spremeni — novorojenček, sezonsko nihanje, drugi član gospodinjstva. Zgoden razmik obravnavajte kot delovno oceno, preverite ga v naslednjem ciklu in ne zaupajte preveč dvema podatkovnima točkama.

Kaj avtomatizirati

Sprožilec: lasten predvideni datum ponovnega naročila kupca — njegov osebni razmik od zadnjega naročila — ne nespremenljivo število dni, uporabljeno za vse.
Segment: pasovi pogostosti (npr. pod 30 dni, 30–60, 60+), pri čemer se kupci premikajo med pasovi, kot se njihovo vedenje posodablja.
Časovnica: pošljite nekaj dni pred osebno točko ponovnega naročila vsakega kupca, tako da je dovolj zgodaj, da prepreči izpad zaloge, a ne tako zgodaj, da bi se zdelo prezgodnje.
Kanal: e-pošta kot privzeto; SMS za hitri pas, kjer ima pomanjkanje takojšnjo ceno in kratek razmik napravi časovnico napeto.
Vsebina: isti koristni opomnik, časovno usklajen različno po pasu. Ni potrebe po različnem besedilu — zmaga je v tem, kdaj prispe.
Cilj: vsak kupec ponovno naroči, preden mu zmanjka, brez prejemanja prezgodnjih zbadanj. Manj odjav, več pravočasnih ponovnih naročil.

Primer iz trgovine

Trgovina z dodatki prodaja kozarec za 22 €. Trije kupci, isti izdelek. Kupec A vzame dve kapsuli na dan in kozarec dokonča v približno 25 dneh. Kupec B vzame eno na dan in ga dokonča v 50. Kupec C ga uporablja občasno, morda 90 dni na kozarec. Povprečje trgovine je okoli 55 dni. Poženite vse na 55 in: A ostane brez za mesec vsak cikel, B je približno pravočasno, C je opomnjen, ko je še dve tretjini poln. Preklopite na časovnico na kupca in A dobi sunek blizu dneva 22, B blizu dneva 47, C blizu dneva 85. Isti kozarec, ista e-pošta — trije različni datumi pošiljanja, vsak usklajen s tem, kako ta oseba dejansko živi z izdelkom. A neha odhajati, C neha odjavljati, B pa nikoli ni bil težava.

Kako to meriti

Stopnja pravočasnih ponovnih naročil po pasu: ponovno naročajo hitri, tipični in počasni kupci vsak pred izpadom zaloge? Izboljšanje tukaj je neposredna nagrada.
Vrzel izpada zaloge za težke porabnike: dnevi, ki jih hiter kupec preživi prazen med tem, ko mu zmanjka, in ponovnim naročilom. Krčenje te vrzeli varuje vaš najvrednejši segment.
Stopnja odjav zaradi prezgodnjih opomnikov: naj pade med počasnimi kupci, ko jih nehate opominjati prezgodaj.
Prihodek iz ponovnih naročil na kupca, po pasu: potrjuje, da pristop na kupca dvigne vrednost tam, kjer jo je povprečje skrivalo, zlasti v težkem pasu.

Kje se vključi Omnisend

Praktična ovira je izračunati razmik vsakega kupca in sprožiti iz njega namesto iz globalnega urnika. V svojih trgovinah to počnem v Omnisendu, ki sem ga izbral po preizkusu proti Klaviyu, ker omogoča segmentiranje po času nakupa in številu naročil, nato pa sproženje toka glede na kupčevo lastno zadnje naročilo namesto glede na nespremenljiv koledarski datum. Pasove nastavite enkrat in kupci se razvrstijo sami, ko kupujejo. Omnisend je partner Shopimation v pridruženem programu; priporočam ga iz resnične rabe — načelo tukaj pa preživi vsako orodje: pogostost merite tam, kjer se poraba dejansko dogaja, pri osebi, ne pri povprečju.

Omejitev, ki jo velja povedati: orodje izračuna razmik, a ne more popraviti skromnih podatkov. Kupec z enim naročilom še vedno dobi ugibanje in njegov resnični tempo boste spoznali šele, ko spet kupi.

Vaš naslednji korak

Vzemite svoj najbolj prodajan potrošni izdelek in namesto enega povprečja razdelite kupce v tri pasove pogostosti ter časovno uskladite opomnik za vsakega. Takoj boste videli, da je bil hitri pas postrežen prepozno. Da izostrite, katere številke najbolje napovedujejo naslednje naročilo, ko ste že preklopili, preberite metrike dopolnjevanja zaloge, ki napovedujejo naslednje naročilo.

Subscription and Consumable Products

Why Purchase Frequency Should Not Be Calculated the Same for Every Customer

Posted on July 18, 2026 by

A single store-wide purchase frequency — “our customers reorder every six weeks” — is an average that fits almost none of your actual customers. Two people buying the same consumable can consume it at wildly different rates: one finishes a bottle in three weeks, another in three months, because of household size, usage habits, and how heavily they rely on it. If you time reminders, subscriptions, and win-backs off one blended number, you’re early for the light users and late for the heavy ones, and wrong for most people in between. This page explains why the average misleads you, what to calculate instead, and how per-customer frequency changes the way you run replenishment.

The average is a number nobody actually is

Here’s the trap. You pull all reorders for a product, find the mean gap between them, and get “42 days.” It feels like a fact about your customers. It isn’t. It’s a fact about your spreadsheet.

If half your buyers reorder every 21 days and half every 63, the average is 42 — and 42 describes neither group. Send everyone a reminder at day 40 and you’re two and a half weeks late for the fast half (they already ran out and maybe rebought elsewhere) and two weeks early for the slow half (they’ve still got a third of a bottle, and your nudge feels pushy). The mean sits in an empty valley between two real peaks. That’s the whole problem in one line: you optimized for a customer who doesn’t exist.

This is also why fixed-interval reminders quietly underperform — the interval is built on the average, so it inherits the average’s blind spot. The mechanics of that failure are laid out in why fixed replenishment reminders fail when usage varies.

Why “just use the average” survives anyway

The average persists because it’s easy and it looks reasonable on a dashboard. One number, one schedule, done. And for a product everyone uses at nearly the same rate — a monthly contact lens supply, say — it’s genuinely fine. Consumption is fixed by the product, so variance is low and the average is close to everyone.

The trouble starts with products where usage varies by person: supplements, skincare, coffee, pet food, cleaning refills, anything where household size and habit set the pace. There the spread between light and heavy users is huge, and a single frequency stops being an approximation and becomes actively wrong. More reminders won’t rescue it — you’d just be sending the wrong-timed message more often. The fix is to compute frequency at the level where consumption actually happens: the individual customer.

Where the revenue leaks

Two leaks, opposite directions, both from the same averaged number.

Heavy users, reminded late. These are your best customers — they consume fast, so they’re worth the most per year. Time their reminder off the store average and they hit empty before you speak up. A heavy coffee drinker finishing a €14 bag every 12 days, reminded on a 30-day average, runs out for over two weeks each cycle. Across a year that’s a dozen windows where a competitor’s ad or a supermarket shelf can take the sale. Lose them entirely and you’ve lost your highest-value buyer to a scheduling error.

Light users, reminded early. Nudge someone who reorders every 70 days on a 30-day schedule and you’ve sent two premature “time to restock” emails before they’re anywhere near empty. They learn your reminders are noise and tune out — so the one reminder that would’ve been well-timed gets ignored too.

Put roughly: on a product with real usage spread, an averaged schedule can miss the timing for the majority of a store’s reorder revenue. (Illustrative — the size depends on how wide your spread is.) The money isn’t lost to bad products; it’s lost to a bad denominator.

What to calculate instead

Move from one number to a per-customer number, then group.

1. Each customer’s own interval

For any customer with two or more purchases of a product, you already have their real gap: the days between their orders. Three or more orders gives you a personal median that’s far more trustworthy than the store mean. That per-customer interval — not the average — is what should drive their reminder timing. Combined with how much they buy each time, it also predicts their next order date; the method is in using order quantity to estimate the next purchase date.

2. Frequency bands, not a single mean

You can’t hand-tune every customer, and you don’t need to. Sort buyers into a few bands — fast, typical, slow — and time reminders per band. Three or four bands captures most of the benefit of full personalization with a fraction of the complexity. This is the practical shape of how to segment customers by real reorder behavior: the segment is defined by their pace, not the catalog’s.

3. New customers: start with a sensible default, then correct

A first-time buyer has no interval yet, so you do start them on a category estimate. The point is that you replace that estimate with their real behavior as soon as their second order lands, rather than leaving them on the store average forever.

One honest limit: per-customer intervals get shaky for people with only one purchase, and they wobble when consumption itself changes — a new baby, a seasonal swing, a second household member. Treat an early interval as a working estimate, verify it on the next cycle, and don’t over-trust two data points.

What to automate

Trigger: a customer’s own predicted reorder date — their personal interval since their last order — not a fixed day count applied to everyone.
Segment: frequency bands (e.g. under 30 days, 30–60, 60+), with customers moving between bands as their behavior updates.
Timing: send a few days ahead of each customer’s personal reorder point, so it’s early enough to prevent a stock-out but not so early it feels premature.
Channel: email as the default; SMS for the fast band, where running out has an immediate cost and the short interval makes timing tight.
Content: the same helpful reminder, timed differently per band. No need for different copy — the win is when it lands.
Goal: each customer reorders before they run out, without receiving early nags. Fewer unsubscribes, more on-time reorders.

A store example

A supplement store sells a €22 jar. Three customers, same product. Customer A takes two capsules a day and finishes the jar in about 25 days. Customer B takes one a day and finishes in 50. Customer C uses it occasionally, maybe 90 days a jar. The store average is around 55 days. Run everyone on 55 and: A runs out for a month every cycle, B is roughly on time, C gets reminded while two-thirds full. Switch to per-customer timing and A gets a nudge near day 22, B near day 47, C near day 85. Same jar, same email — three different send dates, each matched to how that person actually lives with the product. A stops churning, C stops unsubscribing, and B was never the problem.

How to measure it

On-time reorder rate by band: are fast, typical, and slow buyers each reordering before running out? Improvement here is the direct payoff.
Stock-out gap for heavy users: the days a fast customer spends empty between running out and reordering. Shrinking it protects your most valuable segment.
Early-reminder unsubscribe rate: should fall among slow buyers once you stop reminding them too soon.
Reorder revenue per customer, by band: confirms the per-customer approach lifts value where the average was hiding it, especially in the heavy band.

Where Omnisend fits

The practical hurdle is computing each customer’s interval and triggering off it instead of a global schedule. In my stores I do this in Omnisend, which I chose after testing it against Klaviyo, because it lets you segment on purchase timing and order count, then trigger a flow relative to a customer’s own last order rather than a fixed calendar date. You set the bands once and customers sort themselves as they buy. Omnisend is an affiliate partner of Shopimation; I recommend it from real use — and the principle here outlives any tool: measure frequency where consumption actually happens, at the person, not the average.

The limit worth stating: a tool computes the interval, but it can’t fix thin data. A customer with one order still gets a guess, and you’ll only know their real pace once they buy again.

Your next step

Take your top consumable and, instead of one average, split buyers into three frequency bands and time a reminder for each. You’ll immediately see the fast band was being served late. To sharpen which numbers best forecast the next order once you’ve made the switch, read the replenishment metrics that predict the next order.