AI för marknadsföring · E-post & SMS

AI Winback — kunder som gått tysta återaktiveras innan de glöms bort

Vi bygger ett flöde som identifierar när en kund brutit sitt normala köpmönster och skickar rätt erbjudande i rätt kanal, innan kunden hunnit bli en konkurrents.

De flesta bolag skickar samma generella 'vi saknar dig'-mejl till alla kunder som varit inaktiva en godtycklig period, oavsett vad kunden faktiskt brukade köpa eller varför de slutat. Vi bygger logiken som räknar ut vad som är onormalt just för den kunden och anpassar både timing och innehåll efter det.

Kort svar: hur fungerar AI-driven winback?

En byggd lösning räknar ut varje kunds normala köpintervall utifrån historik, snarare än att sätta samma tidsgräns för alla. En kund som normalt handlar var tredje vecka flaggas efter sex veckors tystnad, medan en kund som handlar två gånger om året inte flaggas i onödan.

När en kund flaggas väljs erbjudande och kanal utifrån vad som fungerat för liknande kunder tidigare: rabatt, ny produktrekommendation eller bara en påminnelse, och e-post eller SMS beroende på vilken kanal kunden faktiskt reagerar på.

Grunden är korrekt orderdata från e-handelsplattformen eller CRM:et. Utan tillförlitlig köphistorik blir segmenteringen bara en gissning som ser sofistikerad ut.

Byggt mot er köphistorik, inte en generell mall

Vi kopplar winback-logiken mot er faktiska orderdata så att flaggningen speglar varje kunds eget mönster.

Inaktivitetströskel beräknas per kund utifrån historiskt köpintervall
Erbjudande väljs utifrån tidigare köp, inte en och samma rabattkod till alla
Kanalval baseras på vad kunden faktiskt öppnat och klickat på tidigare
Tak för hur ofta och hur mycket rabatt som får erbjudas sätts tillsammans med er

Varför winback-mejl ofta missar målet

De här bristerna återkommer i nästan alla winback-flöden vi granskar första gången.

Samma tidsgräns för alla kunder

Varför: Ett fast intervall, till exempel 60 dagar, sätts oavsett kundens normala köpfrekvens.
Konsekvens: Lojala kunder med långa köpintervall flaggas i onödan, medan aktiva köpare tappas för sent.
Med AI: Tröskeln beräknas individuellt utifrån varje kunds historiska mönster.

Generiskt erbjudande till alla

Varför: Samma rabattkod skickas till hela segmentet oavsett vad kunden brukar köpa.
Konsekvens: Marginal äts upp i onödan på kunder som skulle återkommit ändå, medan andra inte lockas alls.
Med AI: Erbjudandet anpassas efter kundens tidigare köpbeteende och priskänslighet.

Fel kanal används

Varför: E-post skickas som standard även till kunder som aldrig öppnar mejl men reagerar på SMS.
Konsekvens: Meddelandet når aldrig fram och kunden ser aldrig erbjudandet.
Med AI: Kanalval baseras på historisk öppnings- och klickdata per kund.

Ingen uppföljning på vad som fungerade

Varför: Winback-mejl skickas ut men resultatet analyseras sällan i detalj.
Konsekvens: Samma ineffektiva upplägg körs om och om igen utan att förbättras.
Med AI: Resultat matchas tillbaka mot faktiska återköp och används för att justera logiken löpande.

Så bygger vi ert winback-flöde

Från datakoppling till löpande, självgående återaktivering.

Datagenomgång

Vecka 1

Vi analyserar er orderhistorik för att förstå normala köpmönster per kundsegment.

Datakoppling

Vecka 1–2

E-handelsplattform eller CRM kopplas mot e-post- och SMS-verktyg.

Tröskelmodell byggs

Vecka 2

Individuella inaktivitetströsklar sätts utifrån köphistorik per kund.

Erbjudande och kanallogik

Vecka 3

Regler för vilket erbjudande och vilken kanal som ska användas definieras tillsammans med er.

Löpande drift och optimering

Löpande

Flödet körs skarpt och justeras utifrån vilka erbjudanden som faktiskt ger återköp.

Vad ingår i AI Winback

Byggstenarna som gör återaktiveringen träffsäker istället för generell.

Individuell inaktivitetströskel

Varje kunds normala köpintervall beräknas utifrån historik.

Rätt kund flaggas vid rätt tidpunkt, inte enligt en schablon.

Anpassat erbjudande

Rabatt, produktrekommendation eller påminnelse väljs utifrån kundens tidigare beteende.

Marginal skyddas samtidigt som fler kunder återaktiveras.

Kanaloptimering

E-post eller SMS väljs utifrån vad kunden historiskt reagerat på.

Meddelandet når fram istället för att hamna i en oöppnad inkorg.

Frekvensstyrning

Tak för hur ofta en kund kontaktas med winback-erbjudanden.

Kunder överöses inte med rabatter som urholkar varumärket.

Resultatuppföljning

Återköp matchas tillbaka mot vilket erbjudande och vilken kanal som användes.

Logiken förbättras löpande utifrån faktiska utfall.

System vi kopplar mot

Winback kräver tillförlitlig köphistorik och fungerande utskickskanaler.

E-handel

Shopify
WooCommerce
Egna e-handelsplattformar

Orderhistorik ligger till grund för att beräkna varje kunds normala köpmönster.

E-post och SMS

Klaviyo
Voyado
Rule

Här sätts och skickas de faktiska winback-utskicken per segment.

CRM och affärssystem

HubSpot
Pipedrive
Fortnox

För B2B-kunder ligger köphistorik ofta i CRM eller affärssystem snarare än i en e-handelsplattform.

Analys

GA4
BigQuery

Resultat följs upp för att se vilka erbjudanden som faktiskt drev återköp.

Har ni ett eget ordersystem eller en branschspecifik plattform bygger vi kopplingen mot den, så länge orderhistorik går att exportera eller nå via API.

Två typiska upplägg

Exemplen visar arbetssättet, inte utlovade resultat.

E-handel inom skönhet

Alla kunder utan köp på 60 dagar får samma 15-procentiga rabattkod, oavsett köpfrekvens.

Individuella trösklar byggs så att en kund som vanligtvis handlar månadsvis flaggas snabbare än en säsongskund.

Erbjudanden går ut vid rätt tidpunkt istället för enligt en generell tidsgräns.

Abonnemangsbaserad tjänst inom B2B

Kunder som pausat sitt abonnemang kontaktas sällan förrän de säger upp helt.

Pausmönster identifieras i CRM:et och en anpassad återaktiveringssekvens triggas innan uppsägning sker.

Kontakt tas medan kunden fortfarande är mottaglig, inte efter att beslutet redan är fattat.

Vad ni får ut av AI Winback

Effekten kommer från träffsäker timing och rätt erbjudande, inte fler utskick.

Individuell

Tröskel per kund

Flaggning sker utifrån kundens eget köpmönster, inte en schablon.

Skyddad

Marginal

Erbjudanden anpassas efter kundens beteende istället för en generell rabatt.

Rätt kanal

Per mottagare

Meddelandet skickas där kunden faktiskt reagerar.

0 fast pris

Startavgift

Fast månadskostnad, ingen dyr initial uppsättningsavgift.

Segmenteringsmodeller

Olika sätt att definiera en inaktiv kund

Vilken modell som passar beror på hur ofta era kunder normalt handlar.

Modell	Passar för	Signal som används
Fast intervall	Verksamheter med jämn köpfrekvens hos alla kunder	Dagar sedan senaste köp
Individuell tröskel	Kataloger med varierande köpmönster mellan kunder	Avvikelse från kundens historiska snitt
Beteendebaserad	Abonnemang och tjänster med tydliga användningssignaler	Inloggning, användning eller pausstatus
Säsongsjusterad	Produkter med tydlig säsongsvariation	Jämförelse mot samma period föregående år

Vem lösningen passar

Bäst effekt för verksamheter med återkommande köp och tillräcklig orderhistorik.

E-handel med återköp

Produkter som köps regelbundet, där mönsterbrott är tydliga signaler.

E-handel

Abonnemangstjänster

Vill fånga upp kunder innan de säger upp eller pausar helt.

Marknad

B2B med återkommande beställningar

Kunder som beställer regelbundet via CRM eller orderportal.

Försäljning

När lösningen inte passar

— Verksamheter med enstaka köp där återköp sällan eller aldrig sker
— Bolag utan tillgång till strukturerad orderhistorik
— Den som bara vill skicka en generell rabattkod till alla inaktiva utan segmentering

Vanliga frågor om AI Winback

Det vi oftast får frågor om innan ett winback-flöde sätts igång.

Räcker det inte med ett generellt 'vi saknar dig'-mejl?

Det fungerar men underpresterar jämfört med individuell timing och anpassat erbjudande. Ett generellt mejl flaggar fel kunder vid fel tidpunkt och riskerar att ge bort rabatt i onödan.

Behöver vi mycket historisk data för att komma igång?

Ju mer orderhistorik desto träffsäkrare blir tröskelmodellen, men vi kan starta med enklare regler och förfina dem allteftersom mer data samlas in.

Fungerar det för B2B, inte bara e-handel?

Ja, samma princip gäller för CRM-baserade återkommande beställningar. Signalerna hämtas då från CRM eller affärssystem istället för en e-handelsplattform.

Hur undviker ni att kunder överöses med rabatter?

Vi sätter tak tillsammans med er för hur ofta och hur stor rabatt som får erbjudas per kund under en given period.

Vad krävs av oss för att komma igång?

Tillgång till orderhistorik samt ett fungerande e-post- eller SMS-verktyg. Saknas kopplingen mellan dem bygger vi den innan winback-logiken kopplas på.

Vad kostar det?

Fast månadskostnad utan startavgift, satt efter kundvolym och antal integrationer. Räkna på ert upplägg i priskalkylatorn.

Relaterade lösningar

AI E-post & SMS

Hela hubben för AI i e-post- och SMS-marknadsföring.

AI Cross Sell

Rekommendationer som kompletterar återaktiveringen.

AI Kundresor

Flöden som anpassar sig efter var kunden är i resan.

AI Segmentering

Segment som ligger till grund för träffsäker winback.

Relaterade guider

AI-automation för e-handel — sju flöden som ger effekt direkt

Konkreta automationer för svensk e-handel: produkttexter, bilder, orderhantering, support, retur och lagerprognos.

Vad kostar AI för företag? Prisguide 2026

Konkreta prisintervall för AI-projekt i Sverige: chatbot, AI-agent, automation och skräddarsytt system — plus vad som driver kostnaden.

Vill ni fånga upp kunder innan de blir en konkurrents?

Boka en kostnadsfri genomgång — vi tittar på er orderhistoria och visar vilka kunder som redan bör flaggas för återaktivering.

Läs mer om oss