Ścieżka wdrożenia: pięć kroków w kolejności
Cały poradnik ułożony jako proces. Każdy krok robisz raz i dopiero potem przechodzisz do następnego. Jeśli utkniesz na którymś, to jest miejsce, w którym program się rozstrzyga, a nie przeszkoda do ominięcia.
- Sprawdź gotowość. Przejdź pięć warunków wejścia i zatrzymaj się przy pierwszym „nie". Jeśli zatrzymałeś się przed piątym, Twoim następnym projektem jest ten poziom piramidy, nie program.
- Zapisz cztery liczby wyjściowe. Powracalność, częstotliwość, T2SP oraz LTV do CAC, z datą, zanim cokolwiek uruchomisz. Definicje i sposób liczenia są w rozdziale 2, gotowe polecenia dla AI w aneksie.
- Policz próg opłacalności. Jedno dzielenie mówi, ile program musi zmienić w zachowaniu klienta, zanim zacznie zarabiać. Wzór, tabela dla różnych marż i przeliczenie na T2SP: czy program lojalnościowy się opłaca.
- Wybierz mechanikę i zapisz zasady. Najpierw jedno pytanie, kiedy płacisz, potem reguła, którą klient powtórzy jednym zdaniem. Porównanie jedenastu mechanizmów: rodzaje programów lojalnościowych, zasady i trzy automaty komunikacyjne w rozdziale 3.
- Ustaw pomiar, zanim wystartujesz. Metody, których po fakcie nie da się odtworzyć, wymagana wielkość próby i sześć sposobów, na które program szkodzi: jak sprawdzić, czy program działa. Harmonogram i pilotaż w rozdziale 4.
Aneks: co policzyć i jak poprosić o to AI
Nie znajdziesz tu gotowego SQL, bo każda platforma ma inną bazę i zapytanie spod PrestaShop nic Ci nie da na Shopify czy IdoSell. Zamiast tego dostajesz definicję danych, których potrzebujesz, i gotowe polecenie dla AI. Wklejasz polecenie, dopisujesz na końcu, z czego korzystasz, i dostajesz zapytanie albo formuły pod swój sklep. Cała metodologia siedzi w poleceniu, więc AI nie pójdzie na skróty.
Minimalny zestaw danych. Do wszystkich liczb z tej strony wystarczą cztery kolumny na zamówienie: identyfikator klienta, data, wartość netto i status. Tyle ma każdy eksport CSV z każdej platformy, więc policzysz to nawet bez dostępu do bazy.
Zanim wkleisz dane. Nie wysyłaj do zewnętrznego narzędzia adresów e-mail ani nazwisk. Podmień je na skróty albo numery po swojej stronie. Wszystkie wzory liczą się na identyfikatorze, nie na adresie, a Ty zostajesz z danymi osobowymi u siebie.
Powracalność w kohortach
Policz powracalność kohortową na moich danych zamówień. Zasady:
klientów identyfikuj po jednym stałym identyfikatorze, także dla
zakupów bez konta. Bierz tylko zamówienia opłacone i niezwrócone.
Kohorta to klienci z pierwszym zakupem w tym samym miesiącu. Klient
wraca, jeśli zrobił drugi zakup w ciągu 12 miesięcy od pierwszego.
Pomiń kohorty młodsze niż 12 miesięcy, bo nie miały pełnego okna na
powrót. Wynik: tabela z kolumnami kohorta, liczba klientów, liczba
wracających, powracalność w procentach.
Korzystam z: [platforma albo eksport CSV z kolumnami ...]
T2SP, czas do drugiego zakupu
Policz T2SP, czyli medianę liczby dni między pierwszym a drugim
zamówieniem klienta. Zasady: mediana, nie średnia. Bierz tylko
zamówienia opłacone i niezwrócone. Uwzględnij wyłącznie klientów,
których pierwszy zakup jest starszy niż 12 miesięcy, żeby każdy
miał pełne okno na powrót. Klientów bez drugiego zakupu pomiń
w medianie, ale podaj osobno, jaki procent bazy stanowią. Dodatkowo
pokaż rozkład: ile procent drugich zakupów wypada w pierwszych
30, 60, 90 i 180 dniach.
Korzystam z: [platforma albo eksport CSV z kolumnami ...]
Częstotliwość i średni koszyk
Policz częstotliwość zakupów i średnią wartość koszyka za ostatnie
12 miesięcy. Częstotliwość to liczba zamówień podzielona przez
liczbę unikalnych klientów. Średni koszyk to suma wartości netto
zamówień podzielona przez liczbę zamówień. Bierz tylko zamówienia
opłacone i niezwrócone, kwoty netto, bez VAT. Pokaż też te dwie
liczby osobno dla klientów pierwszorazowych i powracających.
Korzystam z: [platforma albo eksport CSV z kolumnami ...]
Próg opłacalności programu
Policz próg opłacalności programu lojalnościowego według wzoru:
koszt nagrody na zamówienie podzielony przez marżę na zamówieniu
pomniejszoną o ten koszt. Dane: średni koszyk netto [kwota], marża
[procent], planowana nagroda [procent albo kwota], miesięczny koszt
narzędzia [kwota], szacowana liczba zamówień uczestników miesięcznie
[liczba]. Koszt narzędzia rozłóż na zamówienie i dodaj do nagrody.
Wynik podaj jako wymagany procentowy wzrost liczby zamówień oraz
jako docelowy T2SP przy założeniu, że dziś wynosi [liczba] dni.
Zrób też wariant dla nagrody o połowę mniejszej i dwa razy większej.
Segmentacja RFM
Zrób segmentację RFM mojej bazy klientów. Dla każdego klienta
policz: recency jako liczbę dni od ostatniego zamówienia, frequency
jako liczbę zamówień, monetary jako sumę wartości netto. Podziel
każdą z trzech miar na kwintyle od 1 do 5, gdzie 5 zawsze oznacza
lepiej, więc przy recency piątkę dostają klienci z najmniejszą
liczbą dni. Bierz tylko zamówienia opłacone i niezwrócone. Na końcu
zaproponuj maksymalnie cztery segmenty do konkretnych działań,
nie dwadzieścia.
Korzystam z: [platforma albo eksport CSV z kolumnami ...]
Program kontra reszta bazy
Porównaj klientów z załączonej listy uczestników programu
lojalnościowego z resztą bazy. Dla obu grup policz osobno:
częstotliwość zakupów, średni koszyk netto i medianę dni między
pierwszym a drugim zakupem. Następnie zrób to samo porównanie na
grupie dopasowanej: do każdego uczestnika dobierz klienta spoza
programu o zbliżonym profilu RFM z momentu jego zapisu.
W podsumowaniu zaznacz, że różnica między grupami bez dopasowania
nie dowodzi skuteczności programu, bo zapisują się do niego
klienci, którzy i tak wracali.
Korzystam z: [platforma albo eksport CSV z kolumnami ...]
Jedna zasada niezależnie od narzędzia: zanim zaufasz wynikowi, sprawdź go na próbce. Weź pięciu klientów, policz ich ręcznie i porównaj. Pięć minut pracy, a łapie większość błędów, od strefy czasowej po zwroty liczone jako zakupy.
Źródła i inspiracje
Badania. Gradient celu za badaniem kart lojalnościowych Rana Kivetza, Olega Urminsky'ego i Yuhuang Zheng („The Goal-Gradient Hypothesis Resurrected", Journal of Marketing Research, 2006). Podarowany postęp za eksperymentem Josepha Nunesa i Xaviera Drèze („The Endowed Progress Effect", Journal of Consumer Research, 2006). Awersja do straty za pracami Daniela Kahnemana i Amosa Tversky'ego.
Dane rynkowe. Luka percepcji oraz udział niewykorzystanych punktów za raportem Antavo Global Customer Loyalty Report 2026, opartym na badaniu 3 tysięcy marketerów i 10 tysięcy konsumentów. Warto czytać go świadomie: to raport dostawcy technologii lojalnościowej, którego własny wniosek brzmi „złoty wiek programów". Ja korzystam z jego liczb, nie z jego wniosku. Dane o subskrypcjach za raportem DHL 2026 E-Commerce Trends Report.
Przykłady rynkowe. Dane o Allegro Smart!, w tym wypowiedzi o dwukrotnie wyższych zakupach uczestników, za wypowiedziami Pawła Łowisza, dyrektora Smart! i programów lojalnościowych w Allegro, dla „Rzeczpospolitej", oraz za komunikatami prasowymi Allegro. Cena pakietu i progi zmieniają się w trakcie roku, dlatego podaję rząd wielkości, nie kwotę. Warunki IKEA Family za regulaminami promocji publikowanymi na IKEA.pl, stan na lipiec 2026. Podział uczestników programów na aktywnych, wycofujących się i martwe dusze za metodologią monitoru programów lojalnościowych ARC Rynek i Opinia.
Prawo i podatki. Konstrukcja sprzedaży premiowej, próg 2 000 zł oraz stawka 10 procent za art. 21 ust. 1 pkt 68 i art. 30 ust. 1 pkt 2 ustawy o podatku dochodowym od osób fizycznych. Nie jestem prawnikiem ani doradcą podatkowym, a stan prawny się zmienia, więc tę sekcję traktuj jako listę pytań do specjalisty.
Praktycy. Case programu MyTriverna, mechanika cashbacku i porównanie punktów z voucherem za Agnieszką Obstarczyk, Head of CRM & Marketing Automation w Trivernie, z rozmowy w podcaście „E-commerce oczami praktyków". Zasady warunkowości, komunikacji i projektowania progów zainspirowane webinarem Daniela Tomaszewskiego z Sellision o programach lojalnościowych w PrestaShop. Case Tortli za tą samą rozmową, w której Piotr Szyszka i Michał Broś opowiadają o wygaszonym programie.
Reszta, czyli piramida, warunki wejścia, próg opłacalności, T2SP i pytania dla zespołu, pochodzi z frameworku Fundamenty Retencji i z podcastu Buduj Ecommerce.