Po první objednávce nezačínejte otázkou, kolik e-mailů má mít automatizace. Začněte tím, kdy může zákazník znovu něco potřebovat a zda první objednávka proběhla tak, aby se vůbec chtěl vrátit. Teprve potom vyberte jeden užitečný další krok a změřte jej na skupině zákazníků, která už měla na druhý nákup dost času.

Druhý nákup nezačíná e-mailem

Zákazník se nerozhoduje o návratu až ve chvíli, kdy mu přijde připomínka. Jeho další volbu ovlivňuje už to, zda zboží odpovídalo popisu, objednávka dorazila podle slibu a případný problém šel vyřešit bez zbytečného tření.

Dobře je to vidět na výzkumu rychlého doručování potravin. Studie pracovala s více než 1,7 milionu intervalů mezi objednávkami a doplnila je kontrolovaným experimentem. Pozdní doručení souviselo s delší dobou do další objednávky a nižším záměrem nakoupit znovu. Autoři zároveň upozorňují, že šlo o časově citlivý quick-commerce provoz, nikoli o univerzální model každého e-shopu.[3]

Praktický závěr proto není „doručujte vše rychleji“. Je střízlivější: než začnete optimalizovat druhý nákup, zkontrolujte, jestli první zkušenost neplní slib hůř, než si myslíte. Marketing těžko napraví opakující se zpoždění, nejasný návod, složitou reklamaci nebo zboží, které nesplnilo očekávání.

Správný okamžik určuje rytmus sortimentu

Výzkum nákupních intervalů u trvanlivého zboží i rozsáhlá data z online prodeje potravin ukazují totéž podstatné: dobu do dalšího nákupu mění povaha produktu, kontext rozhodnutí i konkrétní nákupní rytmus. Jedna lhůta proto nemůže být správná pro kosmetiku, kávu, dětské boty a sběratelskou minci zároveň.[1][2]

U spotřebního zboží může dávat smysl připomenout doplnění zásoby poblíž doby, kdy produkt obvykle dochází. U produktu s přirozeným příslušenstvím může být užitečnější nejdřív poradit s použitím a až potom ukázat skutečně související doplněk. U dlouhodobého nebo sběratelského zboží nemusí být krátké okno pro druhý nákup vhodné vůbec. Důvodem k návratu pak může být nový obsah, dostupnost konkrétní položky nebo servis, ne tlak na rychlé opakování objednávky.

Medián je orientace, ne budík pro každého

Obvyklá doba do druhého nákupu je dobrý začátek, ale není to automatický termín rozesílky. Medián popisuje zákazníky, kteří už druhou objednávku udělali. Neříká, že stejný okamžik je vhodný pro všechny lidi po první objednávce.

Čtěte ho společně s rozptylem a kategorií prvního nákupu. Když se jedna velká skupina vrací po čtyřech týdnech a druhá po půl roce, společný průměr vytvoří čas, který není dobrý ani pro jednu. Pokud je druhých nákupů jen několik, načasování zatím neurčujte – jednotlivá objednávka s výsledkem příliš pohne.

Nabídněte další užitečný krok, ne povinnou slevu

První post-purchase kontakt nemusí nic prodávat. Může zákazníkovi usnadnit použití výrobku, dohledání návodu, sledování zásilky, opakovanou objednávku nebo řešení vrácení. Teprve když existuje přirozené pokračování, má smysl přidat relevantní produkt, doplnění zásoby nebo další službu.

To není jen otázka tónu. V terénním experimentu s 799 zákazníky jednoho online prodejce zemědělských produktů snížila žádost o pozitivní recenzi výměnou za finanční odměnu pravděpodobnost dalšího nákupu o 20,3 %. Výsledek nelze přenést na běžnou žádost o recenzi ani na český trh, ale dobře ukazuje hranici: post-purchase pobídka není automaticky hodnotou pro zákazníka a může oslabit důvěru.[4]

Stejnou opatrnost si zaslouží frekvence. V americkém průzkumu Baymard Institute mezi 1 083 online nakupujícími byla vysoká četnost e-mailů od konkrétního prodejce častějším důvodem odhlášení než obecně přeplněná schránka. Jde o deklarované chování amerických respondentů, ne o český experiment, ale pro návrh automatizace je to užitečná brzda.[9]

Měřte kohortu prvního nákupu, ne výkon jedné kampaně

Pro vyhodnocení potřebujete skupinu zákazníků spojenou stejným začátkem – například všechny, kteří poprvé nakoupili v jednom měsíci. Následně sledujete, kolik z nich udělalo druhou objednávku do období odpovídajícího vašemu sortimentu. Takto je postavená i kohortová analýza zákazníků v Shopify: skupiny vznikají podle první objednávky a další objednávky se sledují v následujících intervalech.[5]

Nejdůležitější je neporovnávat nedokončené okno s dokončeným. Kohorta z minulého měsíce ještě nemohla vytvořit půlroční druhý nákup. Nula v takovém případě není neúspěch, ale chybějící čas.

Pro první test sledujte čtyři věci:

  1. podíl zákazníků s druhou objednávkou v dokončeném období;
  2. obvyklou dobu do druhé objednávky;
  3. marži nebo příspěvek druhé objednávky, ne jen její tržbu;
  4. vedlejší signály, například odhlášení, stížnosti a vratky.

Rozpad podle kategorie prvního nákupu bývá užitečnější než jeden výsledek za celý e-shop. Pokud ale vzniknou skupiny po několika zákaznících, vraťte se k hrubšímu členění. Přesný segment bez dostatečného objemu je jen přesně vypadající náhoda.

Souvislost ještě není účinek

Když zákazníci, kteří otevřeli e-mail, nakupují častěji, neznamená to samo o sobě, že je e-mail přiměl k nákupu. Aktivnější zákazníci zároveň častěji otevírají zprávy a častěji nakupují. Platformní atribuce tuto nerovnost neodstraní.

Chcete-li měřit skutečný přírůstek, ponechte při dostatečném objemu malou náhodně vybranou kontrolní skupinu bez nového kontaktu a porovnejte stejné časové okno. Randomizované experimenty jsou standardní způsob, jak oddělit účinek marketingového zásahu od toho, co by se stalo i bez něj.[6] U malého e-shopu nemusí být experiment průkazný; pak výsledek popište jako souvislost a nedělejte z něj jistotu.

Obchodní e-mail má i právní hranice

Užitečnost kontaktu nestačí. Český zákon umožňuje za určitých podmínek použít kontakt stávajícího zákazníka pro obchodní sdělení o vlastních obdobných produktech nebo službách. Zákazník ale musí mít jasnou, jednoduchou a bezplatnou možnost odmítnout takové použití při získání kontaktu i v každé další zprávě. Evropská směrnice, ze které pravidlo vychází, stanoví stejný základ.[7][8]

Konkrétní automatizaci proto posuzujte podle účelu, obsahu, původu kontaktu a toho, zda opravdu nabízíte obdobný produkt nebo službu. Tato část je orientace, nikoli právní stanovisko pro každý jednotlivý scénář.

Co udělat teď

  1. Vyberte dokončené kohorty. Vezměte zákazníky podle období prvního nákupu a použijte jen skupiny, kterým už celé hodnocené okno uplynulo.
  2. Najděte nákupní rytmus. Zobrazte dobu do druhé objednávky celkem a podle několika nejdůležitějších kategorií prvního nákupu.
  3. Zkontrolujte první zkušenost. Hledejte opakující se zpoždění, vratky, dotazy nebo nejasnosti, které další marketing nepřekryje.
  4. Vyberte jeden kontakt. Jedné dostatečně velké skupině nabídněte jeden užitečný další krok v okamžiku, který odpovídá jejím datům.
  5. Vyhodnoťte dokončené období. Sledujte druhý nákup, dobu návratu, marži a negativní signály. Bez kontrolní skupiny mluvte o souvislosti, ne o účinku.

Korzaro ukazuje kohorty prvního nákupu i obvyklou dobu do druhé objednávky nad objednávkovými daty e-shopu. První automatizaci tak nemusíte načasovat podle obecné šablony, ale podle toho, jak se skutečně vracejí vaši zákazníci.

Podívejte se na skutečný rytmus svých zákazníků

Korzaro spojí data e-shopu a každý týden ukáže, čemu má smysl věnovat pozornost.

Vyzkoušet na 14 dní zdarma

Zdroje

  1. Grewal, R., Mehta, R. a Kardes, F. R.: The Timing of Repeat Purchases of Consumer Durable Goods, Journal of Marketing Research, 2004.
  2. Kekuda, A. a kol.: Timing-Aware Repurchase Prediction for Web-Scale E-Commerce, arXiv preprint, 28. 8. 2026.
  3. Harter, A., Stich, L. a Spann, M.: The Effect of Delivery Time on Repurchase Behavior in Quick Commerce, Journal of Service Research, 2024/2025.
  4. Tian, G.: The effects of favorable review solicitations on repurchase decisions, Journal of Behavioral and Experimental Economics, 2026.
  5. Shopify Help Center: Customers reports – Customer cohort analysis.
  6. Chen, A. a Au, T.: Robust Causal Inference for Incremental Return on Ad Spend with Randomized Paired Geo Experiments, Annals of Applied Statistics, 2022.
  7. Úřad pro ochranu osobních údajů: zákon č. 480/2004 Sb., § 7.
  8. Evropská unie: směrnice 2002/58/ES, článek 13.
  9. Baymard Institute: Ecommerce Quantitative UX: 3 High-Level Trends & Takeaways from 20+ Charts, 4. 8. 2026.

Každý zdroj jsme ověřili 20. 9. 2026. U výzkumů v textu uvádíme také podstatná omezení, aby závěry nepůsobily obecněji, než dovolují data.