Klient warsztatu wraca średnio 2,3 razy w roku (przegląd, naprawa, opony sezonowe, klimatyzacja). Wartość jednej wizyty: 400-1200 zł netto. Roczna wartość klienta: 1000-2800 zł.
Pan Tomasz prowadzi warsztat 25 lat. Nie wie który klient wróci, a który już nie. Decyzje retention podejmuje intuicyjnie. Czasem zadzwoni do klienta którego pamięta. Czasem zapomina.
W tym artykule: jak AI w 5 min pokazuje konkretną listę klientów do “ciepłego” telefonu / SMS w tym miesiącu, z konkretnym powodem przypomnienia per klient.
Retention warsztatu: 3 typy klientów
Typ 1: Regularni (40-60% bazy). Wracają sami. Pamiętają o przeglądach, dzwonią z problemami. Retention 80-90%.
Typ 2: Sporadyczni (30-40% bazy). Wracają gdy się popsuje. Ale jeśli auto jeździ OK, mogą zapomnieć. Wracają jeśli Pan przypomni. Retention bez przypomnień: 30-40%. Z przypomnieniem: 60-80%.
Typ 3: Jednorazowi (10-30%). Przyszli raz, sprawdzili, nie wrócili. Niska szansa retention. Pomijać.
Cel AI: identyfikacja typu 2 i proaktywny kontakt.
Co AI sprawdza (5 min Pan Tomasz)
Klienci których ostatnia wizyta w warsztacie >9 mc temu (typ 2)
i wcześniej regularnie serwisowali (>2 wizyty w ostatnich 24 mc).
Per klient: dane kontaktowe, ostatnia naprawa (data + co robione),
sugerowany powód przypomnienia (przegląd / sezonowość / typowy
cykl serwisowy przy tym przebiegu).
3 sekundy. Lista 20-40 klientów. AI sugeruje treść SMS / telefonu per klient:
- “Klient Kowalski (Toyota Corolla 2018, ostatnia wizyta listopad 2025, wymiana oleju). Sugerowane: ‘Cześć, czas na przegląd ogólny, wymiana oleju, pasek rozrządu przy 120k km.’ Telefon: 502-XXX-XXX.”
Pan Tomasz w 1h dzwoni do 20-40 klientów albo asystentka rozsyła SMS. 30-50% reaguje, umawia wizytę. = 10-20 dodatkowych napraw w miesiącu × średnio 800 zł = 8-16k zł dodatkowego utargu.
Konkretne prompty retention
Prompt 1: Klienci do przypomnienia o przeglądzie
Klienci których auta są do przeglądu w tym miesiącu (bazując na
poprzedniej naprawie + typowym cyklu serwisowym dla marki +
przebiegu). Per klient: dane kontaktowe, marka + model, ostatnia
wizyta, sugerowany powód przypomnienia.
Prompt 2: Sezonowość (opony, klimatyzacja)
W maju: lista klientów którzy wymieniali opony zimowe → letnie
w poprzednich latach + klientów którzy mogliby skorzystać z
przeglądu klimatyzacji (auta starsze niż 5 lat). Per klient:
sugerowana akcja.
Prompt 3: Klienci “na granicy” utraty
Klienci 9-15 mc od ostatniej wizyty, którzy historycznie wracali
co 4-6 mc. Per klient: prawdopodobieństwo że odszedł do konkurencji,
sugerowana akcja (pilny telefon, oferta promocyjna, nic).
Prompt 4: Top 20 klientów VIP
Top 20 klientów po LTV w ostatnich 3 latach. Per klient: suma
napraw, średnia wizyta, czy aktywny (ostatnia wizyta), sugerowana
akcja retention (osobisty telefon co kwartał, VIP discount itd.).
Prompt 5: Nowi klienci pierwszych 30 dni
Klienci z pierwszą wizytą w ostatnich 30 dniach. Per klient:
data wizyty, naprawa, kwota, czy zostawili opinię (Google,
Trustmate). Sugerowana akcja follow-up po 1 mc (zadowoleni? coś
do dopytania?).
Sezonowość warsztatu (real-life calendar)
AI uczy się sezonowych pików:
- Marzec-maj: opony letnie, klimatyzacja, sprawdzenie po zimie
- Czerwiec-sierpień: klimatyzacja, podróżowanie (rodziny robią przeglądy przed urlopem)
- Wrzesień-październik: opony zimowe, przygotowanie do zimy
- Listopad-grudzień: ostatnie naprawy przed zimą
- Styczeń-luty: wolniej (mało jeżdżą), dobry czas na większe naprawy z dłuższym lead time
AI w odpowiednich miesiącach proponuje konkretne kampanie SMS:
“Marzec - sugerowana kampania SMS dla 80 klientów: ‘Wymiana opon letnich? Sprawdzenie po zimie? Zapisz się: [telefon]’. Spodziewany response: 25-35% = 20-28 wizyt = ~16-22k zł utargu kwiecień.”
Pomiar ROI retention
Pan Tomasz miesięcznie sprawdza:
Liczba klientów którzy wrócili w tym mc, % z nich po SMS / telefonie
przypomnieniowym, średnia wartość ich naprawy, ROI kampanii
retention (zaoszczędzony czas + dodatkowy utarg vs nakład SMS / telefonów).
Realne dane z warsztatów które wdrożyły: - Pre-AI retention rate dla typu 2 klientów: 30-40% - Post-AI retention rate (z proaktywnym kontaktem): 60-80% - Dodatkowy utarg miesięczny: 8-16k zł (warsztat 4-osobowy) - Roczne ROI: 100-200k zł dodatkowego utargu × marża 30-50% = 30-100k zł czystego zysku rocznie
Co AI nie zrobi
Nie zadzwoni za Pana / Panią. Telefony Pan robi (lub asystentka). AI sugeruje listę + treść.
Nie zarezerwuje terminu auto-magicznie. Kalendarz mechaników wciąż manualnie.
Nie zatrudni nowego mechanika gdy retention rośnie. Decyzja właściciela.
Nie zastąpi diagnostyki. Klient wraca, mechanik patrzy w auto.