12 ошибок, из-за которых интернет-магазин неверно диагностирует retention

Retention вырос на 5% — команда CRM рапортует об успехе. Прибыль при этом не растёт. Знакомая ситуация?

Стандартные отчёты в BI-системах часто показывают «зелёные стрелки», которые не имеют отношения к реальной экономике удержания. Одна и та же цифра retention rate может быть обманчива в зависимости от периода, когорты и сегмента.

Разберём 12 антипаттернов, которые приводят к неверным управленческим решениям — от неоправданного увеличения бюджета на удержание до внедрения ненужных механик лояльности.

Ошибки в выборе периода и когорты

1. Сравнение голого retention rate без учёта сезонности

Самая распространённая ловушка. Вы видите: retention rate вырос с 15% до 18% за месяц. Вывод — удержание улучшилось.

Что на самом деле: в предыдущем месяце была распродажа. Клиенты совершили второй заказ ради скидки, но маржа по этим заказам — минус 5%. ROMI на удержание = 0,7.

Retention rate без привязки к сезонному спросу, акциям и маржинальности — это шум. Сравнивать можно только когорты одного типа: январь к январю, а не январь к февралю.

2. Усреднение retention по всем клиентам

Интернет-магазин показывает средний retention 25% по всей базе. Звучит неплохо.

Проблема: если разложить по каналам привлечения, картина может быть полярной:
— Органика: retention 40%
— Контекстная реклама: retention 15%
— Таргет: retention 8%

Среднее арифметическое в 25% не показывает, какой канал реально приносит лояльных клиентов. Решение о распределении бюджета на основе усреднённого retention — путь к неэффективным тратам.

3. Расчёт retention на «живых» клиентах, а не на всей базе

Некоторые CRM-системы автоматически исключают из расчёта клиентов, которые не открывали письма более 90 дней. Retention rate искусственно завышается.

Пример: база 10 000 клиентов. 3 000 — «мёртвые» (не покупали 6+ месяцев). Если считать retention только по 7 000 «активных», показатель будет 35% вместо реальных 24,5% по всей базе. Решения на основе завышенных данных приводят к переоценке эффективности CRM-коммуникаций.

Ошибки в интерпретации повторных покупок

4. Приравнивание повторного заказа к лояльности

Клиент купил шампунь, через неделю — кондиционер. CRM фиксирует повторную покупку.

Реальность: это cross-sell в рамках одной потребности «уход за волосами». Второй заказ не свидетельствует о лояльности, это дозакупка товара из той же категории. LTV от таких клиентов при переходе в другую категорию (например, кремы) часто равен нулю.

Что проверять: сегментируйте повторные покупки по категориям. Повтор в той же категории — потенциально лояльность. Повтор в смежной — скорее разовая потребность.

5. Учёт возвратов и отмен в расчёте повторного LTV

Ситуация: интернет-магазин одежды. Клиент оформил повторный заказ на 15 000 руб. CRM считает это ростом LTV.

Но: 20% повторных заказов возвращается. Реальный LTV с учётом возвратов может быть отрицательным, если маржа по невозвращённым позициям не перекрывает логистику возврата.

Пример расчёта:
— Средний чек повторной покупки: 10 000 руб.
— Маржа: 30% (3 000 руб.)
— Доля возвратов: 25%
— Стоимость обработки возврата: 500 руб.
— Реальная маржа с учётом возвратов: 3 000 × 0,75 — 500 × 0,25 = 2 125 руб., а не 3 000.

6. Игнорирование времени между заказами

Два клиента совершили по 3 покупки. Формально retention одинаковый.

Но:
— Клиент А: заказы через 10 и 14 дней
— Клиент Б: заказы через 120 и 90 дней

Денежный поток от клиента А значительно выше. Время между заказами влияет на потребность в оборотном капитале и прогнозирование cash flow. Игнорировать этот параметр — значит не видеть реальную ценность клиента для бизнеса.

Ошибки в экономике удержания

7. Оценка retention без учёта затрат на программы лояльности

Retention вырос на 3% после внедрения программы лояльности. Руководитель CRM доволен.

Вопрос: сколько вы потратили на этот рост? Если бюджет программы лояльности — 2 млн руб., а дополнительная маржа от удержанных клиентов — 1,5 млн руб., то ROMI = 0,75. Рост retention есть, прибыли нет.

Экономика удержания считается через: (дополнительная маржа от повторных продаж — затраты на CRM и программу лояльности) / затраты на CRM и программу лояльности.

8. Сравнение LTV без учёта маржи по каждому повторному заказу

Магазин электроники: LTV клиента вырос с 25 000 до 32 000 руб.

Но: рост обеспечен за счёт дешёвых товаров с маржой 5% (аксессуары, кабели). Первый заказ — смартфон (маржа 20%). Повторные — чехлы и зарядки (маржа 5%). Совокупная маржа не растёт пропорционально LTV.

Сравнивать LTV без маржинальности по каждому заказу — сравнивать выручку с прибылью. Это разные вещи.

9. Фокус на retention rate вместо доли кошелька клиента

Интернет-магазин товаров для дома. Клиент покупает раз в 3 месяца — retention засчитывается. Но он покупает только на 2 000 руб., хотя его общий бюджет на категорию — 15 000 руб. в месяц.

Retention rate показывает, что клиент «удержан». Доля кошелька — что вы получаете только 13% его трат. Стратегия удержания должна быть направлена не на повторную покупку «вообще», а на увеличение доли в бюджете клиента.

Ошибки в сегментации и атрибуции

10. Смешение organic repeat и repeat с рекламной поддержкой

Клиент совершил повторную покупку. CRM фиксирует удержание. Но баннерная реклама напомнила о бренде, а в почте было письмо со скидкой.

Проблема: магазин платит за рекламу повторным клиентам, которых мог бы удержать без затрат. Реальный retention rate без рекламной поддержки может быть в 2-3 раза ниже.

Что делать: сегментируйте повторные покупки с атрибуцией: repeat с прямой коммуникацией, repeat с рекламой, repeat без касаний. Каждый сегмент имеет разную экономику.

11. Оценка retention по последнему визиту, а не по паттерну покупок

CRM-система показывает: клиент заходил на сайт 3 дня назад — «активный». Но последняя покупка была 8 месяцев назад.

Retention по последнему визиту — метрика для медиа, не для e-commerce. Для интернет-магазина важна покупка, а не визит. Клиент может изучать сайт, сравнивать цены, а покупать у конкурента.

Правильный подход: retention считается по факту покупки с привязкой к жизненному циклу клиента (3, 6, 12 месяцев).

12. Игнорирование «мёртвых» зон и искажение от реактивации

База 10 000 клиентов. CRM-система реактивировала 500 клиентов (5%) — показала «рост retention».

Реальность: из этих 500 400 купили только по одному разу за последние 6 месяцев, их LTV равен нулю. Затраты на реактивацию превысили маржу от этих продаж в 2 раза.

Реактивация «мёртвых» клиентов может искусственно завышать общий retention, маскируя реальное падение удержания среди новых клиентов. Считайте retention отдельно по когортам, не смешивайте реактивированных с удержанными.

Как правильно диагностировать retention с точки зрения экономики

После разбора 12 ошибок — прагматичный подход к диагностике:

1. Когортный анализ с учётом сезонности. Сравнивайте когорты по принципу «одинаковый сезон — одинаковый канал — одинаковый бюджет».

2. Расчёт маржинального LTV. LTV считается не от выручки, а от маржи по каждому заказу за вычетом затрат на удержание.

3. Сегментация по типам повторных покупок. Cross-sell ≠ repeat в той же категории ≠ лояльность.

4. Контроль возвратов. Учитывайте возвраты и отмены в расчёте LTV повторных покупок. Если доля возвратов превышает 15% — реальный retention может быть отрицательным.

5. Оценка ROMI на удержание. (Дополнительная маржа от повторных продаж — затраты на удержание) / затраты на удержание. Если ROMI < 1 — retention растёт, бизнес теряет деньги.

---

Убедитесь, что ваша система диагностики retention не содержит этих ошибок.

Пройдите чек-лист диагностики retention — 12 пунктов, которые нужно проверить в вашем отчёте.

[Пройти чек-лист]