Почему средний retention скрывает реальные проблемы клиентов

#Почему средний retention скрывает реальные проблемы клиентов

Как среднее арифметическое искажает картину

Retention rate 45% выглядит достойно. Но что стоит за этой цифрой?

Разложим на примере. В интернет-магазине три сегмента:

• Скидочные клиенты (60% базы) — retention 20%
• Полноплатящие (20% базы) — retention 70%
• VIP (20% базы) — retention 90%

Среднее: (0,6 × 20) + (0,2 × 70) + (0,2 × 90) = 12 + 14 + 18 = 44%

Retention «нормальный». Но 60% клиентов возвращаются лишь в каждом пятом случае. Бюджет на удержание распределен равномерно, хотя отдача с каждого сегмента radically разная.

Что скрывается за «нормальным» общим показателем

Когда вы видите средний retention, вы не знаете:

• Какая часть клиентов приносит основную долю повторных покупок
• Где бюджет на удержание работает в минус
• Какой сегмент требует немедленного изменения стратегии

Усреднение маскирует провалы в одних группах за счёт успехов в других. Это не просто статистическая погрешность — это прямые потери маржи.

Пять сегментов, которые нужно считать отдельно

RFM — связь давности и частоты с удержанием

RFM-сегментация (Recency, Frequency, Monetary) — базовый инструмент. Retention нужно считать внутри групп с одинаковой давностью и частотой покупок.

Что проверять:

• Retention клиентов, купивших 1 раз и 3+ раза — разница может составлять 3–5x
• Retention по группам давности: покупал 30 дней назад vs 90 дней назад — динамика угасания

Клиент с одной покупкой 60 дней назад и клиент с пятью покупками, последняя — вчера, находятся в одной «средней» выборке. Удержание для них считается одинаково, хотя стратегии должны быть противоположными.

Клиенты с разным первым товаром (акционный vs полный чек)

Первый опыт определяет ожидания. Клиент, пришедший по суперскидке на носки, и клиент, купивший дорогой товар в полную цену, проходят разные пути.

Пример расчёта:

• Клиенты с первым заказом по акции — retention 15%
• Клиенты с первым заказом по полной цене — retention 55%

Разница в 40 процентных пунктов. Если магазин использует единую приветственную серию, 85% акционных клиентов получают письма, которые их не удерживают. Бюджет на коммуникацию тратится на сегмент с минимальным LTV.

Что делать:
Сегментировать приветственную цепочку по типу первого заказа. Для акционных — другие товары, другой оффер, другой тайминг.

Скидочные клиенты против полноплатящих

Здесь речь не только о первом заказе, а о паттерне поведения. Клиенты, которые покупают только со скидкой, формируют иной LTV и иной retention.

Экономический нюанс:
Даже если retention у скидочных клиентов 30%, а у полноплатящих — 40%, разница в маржинальности каждого повторного заказа может быть 2–3x. Скидочный клиент приносит меньше прибыли с каждой покупки, но требует тех же затрат на удержание.

Что проверять:
— Долю скидочных покупок в истории клиента
— Retention внутри групп «скидка в 100% заказов» vs «скидка в 0–20% заказов»
— Маржинальность по сегментам, а не только оборот

VIP и high LTV — отдельная когорта

VIP-сегмент даёт непропорциональный вклад в прибыль. Падение retention здесь на 5% влияет на общую экономику сильнее, чем падение на 20% в массовом сегменте.

Пример:
— VIP (5% базы, 30% выручки) — retention 90%. Падение до 85%: потеря 5% от 30% выручки = 1,5% общей выручки
— Массовый сегмент (60% базы, 30% выручки) — retention 20%. Падение до 15%: потеря 5% от 30% выручки = 1,5% общей выручки

Влияние на выручку одинаковое. Но маржа VIP в 2–3 раза выше. Потеря прибыли от VIP кратно больше.

Что проверять:
— Retention по децилям LTV (верхние 10% клиентов)
— Динамику оттока в сегменте top 5–10% по прибыли
— Персональные стратегии удержания для этой группы

At-risk сегмент — точка невозврата

At-risk клиенты — не просто «не купили 30 дней». Это клиенты, которые с высокой вероятностью больше не вернутся. Граница оттока индивидуальна для каждого магазина и сегмента.

Как определить:
Построить когортную кривую (BG/NBD) и найти точку, после которой вероятность повторной покупки падает ниже 10–15%. Для разных сегментов эта точка разная:

• Для редких покупателей (1 раз в 90 дней) — 120 дней без покупки может быть нормой
• Для частых (1 раз в 14 дней) — 30 дней уже критично

Что проверять:
— Свою границу at-risk по каждому RFM-сегменту
— Долю клиентов, перешедших в at-risk за последние 30–60 дней
— Эффективность реактивационных кампаний для этого сегмента

Почему без когортного анализа (BG/NBD) решения слепы

Как отличить временный отток от потери навсегда

BG/NBD (Beta Geometric / Negative Binomial Distribution) — модель, которая оценивает вероятность того, что клиент «жив» и совершит покупку снова. Без неё вы не знаете, кто из молчащих клиентов просто делает паузу, а кто ушёл навсегда.

Практический чек-лист для аналитика:

• Постройте кривые удержания по когортам (месяц первой покупки)
• Сравните фактические показатели с моделью BG/NBD
• Выделите сегменты, где фактический отток выше модельного — это зоны для немедленных действий
• Определите для каждого сегмента свой «период тишины», после которого клиент считается at-risk

Без когортного анализа вы тратите бюджет на реактивацию клиентов, которые уже не вернутся, и пропускаете тех, кого ещё можно удержать.

Как сегментный retention влияет на экономику

Связь с LTV, CAC и маржей по каждому сегменту

Сегментный retention напрямую меняет расчёт LTV и окупаемость CAC.

Формула для оценки:
Изменение LTV = изменение retention × средний чек × маржинальность × количество повторных покупок

Пример:
— VIP-сегмент: retention упал с 90% до 85%
— Средний LTV на одного VIP-клиента: 50 000 руб.
— Потеря LTV на одного клиента: 5% × 50 000 = 2 500 руб.
— В сегменте 500 клиентов: потеря 1,25 млн руб.
— Чтобы компенсировать, нужно привлечь 25 новых VIP-клиентов (при CAC 50 000 руб.) или 250 массовых клиентов (при CAC 5 000 руб.)

Падение retention в высокомаржинальном сегменте требует непропорциональных затрат на привлечение.

Что делать с результатами: управленческие решения

Сегментный анализ retention даёт конкретные точки приложения усилий:

1. Перераспределить бюджет на удержание — больше ресурсов на сегменты с высоким retention и высокой маржой, меньше на «мёртвые» сегменты
2. Изменить приветственную серию — разные триггерные письма для акционных и полноплатящих клиентов
3. Настроить реактивацию по сегментам — для at-risk клиентов с высоким историческим LTV — персональный оффер, для массовых — автоматическая серия
4. Пересмотреть условия акций — если скидочные клиенты не удерживаются, стоит менять механику привлечения
5. Скорректировать CAC — для сегментов с низким retention считать допустимый CAC с учётом реального LTV, а не среднего

Чтобы не строить сегменты вручную, скачайте готовый worksheet для сегментного анализа retention. Он поможет вам разделить клиентов по группам и сразу увидеть, где теряются деньги.

Скачать segment worksheet