Математика, которая убивает рост
В подписочном бизнесе есть формула, которую полезно увидеть один раз, чтобы понять цену оттока. Если вы привлекаете 1000 клиентов в месяц и теряете 6% в месяц — кажется, немного. Но за год это сложный процент: 6% в месяц означает, что за год без нового притока база сокращается на 52%. Чтобы расти, привлечение должно не просто покрывать отток, а перекрывать его с запасом.
Практическое следствие: снижение оттока на 1 процентный пункт часто даёт больше денег, чем рост привлечения на 10%. И стоит дешевле — удержание существующего в 5–7 раз дешевле привлечения нового. Поэтому churn — это не «клиентообслуживание», а финансовая метрика первого порядка.
Почему «кто давно не покупал» — уже поздно
Самый частый ручной способ ловить отток — правило «не покупал 60 дней → зовём». Проблема: к 60-му дню клиент уже давно решил уйти. Удержание в этот момент — это часто уговоры человека, который уже отключил автопродление и перешёл к конкуренту.
ИИ смещает момент реакции на недели раньше. Модель видит ранние признаки:
- активность в продукте стала реже (за 3–4 недели до ухода);
- ключевые действия выполняются всё реже (тот, кто перестал использовать главную функцию — кандидат);
- выросли обращения в поддержку (часто за обращением стоит нерешённая проблема);
- изменился паттерн платежей (просрочка, смена тарифа вниз, отмена доп. опций).
Ни один из этих сигналов по отдельности не означает отток. Но в сочетании — модель ставит высокую вероятность и даёт retention-команде окно в 2–4 недели, когда клиента ещё можно удержать.
Из чего состоит система
Четыре слоя, и без любого из них система не работает:
- Признаки. Динамика активности (падение за последние недели важнее среднего за год), частота ключевых действий, время до ценности, обращения в поддержку, платёжное поведение. Главные предикторы — тренды, не текущее состояние.
- Модель. Градиентный бустинг для табличных признаков, модели выживаемости для продуктов с событиями. Ансамбль для устойчивости.
- Объяснение. Модель не просто ставит вероятность, но и говорит, какие признаки толкают клиента в зону риска. Без этого retention-команда не знает, что предлагать.
- Действие и замер. Связка с CRM, рискованные клиенты попадают в список, retention-команда получает рекомендации. Эффект измеряется A/B против контрольной группы — иначе непонятно, работает ли прогноз.
Кейс: B2B SaaS
SaaS-платформа с ежемесячной подпиской теряла около 6% клиентов в месяц — точка, где рост не успевал за оттоком. Retention-команда работала с теми, кто уже отменил подписку (то есть поздно).
Что сделали:
- поведение в продукте + биллинг + поддержка за 24 месяца;
- градиентный бустинг, горизонт прогноза — 4 недели;
- объяснимые факторы риска по каждому клиенту;
- связка с CRM, рекомендации по удержанию.
Результат через 3 месяца:
- месячный отток — с 6% до 5,3% (retention +12%);
- доля клиентов, удержанных из группы риска — 34% (раньше работали с уже ушедшими);
- LTV когорты вырос за счёт удержания;
- ROI retention-команды вырос — фокус на тех, кого ещё можно удержать.
Кейс под NDA, цифры обезличены. Главный эффект — команда получила время на удержание вместо «тушения» после ухода.
Инфраструктура и закон
Всё на российских серверах. Поведение клиентов — персональные данные, по 152-ФЗ: согласие, хранение в РФ, обезличивание признаков там, где это возможно без потери качества. Часть проектов — под NDA.
Цена и что входит
Система предотвращения оттока — от 600 000 ₽. В сумму: аудит данных и определение «оттока» под ваш бизнес, признаки и модель скоринга с объяснимыми причинами, связка с CRM и аналитика, A/B-замер эффекта. Цена зависит от числа клиентов, источников данных и горизонта прогноза. Срок — 6–9 недель. Эксплуатация — в РФ, отдельно.
По теме
- Персонализированные рекомендации — удержание через ценность.
- Анализ отзывов и соцсетей — негатив как ранний сигнал оттока.
- Автоматизация маркетинговых кампаний — адресные офферы для группы риска.
- Корпоративные базы знаний — поддержка как фактор удержания.
Комментарии · 0