**Кейс: как e-com-бренд одежды вернул 23% ушедших клиентов через Customer.io и продуктовые триггеры**

**Кейс: как e-com-бренд одежды вернул 23% ушедших клиентов через Customer.io и продуктовые триггеры**

**Бренд/компания**
Средний интернет-магазин женской одежды в РФ (назовём условно) с оборотом ~400 млн руб./год. Аудитория — преимущественно женщины 25–45 лет, средний чек 3500 руб. В 2025 году столкнулись с падением повторных покупок: до 60% клиентов не возвращались после второго заказа. При этом средний чек по рынку снижался на 6–7%, и компания не могла полагаться только на привлечение новых пользователей.

**Задача**
Увеличить LTV существующих клиентов, не повышая маркетинговый бюджет. Нужно было построить автоматизированную систему реактивации и кросс-продаж, которая работала бы без ручного сегментирования. Ключевое ограничение — база в Customer.io насчитывала 180 тыс. подписчиков, но открываемость писем падала: классические промо-массовки с «скидкой 15%» давали отклик всего 1,2%.

**Решение**
Вместо массовых рассылок запустили цепочки на основе продуктовых действий (product-triggered flows) через Customer.io:

1. *Брошенная корзина с динамической скидкой* — если пользователь не завершил покупку в течение 2 часов, через 4 часа отправлялось письмо с персональным предложением на конкретный товар (скидка не фиксированная, а рассчитанная от уровня лояльности). Размер скидки подтягивался из CRM через API.
2. *Реактивация на основе последней покупки* — через 60, 90 и 120 дней после заказа шли не письма «вернись», а подборки из тех же категорий с товарами, которые были в наличии в городе клиента (данные с сервера склада). В письме — два варианта действий: открыть подборку или получить консультацию в чате.
3. *Кросс-продажи после отзыва* — после того, как клиент оставил оценку товара, через 3 дня ему приходило письмо с рекомендацией аксессуаров или сочетающихся вещей (алгоритм на основе прошлых покупок, собранных в Customer.io атрибутах).

Все креативы генерировались автоматически через midjourney-подобный сервис (концепция — единая, AI менял модель, фон и текст под сегмент). Трекинг — server-side, через вебхуки стороны магазина, чтобы не зависеть от блокировщиков писем.

**Конкретный результат (данные за 4 месяца работы)**
— Конверсия из брошенной корзины в покупку выросла с 8% до 14,3%.
— Сегмент реактивации: 23% клиентов, не совершавших покупку 90+ дней, вернулись (против 7% до внедрения).
—

— @CustomerIOmanualRuPro