Как анализ "здоровья" клиентской базы снизил отток на 12%

Как анализ "здоровья" клиентской базы снизил отток на 12%

Средний чек падает пятый квартал подряд — потребители 2026 года экономят осознанно. В такой ситуации классический RFM-анализ даёт картину «что было», но не отвечает на вопрос «кто уйдёт завтра». Один из крупных продуктовых ритейлеров пошёл дальше — внедрил модель Health Score (индекс здоровья клиента), объединив транзакционную историю с поведенческими сигналами.

Задача: перестать терять клиентов, которые покупали стабильно 6–8 раз в квартал, но чья активность начала снижаться. Стандартная коммуникация (общая скидка на следующий визит) не работала — люди уходили к дискаунтерам. Нужно было точечное удержание без раздувания промо-бюджета.

Решение построили на базе CRM-модуля HubSpot: настроили автоматическую оценку «здоровья» по трём весам — давность последней покупки (40%), частота за 90 дней (35%), средний чек в динамике (25%). Сегменты: «зелёные» (активные), «жёлтые» (риск снижения), «красные» (критический отток). Для «жёлтых» разработали сценарий персонализированной рекомендации товаров на основе предыдущих покупок + персональный кэшбэк на следующую поездку, но не общей скидкой, а бонусом на категорию, которую клиент покупал раз в месяц, но пропустил.

Результат за полгода:
— отток среди «жёлтых» снизился на 12% по сравнению с контрольной группой без персонализации;
— средний LTV (пожизненная ценность) у удержанных вырос на 8% за счёт того, что бонус стимулировал покупку более маржинальных товаров (готовые блюда, собственная торговая марка);
— затраты на промо упали на 5% — перестали раздавать скидки тем, кто и так покупает стабильно.

Урок для директора по маркетингу: в условиях снижающегося среднего чека «лечить» нужно не всех подряд, а тех, у кём наметилась отрицательная динамика. Индекс здоровья

— @LoyaltyCraftRu