Самокат: как панельные данные помогли удержать клиента при снижении чека на 6%

Самокат: как панельные данные помогли удержать клиента при снижении чека на 6%

**Контекст**

К середине 2025 года рынок e-grocery столкнулся с системным сжатием: средний чек в категории сократился на 5–8% на фоне экономии домохозяйств. Сервис экспресс-доставки «Самокат» (входит в Х5 Group) зафиксировал тренд раньше остальных — по данным собственной операционной панели, частота заказов у сегмента «активные покупатели» (4+ заказов в месяц) начала снижаться на 3–4% в квартал. Классическая модель «скидка на первый заказ для привлечения» перестала работать: новые клиенты приносили чеки на 12% ниже, чем годом ранее, а retention rate на 30-й день упал с 41% до 35%.

**Задача**

Команда CRM и аналитики «Самоката» получила запрос: не наращивая бюджет на привлечение и не снижая маржинальность (целевая — не ниже минус 2% к валовой прибыли), остановить отток в ядре аудитории и вернуть частоту заказов к показателям 2024 года. Ключевая метрика — LTV (пожизненная ценность клиента) на 180 дней.

**Решение**

Вместо массовых промо-акций (все товары скидка 15%) аналитики применили сегментацию на основе retail-панели: совместили данные о покупках внутри сервиса с внешними панелями покупательского поведения по категориям FMCG (данные Romir / Nielsen IQ). Выяснилось, что 62% ушедших клиентов за две недели до оттока переставали покупать категории «молочка» и «хлеб» — базовые индикаторы лояльности. Для каждого кластера (экономящие, лояльные, импульсные) построили индивидуальную карту товаров-якорей: недорогие позиции с высокой частотой повторной покупки (кефир, яйца, бананы), которые поддерживают привычку заказывать.

Технически внедрили server-side атрибуцию (механизм

— @PanelDataRoomPro