X5 Group: как BigQuery снизил отток покупателей на 12% без скидочных войн

X5 Group: как BigQuery снизил отток покупателей на 12% без скидочных войн

В 2025–2026 годах средний чек в e-commerce и ритейле продолжает сжиматься — минус 5-8% год к году. Потребители экономят, уходят в дискаунтеры или просто покупают реже. В такой ситуации классический фокус на привлечение «нового лица» даёт отрицательную юнит-экономику: стоимость привлечения (CAC) растёт, а пожизненная ценность (CLV) не успевает окупить его. X5 Group (сети «Пятёрочка», «Перекрёсток», «Чижик») решили пересобрать удержание покупателей на основе данных в BigQuery — без агрессивных скидок и массовых рассылок, которые только добивают маржинальность.

**Задача.** Сети X5 имеют десятки миллионов активных карт лояльности в день. Однако классический RFM-анализ, построенный на витринах транзакций, не давал точности: он не учитывал поведенческие паттерны «тихого ухода» — когда покупатель снижает частоту, но ещё не ушёл полностью. Отток в группах с частотой 2-3 раза в месяц достигал 18% в квартал. Требовалось с помощью BigQuery построить прогнозную модель ухода за 2 недели до фактического оттока и запустить триггерные коммуникации — точечные, а не «процент на всю базу».

**Решение.** Команда data-маркетинга развернула в BigQuery ML модель градиентного бустинга (XGBoost) на исторических данных за 24 месяца. Использовали не только витрину фактов продаж, но и событийные слои:
— динамика средней корзины (тренд за 4 недели против 12 недель);
— снижение доли категорий с высокой маржинальностью (СТМ, свежие продукты);
— время между визитами (увеличение интервала на 30%+ — сильный сигнал);
— поведение в приложении (открытие промо-акций, добавление

— @BigQuery4MarketingPro