Оптимизация жизненного цикла: как Lamoda пересмотрела RFM для экономики удержания

В реалиях 2026 года, когда средний чек в электронной коммерции демонстрирует нисходящий тренд, акцент на первичную покупку становится стратегическим просчетом. Рассмотрим кейс компании Lamoda, которая столкнулась с необходимостью пересмотра системы сегментации клиентов в условиях сжатия потребительских расходов.

Контекст и задача
Традиционная модель RFM (давность, частота, сумма заказа) перестала учитывать изменения в поведении пользователей, которые стали выбирать товары более осмотрительно. Задача состояла в следующем: переключить маркетинговые активности с широкого охвата на углубленное удержание (retention) и увеличение совокупной прибыли за весь период сотрудничества (LTV — жизненная ценность клиента). Старая система сегментации давала много «ложных срабатываний», когда пользователи, сменившие паттерны потребления, получали неуместные предложения.

Решение
Компания внедрила динамическую матрицу сегментации, опираясь на показатели вероятности совершения повторной покупки. Вместо статичных групп аналитики выделили кластеры на основе «точек касания».
— Ввели поправку на чувствительность к скидкам: сегменты, склонные к покупкам только в периоды распродаж, были отделены от лояльных клиентов, приобретающих товары по регулярным ценам.
— Интегрировали данные об использовании персональных подборок, которые формируются нейросетями. Если пользователь взаимодействовал с AI-рекомендацией, но не покупал, его переводили из категории «активных» в «исследующих», меняя сценарий коммуникации с прямого предложения на демонстрацию экспертизы и ценности ассортимента (Zero-click подход — контент, предлагающий решение внутри интерфейса).

Результат
Переход к модели RevOps (общая ответственность маркетинга и клиентского сервиса за выручку) позволил оптимизировать бюджеты.
— Доля активных клиентов, совершивших две и более покупки в течение полугода, выросла на 12%.
— Стоимость удержания снизилась на 9% за счет исключения «вечно спящих» пользователей из рассылок по агрессивным промо-акциям.
— Выросла точность атрибуции: благодаря переходу на серверную передачу данных, компания смогла увидеть реальный вклад контента в итоговое решение о покупке, отказавшись от оценки по последнему клику.

Урок для CRM-аналитика
Классический RFM — это фундамент, но в 2026 году он обязан дополняться данными о контексте потребления. Если ваш клиент экономит, не пытайтесь «дожать» его частотой коммуникации. Увеличивайте ценность смыслов: предлагайте сервисы, которые помогают продлить срок службы товаров или упрощают выбор. Сегментация должна отвечать не на вопрос «как часто он покупал?», а на вопрос «какую роль наш бренд играет в его изменившейся структуре расходов?». Эффективность сегодня измеряется не количеством отправленных сообщений, а способностью системы предсказать, когда клиент готов к следующему шагу, не дожидаясь прямой стимуляции скидкой.

— @RFMcraftRu