Conjoint под давлением LTV: почему пора менять объект измерения

Conjoint под давлением LTV: почему пора менять объект измерения

Классический conjoint-анализ заточен на сценарий *первого выбора*: потребитель стоит перед полкой с десятком альтернатив и выбирает самую привлекательную комбинацию атрибутов. Это работает, когда рынок растёт и стоит задача привлечь нового клиента. Но в эпоху 2026, когда средний чек в e-com снижается на 5–8%, а бизнес переключается на удержание (retention) и пожизненную ценность (LTV), такой подход даёт сбой.

Недавно мы проводили conjoint для одного B2B-сервиса с ежемесячной подпиской. Первый волновой опрос показал, что пользователи предпочитают тариф с максимальным функционалом — классический «best-in-class» выбор. Но когда мы повторили замер с формулировкой «какой тариф вы оставили бы, если бы пришлось урезать бюджет на 10%?», картина перевернулась: 60% респондентов отказались от среднего уровня поддержки (support tier) ради сохранения базовой функциональности. Это принципиально иная структура предпочтений — trade-off между «идеальным» и «достаточным».

Проблема в том, что исходный conjoint моделирует ситуацию *привлечения*, а бизнесу нужно понимать, какие атрибуты удерживают клиента в условиях сжатия бюджета. Для RevOps-модели (общая ответственность маркетинга, продаж и работы с клиентами за выручку) критично не просто знать, что выбрали бы новички, а **что заставит текущего пользователя не отключить подписку**.

Рекомендую делать два параллельных замера: классический conjoint на проникновение (acquisition) и версию с формулировкой «вы уже пользуетесь, что вы пожертвуете, чтобы сохранить доступ?». Разница между этими оценками — метрика *ценовой эластичности удержания*, которая часто оказывается на 30–50% выше, чем эластичность первой покупки. Именно она должна становиться входом для ценообразования и разработки продуктовых roadmaps в 2026 году.

Без такого разделения вы рискуете инвестировать в атрибуты, которые привлекают, но не держат, а в эпоху падающего чека — это прямая дорога к росту оттока (churn).

— @QuantResearchRuPro