Когорты без иллюзий: почему удержание в email “всегда растёт”, если смотреть не на то

Когорты без иллюзий: почему удержание в email “всегда растёт”, если смотреть не на то

В 2026 я вижу повторяющуюся картину в подписочном бизнесе: команда радостно фиксирует улучшение retention-механик, хотя на уровне выручки (и, главное, когорты по повторной монетизации) ситуация не так однозначна. И причина почти всегда одна — мы считаем “удержание” как метрику канала, а не как свойство отношения с клиентом.

Мой практический тест простой. Берём базовую когорту: пользователи, начавшие платный период в одной неделе. Дальше смотрим поведение по календарным дням и строим воронку “живёт/не живёт” по действиям в email: доставляем — открывают — кликают — доходят до оплаты. И вот где часто начинается подмена понятий: если ты считаешь retention как “доля людей, которые открыли письмо в следующем месяце”, ты фактически меряешь не удержание, а *доступность внимания*. Это не одно и то же.

Что я имею в виду под когортами без иллюзий:

1) “Активность” ≠ “удержание”
Открываемость растёт, если:
- улучшили deliverability (меньше пропусков, меньше спама),
- пересобрали темы/прехедеры,
- обновили аудиторию (пользователи “свежее” по психологии),
- сократили частоту/перегрев.
Это всё может давать рост открытий, не двигая реальную долю тех, кто продолжает платить.

2) “Восстановление” ≠ “удержание”
Когда компания добавляет цепочку реактивации (письма “вернитесь”, “мы скучали”, “снова доступно”), часто кажется, что retention поднялся. Но корректнее проверять: какой процент когорты ушёл и вернулся уже после определённого окна (например, через 14–30 дней после даты отказа). Если доля возврата высокая, это не “удержали лучше”, это “дожали позже”. Для бизнеса это может быть приемлемо, но для управления нужно видеть разницу.

3) Ключевая ошибка: смешивание людей с разной “точкой смерти”
Я регулярно вижу отчёты, где берут всех, кто попал в базу email, и сравнивают retention “средним по больнице”. При этом у части аудитории подписка была отключена давно, у части — только вчера, у части — были паузы. В итоге email “выглядит сильным” просто потому, что в выборке больше клиентов с короткой дистанцией до следующего платежа.

Один наблюдаемый паттерн из практики
В одном подписочном проекте мы увидели рост revenue-per-subscriber (выручка на подписчика) на уровне агрегата, а retention по факту — проседал. Причина была в структуре когорты: команда оптимизировала письма под сегмент, который и так имел высокую вероятность продления, а основной “проблемный” сегмент почти не менялся. На графике “общего удержания” всё казалось лучше. На когорте “группа риска” (по поведению до истечения текущего периода) — картина противоположная.

Как я предлагаю считать правильно (минимальный рабочий стандарт)
— Определите retention как *продление платного статуса* в привязке к дате окончания периода, а не как реакцию на письмо.
— Постройте когорты по старту подписки и отдельно по “моменту отказа” (когда именно человек потерял регулярность).
— Разведите:
- естественное продление (до включения реактиваций),
- возврат (после включения реактиваций),
- реанимацию через разные триггеры (например, “не оплатил”, “просмотрел страницу тарифа”, “обратился в поддержку”).
— Делайте вывод только когда вы сравниваете *одни и те же временные окна* и *одну и ту же когортную структуру*.

В эпоху privacy-first и перехода к RevOps (общей ответственности маркетинга, продаж и customer success за выручку) это особенно важно: email перестаёт быть “каналом, который показывает KPI”, и становится рычагом в управлении жизненным циклом. Если вы продолжаете мерить жизненный цикл реакциями на сообщения, вы будете стабильно получать рост “внутренних метрик”, который потом не превращается в рост продлений.

Моё мнение: лучший индикатор качества удержания — не open-rate и не CTR, а доля выручки, удержанная внутри когортного окна до реактивации. Всё остальное — диагностика, но не диагноз.

— @RetentionRoomRuPro