Короткий ответ: прогноз оттока читает поведенческие сигналы клиента (реже покупает, реже открывает письма, чаще жалуется) и ставит каждому клиенту оценку риска ухода. Команда работает не со «всеми», а с теми, кто действительно уходит. Сам прогноз ничего не приносит: деньги появляются, когда за ним следует действие (предложение, звонок, бонус) и замер возврата. Для запуска нужна история покупок и контактов в CRM или учётной системе.
Привлечение нового клиента почти всегда дороже удержания существующего, и многие компании узнают об уходе постфактум. Прогноз оттока даёт время для действий: клиент ещё не ушёл, но уже подаёт сигналы. Ниже как это работает, какие данные нужны и как не потратить деньги на красивый отчёт без результата.
Какие сигналы читает модель
| Группа сигналов | Примеры |
|---|---|
| Покупки | снижение частоты и суммы против личной нормы клиента |
| Вовлечённость | реже открывает письма, не заходит в приложение, не отвечает на сообщения |
| Негатив | жалобы, возвраты, нерешённые обращения, низкие оценки |
| Сроки | прошёл типичный цикл повторной покупки, а клиента нет |
| Контекст | сезонность, изменение условий, активность конкурентов |
Прогноз без действия не работает
Список «рискованных клиентов» сам по себе ничего не даёт. Работает связка из трёх шагов.
- Прогноз. Каждому клиенту присваивается оценка риска и причина: «давно не покупал», «жаловался и не получил решения».
- Персональное действие. Менеджер звонит с конкретным предложением, клиент получает бонус или решение проблемы, сервис присылает релевантное напоминание.
- Замер. Сравниваем возврат клиентов в группе, с которой работали, и в контрольной группе, с которой не работали.
В бизнесах с повторными покупками и подписками (фитнес, салоны, B2B-услуги, сервисы) это возвращённые абонементы и контракты. Окупаемость считается на ваших цифрах, метод описан в статье как посчитать окупаемость ИИ.
Какие данные нужны
- история покупок, визитов или платежей по клиентам;
- история контактов: письма, звонки, обращения в поддержку;
- информация о тех, кто ушёл: дата и причина, если известна;
- данные о каналах и акциях, чтобы отделить сезонность от оттока.
Модель не требует идеальных данных: ей нужна история. Чем она длиннее, тем точнее прогноз. Стартуем с того, что есть, и уточняем по ходу. Если истории мало, начинают с правил («не покупал дольше обычного цикла») и подключают модель позже.
Как проверить точность
- Возьмите прошлый период и спрячьте от модели информацию о том, кто ушёл.
- Постройте прогноз и посмотрите, сколько из реально ушедших оказались в списке высокого риска.
- Оцените ложные срабатывания: сколько клиентов из списка не собирались уходить. Это стоимость лишних усилий.
- Проверьте на живой группе: действия с контрольной группой покажут реальную пользу.
Точность определяется на вашей истории. Хорошая модель обычно ранжирует клиентов так, что в верхней части списка оказывается большая часть уходящих, поэтому команда может сосредоточиться на ограниченном числе клиентов.
Примеры действий по прогнозу
| Ниша | Сигнал | Действие |
|---|---|---|
| Фитнес-клуб | снизилась посещаемость, подходит срок абонемента | персональный звонок тренера, предложение продления с бонусом |
| Салон красоты | клиент не возвращался дольше обычного цикла | напоминание и персональное предложение |
| B2B-услуги | реже обращения, жалобы без решения | встреча менеджера, разбор проблем, корректировка условий |
| Интернет-магазин | повторная покупка просрочена, открытия писем падают | релевантная рассылка, персональная подборка |
Данные и безопасность
Прогноз строится на персональных данных клиентов, поэтому обработка выполняется в вашем контуре, а в облачные модели при необходимости уходят обезличенные данные. Требования описаны в статье ИИ и 152-ФЗ.
Стоимость и срок
В рамках пилота автоматизации на ваших данных: от 100 000 ₽, 2–4 недели, включая подготовку данных, модель или правила, интеграцию с CRM и запуск действий. Окупается возвращёнными клиентами: в B2B одного-двух контрактов бывает достаточно, но это определяется вашими ценами и маржой. Услуга: ИИ-автоматизация, цены: прайс.
Часто задают вопросы
Насколько точен прогноз?
Ранжирование работает лучше, чем отдельные проценты: в топ-списке обычно оказывается заметная часть уходящих клиентов. Точную цифру покажет пилот на вашей истории.
Подходит ли это маленькому бизнесу?
Если у вас повторные покупки и несколько сотен клиентов, да. При очень малой базе хватит простых правил и ручного контроля.
Что делать с клиентами, которых мы не смогли удержать?
Фиксировать причину ухода: она улучшает прогноз и показывает, что нужно менять в продукте и сервисе. Связанные инструменты: работа с отзывами через ИИ.
Можно ли делать это на таблицах без CRM?
Можно, если данные собраны и актуальны. Но интеграция с CRM упрощает запуск действий и замер.
Хотите понять, сколько клиентов вы теряете незаметно? ИИ-аудит от 30 000 ₽ оценит потенциал, либо опишите бизнес в чате, отвечу за 24 часа.
