Расчёт Churn Rate
Churn Rate = Ушедшие клиенты за период / Клиенты на начало периода × 100%
Пример: на начало квартала было 10 000 активных клиентов, 1 200 не купили в течение 90 дней → Churn Rate = 12%.
Как определить «окно оттока»
Окно оттока зависит от категории — времени между типичными покупками:
| Категория | Типичная частота покупок | Окно оттока |
|---|---|---|
| FMCG, продукты | Еженедельно–ежемесячно | 30–60 дней |
| Fashion, одежда | 2–4 раза в год | 90–120 дней |
| Электроника | 1–2 раза в год | 180–365 дней |
| Мебель, ремонт | Реже 1 раза в год | 365+ дней |
Churn Prediction: как работает модель
ML-модель анализирует признаки, предшествующие оттоку:
- Снижение частоты посещений: раньше заходил 3×/неделю, теперь 1×/месяц
- Снижение глубины просмотра: меньше страниц за сессию
- Изменение RFM: Recency растёт (давно не покупал), Frequency падает
- Отсутствие реакции на email-рассылки (снижение Open Rate)
На основе этих признаков модель присваивает каждому клиенту Churn Score (0–100) и включает высокорисковых в retention-сегмент.
Retention-сценарии при высоком churn-риске
Churn Score > 70% → триггер удержания:
├── Email с персональной подборкой "Мы скучаем по вам"
├── Push-уведомление с персональной скидкой
├── Онсайт-баннер при следующем визите
└── Персонализированные рекомендации на главной странице
Своевременная реактивация работает в 3–5 раз эффективнее, чем работа с уже ушедшими клиентами.