Що таке Retention у маркетингу: детальний посібник з утримання клієнтів

Уявіть відро з водою, у якому є невеликий отвір. Можна наливати воду швидше, але якщо вона продовжує витікати, рівень все одно не зростатиме. Приблизно так виглядає бізнес, який постійно залучає нових клієнтів, але майже не працює з тими, хто вже купив.

Клієнт зробив замовлення, оформив підписку або зареєструвався в сервісі. Продаж відбувся. Але на цьому робота з ним не закінчується.

Якщо людина більше не повертається, компанії знову доводиться шукати нового клієнта: запускати рекламу, залучати трафік, обробляти заявки і проходити весь шлях від першого контакту до угоди.

Саме з цим завданням працює ретеншн-маркетинг. Компанія продовжує працювати з уже залученими клієнтами: враховує історію покупок або використання сервісу і обирає підходящий момент для наступного контакту.

Retention у маркетингу показує, чи продовжує клієнт купувати або користуватися продуктом після цієї першої угоди. У статті розберемо, як рахувати основні метрики, чим відрізняються Day N, Rolling і Range Retention, які стратегії допомагають утримувати клієнтів і як побудувати retention-стратегію з нуля.

• Ретеншн-маркетинг працює з уже існуючою базою і допомагає збільшувати повторні покупки, продовження тарифів та інші цільові дії.
• Перш ніж рахувати retention, потрібно визначити, яку дію клієнта вважати поверненням і за який період це оцінювати.
• CRR і Churn показують утримання та відтік, RPR відображає повторні покупки, а LTV і CAC допомагають оцінити економіку клієнта.
• NPS і CSAT говорять про клієнтський досвід, але не замінюють дані про реальну поведінку. Висока оцінка сама по собі не означає, що клієнт купить знову.
• Персоналізація, програми лояльності, onboarding і тригерні сценарії працюють краще, коли пов’язані з конкретною ситуацією клієнта, а не надсилаються всій базі однаково.
• Email, SMS, Viber, push і CRM-автоматизація вирішують різні задачі, і їх можна об’єднувати в одній системі.

Простими словами, ретеншн-маркетинг допомагає компанії працювати з клієнтом після цієї дії, щоб він з більшою ймовірністю повернувся знову.

Для інтернет-магазину це друге замовлення. Для SaaS це регулярне використання сервісу або продовження підписки. Для онлайн-школи це купівля наступного курсу.

Найважливіше тут — визначити, яка дія справді свідчить про продовження відносин.

Наприклад, користувач зареєструвався, зайшов у особистий кабінет і більше нічого не зробив. Формально активність була, але для бізнесу це мало що значить. Якщо реальна користь сервісу з’являється після створення проекту, підключення інтеграції чи запуску першої кампанії, саме такі дії варто відстежувати. Вхід в акаунт у такому разі надто слабкий сигнал.

З інтернет-магазином схожа історія. Відвідувач може кілька разів відкрити сайт після покупки, але це ще не означає повторне замовлення. Якщо задача бізнесу — збільшити повторні продажі, аналізувати варто саме замовлення і проміжки між ними.

Спочатку визначте, яка дія для вашого бізнесу означає продовження роботи з продуктом або нову покупку. У різних компаній відповідь буде різною, і це нормально.

Retention Rate, або коефіцієнт утримання клієнтів, показує, яка частка клієнтської бази залишається активною протягом певного періоду.

Churn Rate, або коефіцієнт відтоку, показує частку клієнтів, які за той самий період перестали користуватися продуктом за правилами, встановленими компанією.

Простіше кажучи:

• Retention показує, скільки клієнтів залишилося.
• Churn показує, скільки вибуло.

Визначення активного клієнта залежить від бізнес-моделі. У сервісу за підпискою відтік можна пов’язати зі скасуванням підписки або закінченням оплаченого періоду. В інтернет-магазині все залежить від циклу покупки: той, хто купує смартфон раз на рік-два, не стає втраченим клієнтом лише тому, що не зробив нове замовлення через місяць.

де:

• S: кількість клієнтів на початок періоду;
• E: кількість клієнтів на кінець періоду;
• N: нові клієнти за період.

Наприклад, на початку періоду було 1000 клієнтів, у кінці 1150, з них 200 нових.

CRR = (1150 − 200) / 1000 × 100% = 95%.

Churn Rate у простому вигляді:

Churn Rate = кількість клієнтів, що пішли / кількість клієнтів на початок періоду × 100%.

Якщо з 500 клієнтів за період пішло 50, Churn Rate становитиме 10%.

Самі формули прості. Набагато важливіше заздалегідь зафіксувати правила розрахунку і не змінювати їх від місяця до місяця. Інакше показники за різні періоди буде складно порівнювати.

Проблеми з утриманням рідко виникають за один день. Зазвичай вони накопичуються поступово.

Варто розібратися з retention, якщо:

• значна частина клієнтів обмежується першою покупкою і не повертається;
• користувачі швидко втрачають інтерес до сервісу після реєстрації;
• частка клієнтів, які продовжують підписку чи тариф, нижча, ніж очікувалося;
• клієнтська база росте, але разом з нею збільшується і відтік;
• залучення нових користувачів вимагає все більших витрат;
• у CRM накопичився великий масив неактивних контактів;
• вся аудиторія отримує однакові повідомлення незалежно від історії взаємодії з компанією.

У такій ситуації недостатньо просто запустити ще одну розсилку.

Наприклад, магазин отримує багато перших замовлень, але друге замовлення роблять рідко. Тоді варто подивитися, через який строк люди зазвичай купують знову, що саме вони купують після першого замовлення і які повідомлення отримують між покупками.

Завдання тут — зрозуміти, на якому етапі клієнт перестає купувати і що саме на це впливає. Причина може бути в самому продукті, сервісі, часі наступного контакту або в тому, що повторна покупка взагалі не потрібна людині так скоро.

Day N Retention, або Classic Retention, показує, яка частка користувачів виконала потрібну дію в конкретний день після першого використання продукту. Це один і той самий спосіб розрахунку під двома назвами. У знаменнику залишається кількість тих, хто вперше скористався продуктом.

Приклад: 1 вересня сервісом вперше скористалися 100 людей. 2 вересня з них повернулися 24, тобто Day 1 Retention = 24%. Якщо 8 вересня таких користувачів було 10, то Day 7 Retention = 10%.

Той, хто повернувся на шостий чи восьмий день, але пропустив саме сьомий, у цей розрахунок не потрапить. У цьому й полягає особливість методу.

У Day N є зрозуміла контрольна дата. Але саме ця сувора межа іноді стає обмеженням: клієнт, що повернувся на 13-й день, у Day 14 уже не потрапить, хоча продовжує користуватися продуктом.

У деяких системах аналітики, наприклад в Amplitude, такий підхід називається Return On: враховуються користувачі, які виконали потрібну дію саме в обраний день.

Day N зручно використовувати для застосунків і сервісів, де від користувача справді очікують регулярного повернення. Для магазину техніки низький Day 7 сам по собі нічого не говорить про відтік: покупцю може просто не знадобитися новий товар за тиждень.

Classic Retention і Day N Retention є одним способом розрахунку.

В обох випадках перевіряється, чи відбулася потрібна дія в конкретний день після першої події.

Тому при порівнянні звітів важливо перевірити, як саме в них визначена метрика, а не тільки дивитися на її назву.

Classic Retention корисний, коли бізнесу важлива конкретна контрольна дата. Але для поведінки, де клієнт не зобов’язаний повертатися день у день, більш підходящим може виявитися інший спосіб вимірювання.

Rolling Retention відповідає на інше питання:

Чи повернувся користувач у обраний день чи пізніше?

Наприклад, Rolling Day 7 зараховує і того, хто повернувся рівно на сьомий день, і того, хто повернувся пізніше, на десятий день чи через місяць у рамках обраного періоду.

Такий розрахунок зручний, коли від клієнта не чекають суворого графіка.

Наприклад, людина відкрила застосунок для планування подорожі, кілька днів нічого не робила, а повернулася вже під час підготовки маршруту. У цьому разі сам факт повторного використання може бути важливішим за конкретну дату.

Range Retention дивиться не на один день, а на проміжок.

Замість питання «чи користувався клієнт на сьомий день?» тут запитують, чи виконав він потрібну дію протягом другого тижня після реєстрації.

Range Retention зазвичай розраховують з вікном у кілька днів.

Для інтернет-магазину такий формат може бути зручнішим, якщо повторне замовлення зазвичай припадає на певний період, а не на конкретну дату.

Окрім самої методики потрібно зафіксувати, як рахуються дні: календарними датами чи 24-годинними вікнами.

Обирати спосіб розрахунку варто до початку аналізу. Два підходи можуть дати різні числа на одних і тих самих даних, тому порівнювати їх напряму не можна.

CRR показує, яка частка вихідної клієнтської бази залишається активною протягом обраного періоду.

CRR = ((E − N) / S) × 100%

З кінцевої бази віднімають нових клієнтів і порівнюють результат з вихідною базою.

Наприклад, на початку періоду було 500 клієнтів, а до кінця їх кількість зросла до 530, з них 80 нових. Отже, з вихідної бази залишилося 450 клієнтів, а CRR становить 90%.

Рахувати показник корисно не тільки по всій базі. Окремі цифри по групах клієнтів, тарифах чи каналах залучення можуть показати проблему, яка в середньому значенні просто губиться.

Churn показує частку клієнтів, які за період перестали користуватися продуктом чи послугою.

Churn Rate = клієнти, що пішли / клієнти на початок періоду × 100%

У підписній моделі відтік можна пов’язувати зі скасуванням тарифу. В інтернет-магазині період потрібно обирати з огляду на звичайний цикл покупки конкретної категорії.

Для B2B важливо дивитися не тільки на кількість клієнтів, що пішли, а й на втрату виручки. Відмова одного великого клієнта може вплинути на бізнес сильніше, ніж відхід десяти невеликих. Тому варто розрізняти customer churn і revenue churn — відтік клієнтів і відтік виручки.

LTV оцінює потенційну цінність клієнта за весь час відносин з компанією.

Спрощена формула для бізнесу з повторними покупками:

LTV = середня вартість покупки × середня кількість покупок × термін життя клієнта

Наприклад, якщо середнє замовлення становить $100, клієнт купує двічі на рік і залишається з компанією п’ять років:

LTV = $100 × 2 × 5 = $1 000.

Це не прибуток: формула не враховує собівартість, обслуговування та інші витрати. Це оцінка сукупної виручки від одного клієнта за заданою моделлю.

CAC показує, скільки коштує залучення нового клієнта:

CAC = витрати на маркетинг і продажі / кількість нових клієнтів

Дивитися на LTV і CAC разом корисно, щоб зіставити витрати на залучення з цінністю клієнта за весь час відносин.

RPR показує частку покупців, які зробили повторну покупку.

RPR = клієнти з 2+ покупками / загальна кількість клієнтів × 100%

Наприклад, з 400 покупців 120 зробили ще одне замовлення:

RPR = 120 / 400 × 100% = 30%.

Для інтернет-магазину це зрозуміла і практична метрика, але вона не пояснює, чому людина купила знову. Тому RPR варто дивитися разом з часом між замовленнями і даними про те, що саме купують повторно.

NPS і CSAT говорять про клієнтський досвід, а не про фактичне утримання. Тому їх корисно розглядати разом з поведінковими метриками.

NPS вимірює готовність рекомендувати компанію. Клієнт відповідає за шкалою від 0 до 10:

• 9–10: промоутери;
• 7–8: пасивні;
• 0–6: критики.

NPS = % промоутерів − % критиків

CSAT оцінює задоволеність конкретною взаємодією: покупкою, доставкою, зверненням у підтримку. У поширеній шкалі від 1 до 5 позитивними вважаються оцінки 4 і 5:

CSAT = кількість оцінок 4–5 / кількість усіх відповідей × 100%

Різниця між показниками проста:

Retention показує, чи продовжив клієнт користуватися продуктом або купувати.

NPS — готовність рекомендувати компанію.

CSAT — оцінка конкретної взаємодії.

Наприклад, якщо після спілкування з підтримкою CSAT помітно падає, варто перевірити, чи змінюється після цього поведінка клієнтів і чи росте серед них churn. Висока оцінка сама по собі не означає, що клієнт обов’язково повернеться.

Персоналізація — це не просто ім’я в темі листа. Набагато корисніше дивитися на історію клієнта: що він купував, коли це було, чим цікавився і на якому етапі зупинився.

Магазин косметики може нагадати про повторну покупку приблизно тоді, коли у клієнта зазвичай закінчується засіб. SaaS-сервіс може надіслати конкретну інструкцію тому, хто зареєструвався, але не підключив ключову функцію.

В обох випадках повідомлення з’являється не просто тому, що «час щось надіслати», а тому, що для клієнта настав підходящий момент.

Email зручний для інструкцій, рекомендацій і підбірок, де потрібен контекст.

SMS зручно використовувати, коли потрібно швидко передати коротке повідомлення чи нагадати про важливу подію. Сервіс SMS-розсилок UniTalk підтримує таргетовані, транзакційні та рекламні повідомлення з персоналізацією, аналітикою та інтеграцією з CRM.

Бонуси, кешбек, накопичувальні знижки й особливі умови можуть дати клієнту додаткову причину повернутися.

Але сама знижка ще не доводить, що утримання зросло.

Візьмемо магазин одягу. Клієнт і без знижки збирався зробити друге замовлення, але при цьому отримав купон на 10%. Покупка відбулася, а маржа компанії при цьому зменшилася.

Тому програму лояльності варто оцінювати за додатковим ефектом: чи почали клієнти купувати частіше, чи зросла частка повторних замовлень, чи скоротився інтервал між покупками.

У такому разі маркетинг лояльності стає одним з інструментів утримання, а не просто способом роздавати бонуси.

Перед запуском програми варто визначити:

• яку дію потрібно стимулювати;
• що отримує клієнт;
• коли він зможе скористатися перевагою;
• як компанія вимірюватиме результат.

Іноді людина перестає користуватися продуктом просто тому, що не встигла зрозуміти його користь.

Користувач зареєструвався, але не зміг налаштувати сервіс. Клієнт оформив підписку, але не знайшов потрібну функцію. Покупець отримав товар, але не розібрався, як ним користуватися.

Ще одна рекламна розсилка тут навряд чи допоможе. Спочатку потрібно прибрати те, що заважає людині отримати користь від продукту.

Завдання onboarding простіше: якнайшвидше довести людину до першого зрозумілого результату.

Наприклад, якщо сервіс розрахований на командну роботу, а зареєструвалася одна людина, варто одразу показати, як додати колег і навіщо це потрібно.

Гарним прикладом такої регулярності служить Duolingo: там серія днів підряд допомагає не кидати звичку.

Якщо користувач пройшов onboarding, але все одно перестав повертатися, проблема може бути вже на наступному етапі шляху. Тоді варто знову подивитися, яка дія показує реальне використання продукту і де саме клієнт перестає її виконувати.

Звичайна аналітика показує те, що вже відбулося: клієнт перестав купувати, користувач став рідше заходити в сервіс, підписка не продовжилася.

Predictive Retention допомагає помітити зміну поведінки до того, як вона призведе до відтоку.

Наприклад, клієнт раніше замовляв щомісяця, але звична покупка цього разу не з’явилася в очікуваний строк. Користувач SaaS-продукту раніше регулярно запускав основну функцію, а тепер майже не відкриває її.

Сама по собі зміна поведінки ще не означає, що клієнт піде. Але це привід розібратися, що відбувається: він зіткнувся з проблемою, змінилися його завдання, перейшов на інший тариф чи просто перестав потребувати продукт.

AI може бути особливо корисним там, де вручну шукати такі групи по всій базі вже складно: даних багато, а ознаки відтоку можуть бути розподілені по кількох діях.

Але далі все одно потрібно зрозуміти причину. Одному клієнту потрібна інструкція, іншому потрібна допомога менеджера, третьому достатньо нагадування, а комусь краще взагалі нічого не надсилати.

Перш ніж підключати AI, важливо визначити, яку поведінку вважати активністю і за якими ознаками фіксувати відтік. Інакше модель навчатиметься на даних, у яких активність і відтік визначені неправильно.

На практиці для старту не потрібна складна модель. Достатньо кількох простих правил: наприклад, позначати клієнта як «у зоні ризику», якщо він не заходив у сервіс довше звичного інтервалу або пропустив звичну покупку. Такі порогові значення легко налаштувати вручну, а переходити до точніших алгоритмів варто тільки тоді, коли накопичиться достатньо даних про реальний відтік.

Почніть з клієнтської бази.

Розділіть її на нових, постійних, неактивних і тих, хто повернувся після паузи. Окремо можна виділити найцінніших клієнтів.

Подивіться на дату останнього замовлення чи дії, кількість покупок, середній чек, продукт і джерело залучення.

ABC-аналіз має сенс, якщо для бізнесу важливо розділити клієнтів за вкладом у виручку. Для невеликої бази це не завжди потрібно.

На цьому етапі найважливіше визначити конкретну проблему, а не оперувати загальними поняттями.

Наприклад: «Більшість клієнтів оформлюють перше замовлення, але відсоток повторних покупок вкрай низький».

Дані про клієнта часто розрізнені: замовлення фіксуються в інтернет-магазині, дзвінки записуються в телефонії, діалоги ведуться в чатах, а реакції на розсилки залишаються в email-сервісах. Без зв’язку цих даних неможливо відстежити повний шлях користувача до і після покупки.

При цьому сам шлях (Customer Journey) сильно залежить від ніші:

• E-commerce: перша покупка → доставка → формування нової потреби → повторне замовлення.
• SaaS-продукти: реєстрація → перша корисна дія (Aha-moment) → регулярне використання → продовження підписки.

Системи класу CRM чи CDP об’єднують ці фрагменти в єдиний цифровий профіль. Це дозволяє бачити повну історію взаємодії, глибоко аналізувати поведінку і будувати персоналізовану комунікацію.

CJM дозволяє розкласти шлях клієнта на послідовні кроки: від перегляду реклами і переходу на сайт до першої покупки, використання продукту і повторного замовлення. Для кожного етапу важливо визначити чотири речі: дії клієнта, його очікування, можливі проблеми і зустрічні кроки компанії.

Наприклад, якщо перші замовлення проходять чудово, але клієнти рідко повертаються, варто уважно вивчити пост-покупний етап. Потрібно зрозуміти, коли саме у людини виникає нова потреба, чи отримує вона в цей момент релевантне нагадування і чи є в неї взагалі мотивація купувати знову. Такий аналіз наочно показує, на яких відрізках шляху компанія втрачає найбільше клієнтів. Детальніше про те, як правильно організувати цей процес, можна прочитати в нашій статті «Що таке Customer Journey і як створити CJM».

Почніть впровадження з кількох базових автоматизацій:

• вітання після першої покупки чи реєстрації;
• нагадування про незавершену дію;
• сповіщення про наближення продовження підписки;
• реактивація неактивних користувачів;
• рекомендація супутнього продукту (cross-sell).

Під кожен сценарій підбирайте свій інструмент. Email потрібен там, де важливий контекст. Для швидких нагадувань вистачить SMS, а Viber незамінний, коли потрібно привернути увагу візуалом (зображення, посилання, кнопка).

Після запуску базових сценаріїв важливо проаналізувати результати і визначити, що потребує коригування: текст, час відправки, вибір каналу, саму пропозицію чи сегмент аудиторії.

Найкращий інструмент для цього — A/B-тести. Наприклад, одна частина аудиторії отримує SMS, друга — email, а третя (контрольна група) взагалі не отримує повідомлень. Порівнявши частку повторних покупок у кожній групі, ви зможете точно зрозуміти: чи спрацювала саме ваша комунікація, чи клієнти зробили б замовлення органічно, без додаткових нагадувань.

Якщо сценарій доводить свою ефективність і приносить додаткові продажі, його можна сміливо масштабувати. Якщо результату немає, не намагайтеся просто збільшити кількість розсилок. Замість цього перегляньте початкову гіпотезу, налаштування сегмента чи саму механіку взаємодії.

• Зводити retention виключно до знижок. Промокоди стимулюють разові продажі, але не компенсують слабкий продукт чи погіршений клієнтський досвід.
• Ігнорувати сегментацію бази. Новачок і клієнт, який нічого не купував півроку, потребують абсолютно різних підходів. Однотипні розсилки на всіх лише виснажують базу.
• Орієнтуватися на проміжні метрики (Open Rate і CTR). Відкриття і кліки показують лише реакцію на текст чи заголовок. Справжнім маркером успіху служить факт повторної покупки чи продовження підписки.
• Плутати утримання і лояльність. Клієнт може залишатися з вами через банальну звичку, лінь чи відсутність зручних альтернатив. Це не означає, що він лояльний і готовий вас рекомендувати.
• Не враховувати природний цикл покупки. Покупець холодильника не повернеться за новим через місяць. Для товарів тривалого попиту низький retention 30-го дня вважається нормою і не вказує на відтік.
• Впроваджувати AI до налаштування базової аналітики. Нейромережі варто підключати тільки після чіткого визначення критеріїв цільової дії і відтоку. Інакше алгоритми просто автоматизують хаос і помилки в даних.
• Працювати без контрольної групи. Без неї неможливо довести, що покупку спровокувала саме ваша комунікація, а не органічна потреба клієнта, яка реалізувалася б сама по собі.
• Запускати автоматизації за принципом «налаштував і забув». Споживчі звички змінюються. Сценарії й ланцюжки листів, які давали конверсію рік тому, потребують регулярного аудиту.

Перед запуском будь-якої нової механіки утримання чесно відповідайте собі на два питання: якої конкретно зміни в поведінці клієнта ви домагаєтеся, і за якими метриками зрозумієте, що вона справді відбулася?