Кратко — набор мер и показатели.
Меры (по блокам)
- Аналитика и сегментация
- Построить предиктивную модель риска оттока: поведение, ARPU, жалобы, покрытие, контракт.
- Когорный анализ (по дате подключения, тарифу, каналу продаж) для выявления точек максимального оттока.
- Персонализация и предложения
- Автоматизированные триггерные кампании для «горячих» клиентов (скидки, апгрейды, бесплатные доп.услуги).
- Динамические бандлы и микротарифы для уязвимых сегментов.
- Программы лояльности
- Многоуровневые (bronze/silver/gold) с привилегиями: приоритетная поддержка, бонусный трафик, скидки на устройства.
- Поинтовая система + каталоги выгод/партнёров + реферальная программа с бонусами за привлечение.
- Win‑back программа для ушедших клиентов: персональные офферы в течение $T$ месяцев после ухода.
- Клиентский опыт (CX)
- Сократить время решения: омниканальная поддержка (чат, IVR, соцсети) + SLA по первому ответу.
- Превентивный мониторинг сети и уведомления о проблемах/компенсациях.
- Улучшение onboarding: пошаговые гайды, приветственные бонусы.
- Операционные изменения
- KPI и обучение агентов: FCR, CSAT, скрипты для удержания.
- Прозрачность цен и упрощённые процессы смены тарифов/возвратов.
- Эксперименты и управление изменениями
- A/B-тестирование офферов, ценовых акций, каналов коммуникации.
- Пилоты в регионах/коhортах с последующим масштабированием.
Ключевые метрики (с формулами)
- Абонентский churn (периодический):
$\text{Churn rate}=\frac{\text{Количество потерянных абонентов за период}}{\text{Количество абонентов в начале периода}}$ - Ретеншн (удержание):
$\text{Retention rate}=1-\text{Churn rate}$ (или по когорте: $\frac{\text{Оставшиеся абоненты}}{\text{Когорта старт}}$)
- ARPU (средний доход на пользователя):
$\text{ARPU}=\frac{\text{Общий доход за период}}{\text{Среднее число абонентов за период}}$ - Revenue churn (денежный отток):
$\text{Revenue churn}=\frac{\text{MRR/доход, утраченный из‑за понижения/отмен}}{\text{MRR/доход в начале периода}}$ - CLV / LTV (упрощённо):
$\text{LTV}\approx \frac{\text{ARPU}}{\text{Churn rate}}$ или дисконтированная: $\text{LTV}={\sum }_{t=1}^T\frac{m_t}{(1+r{)}^t}$ - CAC и рентабельность привлечения:
$\text{CAC}=\frac{\text{Все маркетинговые и sales расходы на привлечение}}{\text{Число новых клиентов}}$ и целевая метрика $\text{LTV:CAC}$ - NPS (лояльность):
$\text{NPS}=\%\text{Promoters}-\%\text{Detractors}$ - CSAT и CES:
- CSAT — процент положительных оценок: $\frac{\text{Положительные ответы}}{\text{Всего опрошенных}}$ - CES — средний балл сложности решения задачи.
- Операционные KPI:
- FCR (First Call Resolution) — доля решённых вопросов при первом контакте.
- AHT (Average Handling Time) — среднее время обработки.
- TTR (Time to Resolve) — среднее время до закрытия инцидента.
- Эффективность программ лояльности:
- Удержание внутри участников программы vs контрольной группы: $\Delta \text{Retention}$ - Conversion on offers, Reactivation rate (доля ушедших, вернувшихся по офферу).
- Uptake rate (доля целевых абонентов, принявших оффер).
- Экспериментальная статистика:
- Минимальный detectable lift, p‑value, confidence intervals (контроль значимости A/B).
Как оценивать и контролировать (коротко)
- Установить базовые значения (baseline) по ключевым метрикам и целевые улучшения (например, снизить ежемесячный churn c $x\%$ до $y\%$ за 6 месяцев).
- Внедрять пилоты в 1–2 сегментах, A/B тест, измерять uplift по retention, ARPU и revenue churn; масштабировать успешные.
- Мониторить ROI каждой инициативы: сравнивать дополнительный LTV с затратами на удержание/программы.
Если нужно, могу предложить приоритетный план реализации (MVP → масштаб) и шаблон для эксперимента/контроля гипотез.