Кейс: как исследование программы лояльности помогло найти реальные точки роста повторной выручки
Наш клиент — крупный фешн-ритейлер премиум-сегмента с уже выстроенной ступенчатой программой лояльности. На старте проекта команда находилась в точке пересборки: планировался перезапуск программы, и бизнесу было важно не просто внедрить новые механики, а зафиксировать состояние системы, чтобы потом оценивать изменения на уровне фактов.
Ключевой запрос звучал значительно глубже, чем стандартная задача оптимизации. Компании нужно было понять, действующая программа — это реальный драйвер выручки или она в большей степени сопровождает уже сильных клиентов, перераспределяя скидку без создания новой ценности.
Фактически речь шла о проверке фундаментальной гипотезы: создаёт ли программа лояльности инкрементальную выручку или только маркирует поведение, которое и так бы произошло.
Перезапуск программы лояльности: краткое руководство →
— Так, с чего начнём?
Стояла задача не просто собрать витрины и построить отчёты, а декомпозировать поведение клиентов внутри программы и найти причинно-следственные связи. Определить, где находится узкое место текущей модели, какие клиентские траектории приводят к высокой ценности и в какой момент программа перестаёт влиять на поведение. Отдельным блоком мы анализировали, создаёт ли апгрейд уровня дополнительную выручку или просто фиксирует сформировавшийся паттерн.
Параллельно решалась экономическая задача: сколько программа реально стоит бизнесу, если отделить её от общей скидочной политики. Это позволило перейти от абстрактной оценки, дорого это или дёшево, к управляемой модели стоимости. В конце определяли приоритетные аудитории для CRM и новой программы лояльности. Не на уровне интуитивных сегментов, а на основе реального вклада в выручку и потенциала роста.
— Сперва подготовим данные
В основе исследования лежали данные CDP Mindbox: клиентские профили, состав заказов, история скидок, уровни программы и регистрационные даты. Анализ охватывал период с января 2023 по март 2026 года.
Для корректности выводов мы работали с разными окнами наблюдения. В задачах, связанных с поведением и удержанием, использовались окна 12 и 24 месяца. В анализе LTV и апгрейдов — только зрелые когорты, чтобы избежать искажений, связанных с незавершённым жизненным циклом клиента.
Отдельное внимание уделили аномалиям. В процессе были выявлены клиенты, которые демонстрировали нетипично высокую активность. Дополнительный анализ показал, что это сотрудники магазинов и технические профили. Их исключение позволило очистить модель и избежать ложных выводов.
— Теперь выберем методологию
Мы сознательно отказались от классического подхода, при котором анализ ограничивается сравнением уровней программы. Такой срез даёт статичную картину, но не объясняет, как формируется поведение. Вместо этого исследование было разбито на несколько взаимосвязанных блоков, каждый из которых раскрывал отдельную логику.
Сначала мы собрали базовую структуру данных: траектории клиентов, последовательность заказов, временные интервалы между ними. Это позволило увидеть не только факты покупок, но и динамику. Далее перешли к когортному анализу. Сравнение когорт регистрации показало, как меняется поведение новых клиентов во времени и как на него влияют внешние факторы.
Отдельным блоком был анализ дистанции до следующего уровня. Мы проверяли, влияет ли близость к уровню Gold или Platinum на вероятность следующей покупки. Это позволило оценить их реальную мотивационную силу.
Следующим шагом стало сравнение поведения до и после апгрейда. Мы анализировали выручку, частоту покупок, средний чек и удержание на окнах 180 и 365 дней. Это был самый важный блок для проверки гипотезы об инкрементальности.
Параллельно мы считали экономику программы. Важно было разделить общую скидочную нагрузку и стоимость самой программы лояльности. Без этого любые выводы о её эффективности были бы некорректны.
Дополнительно рассчитали исторический LTV по когортам и выделили ключевые сегменты: зоны роста, клиенты, близкие к переходу на следующий уровень, и клиенты с высоким риском оттока.
Такой подход позволил перейти от описательной аналитики к объясняющей: разобрались не только в том, что происходит, а и почему это происходит.
— И что мы узнали?
Первое и самое важное наблюдение касалось базовой логики клиентского пути. Основной разрыв возникал не на этапе первой покупки, а сразу после неё. Программа лояльности практически не влияла на переход ко второй покупке, хотя это и главное для формирования ценного клиента.
Это означает, что вся текущая конструкция программы работает преимущественно с уже сформировавшимися покупателями, упуская важный этап — формирование мотивации к повторной покупке.
Паттерны поведения клиентов как основа CRM-стратегии →
Второй инсайт был связан с динамикой когорт. Когорты 2023 года демонстрировали значительно более высокие показатели удержания и LTV по сравнению с клиентами 2024–2025 годов. При этом дополнительный анализ показал влияние нового источника трафика с более слабым качеством. Проблема не только в CRM, но и на уровне входящего потока. Программа лояльности не могла компенсировать ухудшение качества аудитории.
Третий важный вывод касался уровня Gold. Клиенты, которые доходили до него, кратно превосходили остальных по ценности уже на ранних этапах жизненного цикла. Это делало Gold сильным маркером, но не инструментом роста. Именно здесь возникло важное управленческое искажение. Клиенты, которые были близки к переходу на следующий уровень, воспринимались как основа, хотя на практике они давали быстрый, но ограниченный эффект. Основной потенциал проявляли клиенты, которые ещё не совершили вторую покупку.
Четвёртый инсайт стал самым важным для оценки всей программы. Апгрейд уровня не создавал дополнительной ценности. Ни выручка, ни частота, ни удержание после перехода не увеличивались. Более того, инкрементальная выручка в анализируемых окнах была отрицательной. Это означает, что программа не усиливает поведение клиента, а лишь фиксирует уже сформировавшийся паттерн.
Кейс: как мы выявили паттерны лояльного поведения и превратили их в работающую CRM-логику →
Пятый вывод касался экономики. Скидочные акции вне ПЛ нивелировали её ценность для клиентов. Клиенты не понимают, в чём заключается ценность их лояльности, если они и так будут получать скидки гораздо больше тех, которые предлагает программа.
И наконец, шестой инсайт затронул клиентов высокого уровня. Именно они демонстрировали значительный риск оттока. После достижения статуса программа переставала создавать новый стимул, а ценность уровня размывалась на фоне частых промо.
— А что делать клиенту?
Главный вывод исследования оказался контринтуитивным. Потенциал роста находился не в клиентах, близких к следующему уровню, а в тех, кто после первой покупки не пошёл за новой. Это принципиально меняло фокус CRM-стратегии.
Программа лояльности должна быть переосмыслена как инструмент формирования второй покупки, а не как система апгрейдов. Именно первые месяцы после регистрации становятся зоной влияния, где ещё можно изменить поведение клиента.
Клиенты, подходящие к новому уровню, сохраняют свою ценность, но как инструмент быстрых результатов, а не как стратегический драйвер. Клиенты с самым высоким уровнем требуют пересборки ценностного предложения. Скидка перестаёт работать как основной стимул, и на первый план выходят сервисные и статусные механики.
Оценка эффективности программы также требует изменения. Фокус должен смещаться с апгрейдов на конверсию во вторую покупку, удержание, LTV когорт и инкрементальную выручку.
— Что в результате?
По итогам проекта клиент получил не просто набор отчётов, а управляемую модель программы лояльности. Была сформирована карта слабых мест, которая показала, где именно программа теряет влияние: после первой покупки, после апгрейда и в сегменте с самым высоким уровнем в программе лояльности.
Определены приоритетные аудитории, разделённые по ролям: быстрые победы, зоны сохранения выручки и те, где есть потенциал роста. Сформирован диапазон стоимости программы, очищенный от скидочной политики.
И самое важное — появилась основа для пересборки программы. Она перестала рассматриваться как система статусов и превратилась в инструмент управления повторной выручкой.
| На выходе | Зачем это бизнесу |
|---|---|
| Карта слабых мест действующей ПЛ | Понятно, где программа теряет силу: после первой покупки, после апгрейда и в сегменте с самым высоким уровнем в программе лояльности. |
| Приоритетные CRM-аудитории | Можно разделить быстрые победы, зоны защиты выручки и главный потенциал роста. |
| Диапазон стоимости программы | Становится видно, что относится к ПЛ, а что — к общей скидочной механике. |
| Основа для новой механики | Программа перестаёт быть просто системой статусов и превращается в инструмент управления повторной выручкой. |
— Что это даёт CRM-команде?
Этот кейс показывает принципиальную разницу между двумя подходами. Можно сопровождать сильных клиентов и видеть рост, который произошёл бы и без вмешательства. А можно найти точки, где система действительно меняет поведение.
Практическая ценность здесь заключается в смене оптики. Основной потенциал почти всегда находится в тех сегментах, которые выглядят наименее привлекательными в текущих метриках.
— Что мы можем посоветовать другим по итогам этого кейса?
• Не переоценивайте сегменты покупателей, близких к переходу на следующий уровень ПЛ: они часто не дают максимальную инкременталку.
• Ищите потенциал роста среди клиентов с одной покупкой и без повторной в первые месяцы.
• Смотрите на ПЛ отдельно от общей скидочной политики — иначе выводы будут неточными.
• Проверяйте, создаёт ли апгрейд дополнительную выручку. Если нет, программа маркирует сильных клиентов, но не увеличивает их количество.
• Не считайте аудиторию с самым высоким статусов автоматически лояльной: без новой ценности уровень быстро становится потолком.
• Перед запуском программ лояльности нужно ставить цель и определять метрики, по которым вы будете оценивать её эффективность вместе с маркетингом. CRM-стратегия должна учитывать эти цели и метрики.
Если вам нужна такая же диагностика
Мы умеем разложить программу лояльности не только по уровням и скидкам, но и по реальной логике клиентского поведения: от второй покупки до риска потери выручки.
Это особенно полезно, когда бизнесу нужен не просто отчёт, а основа для новой CRM-стратегии и программы лояльности.
Артефакты кейса: таблицы и исследования, расчёты моделей, когортный анализ, графики эффективности, презентация, большая аналитическая записка с описанием всего исследования и выводами.
Сроки — 1 месяц.
Реализация полностью на стороне аналитиков и маркетологов команды Мейлфит.
