Антон Дегтярёвretention-отчёты в битрикс24: как считать удержание клиентов
На аудитах регулярно вижу одну и ту же ошибку в расчёте retention rate: считают долю новых клиентов, которые вернулись, а не долю всей активной базы, которая осталась. Разница между этими двумя цифрами иногда доходит до 20 процентных пунктов — и с неверной формулой руководитель либо паникует раньше времени, либо, наоборот, пропускает реальное падение удержания. Показываю формулу, которая работает, и как настроить отчёт в самой CRM, а не в отдельной таблице.
retention — не то же самое, что LTV и повторные продажи
Три метрики часто путают между собой, а они отвечают на разные вопросы. LTV (пожизненная ценность клиента) — сколько денег в среднем приносит один клиент за всё время работы с компанией, я разбирал расчёт LTV в статье про аналитику продаж в Битрикс24. Повторные продажи — это про факт покупки: купил ли клиент ещё раз. Retention rate — это про долю базы, которая осталась активной за период, независимо от того, сколько денег она принесла.
Разница практическая: у компании может расти LTV (за счёт того, что оставшиеся клиенты покупают на бóльшие суммы) при падающем retention (база физически сжимается, уходит больше клиентов, чем приходит). Если смотреть только на LTV, такое падение можно не заметить месяцами — цифра LTV даже растёт, пока база тихо тает.
формула, которая не врёт
Рабочая формула retention rate: (число клиентов на конец периода − число новых клиентов за период) / число клиентов на начало периода × 100%. Числитель — это именно старые клиенты, которые остались, без примеси новых, которых только что привлекли.
Частая ошибка, которую вижу на аудитах в 7 случаях из 10: считают retention как долю новых клиентов, вернувшихся за повторной покупкой (это по сути метрика повторных продаж, а не удержания всей базы), либо делят активных клиентов на конец периода на общее число клиентов на начало без вычитания новых — тогда активный приток новых клиентов маскирует реальный отток старых, и цифра выглядит лучше, чем есть на самом деле.
Пример на реальных числах: в начале месяца 200 клиентов, в конце — 210, за месяц пришло 25 новых. Правильный расчёт: (210 − 25) / 200 × 100% = 92,5%. Если по ошибке взять просто 210/200, получится 105% — цифра больше 100%, что уже само по себе сигнал, что формула сломана, но на практике такие отчёты я видел в реальных таблицах клиентов до аудита.
какие данные должны быть чистыми в CRM, чтобы считать retention
Retention рассчитывается корректно только если в CRM однозначно определён «клиент» как сущность, а не как разовая сделка. Если один и тот же покупатель заведён тремя разными карточками контакта из-за дублей при разных заказах, отчёт покажет искусственно раздутый отток — система не поймёт, что это один и тот же человек, просто пришедший снова.
Второе обязательное условие — стабильная дата первого обращения клиента и признак повторности сделки (новый клиент / повторный). Без поля «повторная сделка» отчёт по когортам собрать нельзя вообще — придётся вручную сверять даты по каждому контакту, что при базе от пары сотен клиентов уже не работает как регулярный отчёт.
Третье — единый статус «активный/неактивный» клиента с чёткими правилами перехода (например, не покупал 90 дней подряд — считается спящим). Без этого правила разные сотрудники будут по-разному считать, кто ещё «в базе», а кто уже нет, и цифры на разных отчётах не будут биться между собой.
как построить отчёт в самой crm, а не в экспорте
Базовый вариант без программирования — сохранённый фильтр по сделкам с группировкой по месяцу первого обращения и признаку повторности, выгружаемый в отчёт CRM-аналитики раз в месяц по одному и тому же шаблону. Это не автоматический дашборд, но при регулярном обновлении раз в месяц занимает 10-15 минут и не требует выгрузки в Excel каждый раз заново.
Более продвинутый вариант — смарт-процесс или дополнительное поле в карточке контакта, которое бизнес-процесс обновляет автоматически при каждой новой сделке (дата последней покупки, счётчик покупок, статус активности). Тогда отчёт CRM строится по этому полю напрямую, и не нужно каждый раз вручную пересчитывать, кто новый, а кто повторный.
Полный автоматический дашборд с когортами по месяцам обычно требует внешнего BI-инструмента поверх выгрузки из Битрикс24 (Power BI, Looker Studio через коннектор) — оправдано, если база больше нескольких тысяч клиентов и отчёт нужен чаще, чем раз в месяц.
когортный отчёт — retention по месяцу первой покупки
Простой отчёт retention rate за месяц полезен, но не показывает главного — как ведёт себя конкретная группа клиентов со временем. Когортный отчёт группирует клиентов по месяцу первой покупки и показывает, какой процент каждой когорты остаётся активным через 1, 3, 6, 12 месяцев.
Это вскрывает вещи, которые обычный месячный retention прячет: например, когорта клиентов, пришедших с одной рекламной кампании, может держать retention в 40% через три месяца, а когорта с другого канала — 75%. Средний retention по всей базе усредняет эту разницу и прячет, что деньги на привлечение стоило перераспределить между каналами раньше.
В Битрикс24 когортный отчёт собирается через группировку сделок по месяцу создания первой сделки контакта и последующий срез по датам повторных сделок — вручную это делается фильтрами CRM-отчётов, точечно для проверки гипотезы про конкретный канал или период, не как ежедневный дашборд.
с каким числом сравнивать — своя история, а не чужие бенчмарки
Общего "нормального" retention для всех не существует — он сильно зависит от модели бизнеса: у сервиса с ежемесячной подпиской и у компании с покупкой раз в 2-3 года логика совершенно разная, и сравнивать их напрямую бессмысленно. Общие бенчмарки из интернета для чужой отрасли и чужого цикла сделки почти всегда вводят в заблуждение больше, чем помогают.
Рабочий подход, который использую на сопровождении: сравнивать retention компании с её же собственной историей за предыдущие 3-4 периода, а не с усреднёнными цифрами по рынку. Если retention стабильно держится на одном уровне — это норма для конкретного бизнеса. Если он падает два периода подряд — это сигнал разбираться, даже если абсолютное значение выглядит неплохо на фоне общих ориентиров.
Второй практичный ориентир — сравнение retention между сегментами внутри одной базы: по каналу привлечения, по менеджеру, по региону. Разница между собственными сегментами информативнее, чем сравнение со средней цифрой по чужой отрасли, потому что условия сопоставимы.
что делать, когда retention начал падать
Сам по себе отчёт retention не чинит проблему — он только показывает, что она есть, и на каком сегменте. Дальше нужны конкретные сценарии работы с уходящими клиентами: если падение видно на клиентах, которые не покупали 60-90 дней, это уже зона сценариев реактивации, которые подробно разбирал в статье возврат «спящих» клиентов — там же объясняю разницу между клиентом, который просто взял паузу, и тем, кто ушёл окончательно.
Если падение системное — на всех сегментах и всех каналах сразу — дело обычно не в CRM и не в конкретном клиенте, а в продукте или сервисе, и никакая автоматизация в Битрикс24 это не закроет. Отчёт retention в этом случае выполнил свою работу: показал проблему достаточно рано, чтобы её можно было разбирать не по слухам от менеджеров, а по цифрам.
Для бизнеса с выраженной цикличностью повторных покупок (услуги с фиксированным циклом обслуживания, расходники) выстроить регулярный контакт до момента естественного повторного обращения — часто эффективнее, чем догонять клиента постфактум. Логику такого цикла и автоматических напоминаний разбирал в статье про автоматизацию повторных продаж. Если данные в CRM для расчёта retention пока не готовы — с чего начать наведение порядка в полях и статусах, смотрите на странице сопровождения Битрикс24.