Реактивация клиентов: что это и как вернуть

Автор

Бернд Штаусс и Кристиан Фриге (управление возвратом); Жаклин Томас, Роберт Блаттберг и Эдвард Фокс (цена повторного привлечения), 1999; 2004

Уровень

201 · Инструмент

Подходит

малый и средний бизнес, растущая компания

Время на внедрение

две недели на определение и сегментацию списка, затем от четырёх до шести недель на первый тест

Что понадобится

таблица клиентов с датой последней покупки или активности, ценностью клиента и, если есть, причиной ухода · инструмент рассылки, который умеет случайно делить список и исключать группу · владелец бюджета, который согласен, что часть списка сознательно не получит предложения

Реактивация клиентов — планомерная работа по возвращению тех, кто перестал покупать или отказался от подписки. Научная работа по этой теме сравнительно молодая. Штаусс и Фриге предложили «управление возвратом» (regain management) в Journal of Service Research в 1999 году: как процесс анализа, действий и контроля для клиентов, которые предупредили об уходе или уже ушли. Томас, Блаттберг и Фокс продолжили в Journal of Marketing Research в 2004 году и доказывали, что в управлении отношениями с клиентами возврат должен стоять в одном ряду с удержанием.

Идея проста: тот, кто однажды вам заплатил, показал, что ценит ваш продукт. Трудно другое: выбрать, кому писать, что предложить и доказать, что письмо хоть что-то изменило.

Кого считать ушедшим

Ушедший клиент — тот, у кого привычный ритм покупок или использования остановился дольше, чем предсказывает его история. Без договора момент ухода не виден. Шмиттлайн, Моррисон и Коломбо построили модель (1987), которая оценивает вероятность того, что клиент ещё активен, по числу и срокам прошлых покупок, а Фейдер, Харди и Ли опубликовали упрощённый вариант (2005).

Начать можно и без модели: возьмите обычный интервал между покупками, выберите порог и запишите его. В публичной модели роста Duolingo, например, спящим считается пользователь, неактивный 30 дней.

Чем ушедшие отличаются от новых

Ушедшие клиенты — не холодная аудитория. Кумар, Бхагват и Чжан изучили сервисную компанию (2015) и обнаружили: чем крепче была первая связь клиента с компанией, тем охотнее он принимал предложение вернуться. Это же исследование связывает причину ухода и характер предложения с тем, как долго длится второй период и сколько он приносит.

Поэтому главные входные данные — причина ухода. В исследовании Кивени (1995) более 500 клиентов сервисных компаний причины смены поставщика разложились на восемь категорий, и это показывает, насколько они разные. Тому, кто ушёл из-за ошибки в счёте, нужны извинения и исправление. Тому, кто нашёл дешевле, нужно другое письмо. Причины лежат в обращениях в поддержку, анкетах при отказе и заметках вашей команды customer success.

Долгая жизнь клиента тоже не равна высокой ценности. Рейнартц и Кумар выяснили на данных каталожного ритейлера, что давние клиенты не обязательно приносили прибыль, поэтому ранжируйте список ушедших по прибыли, а не по стажу.

Схема кампании

В схеме один необычный шаг. После сегментации случайную часть каждого сегмента не трогают, и она не получает ничего. Остальное — обычная работа над кампанией: сегмент, сообщение, отправка. Контрольная группа превращает итог из подсчёта возвратов в измерение эффекта.

Выбор предложения

Томас, Блаттберг и Фокс смоделировали и возврат, и длительность второго периода для сервисной компании. Для неё результат был таким: низкая цена, чтобы вернуть, и более высокие цены после возвращения. Это один набор данных, так что считайте вывод гипотезой для проверки в вашем бизнесе, а не правилом.

Важна и справедливость. Хомбург, Хойер и Сток выяснили, что ощущение справедливого отношения в ходе возвращения повышало удовлетворённость клиентов этой попыткой, а удовлетворённость сильно влияла на результат. Токман, Дэвис и Лемон изучали предложения для возврата в Journal of Retailing (2007) и построили модель того, от чего зависит успех таких предложений. Скидка, которая оскорбляет человека, ушедшего из-за сервиса, ощущается несправедливой.

Кого не трогать

Очевидные цели не всегда лучшие. В исследовании Аскарца (2018), основанном на двух полевых экспериментах, клиенты с самым высоким риском оттока не обязательно оказались лучшими целями для программ удержания. Она советует выбирать тех, кто сильнее откликается на воздействие. В более раннем полевом эксперименте Аскарца, Айенгара и Шлейхера проактивная кампания подняла отток с 6% в контрольной группе до 10% в группе воздействия. Контакт может напомнить людям, что они вправе уйти.

Не пишите тем, кого вы отключили из-за рисков или комплаенса. Финтех, закрывший счёт по итогам проверки, не должен слать этому клиенту купон.

Как доказать результат

Часть ушедших возвращается сама. Без контрольной группы кампания припишет эти возвраты себе. Дизайн теста и размеры групп разобраны на странице про тестирование инкрементальности. Льюис и Рао изучили 25 полевых экспериментов (2015) и увидели, что индивидуальные продажи настолько изменчивы, что для информативного теста иногда нужны очень большие выборки, поэтому маленький список даёт лишь грубую оценку.

В платных каналах нужна та же дисциплина. Джонсон, Льюис и Наббемейер измерили с помощью ghost ads медийный ретаргетинг ритейлера и получили рост покупок на 10,5%. Блейк, Носко и Таделис выяснили на eBay, что поисковая реклама положительно влияла на новых и редких пользователей, но не на частых, на которых ушла большая часть бюджета. Гордон с коллегами показали, что наблюдательные методы часто не совпадали с результатами рандомизированных экспериментов на Facebook (принадлежит компании Meta, признанной экстремистской организацией и запрещённой в России). С ушедшими клиентами эта ловушка особенно заметна: тех, кто вернулся сам, легко принять за успех кампании.

Отчитывайтесь в терминах учёта роста: воскресшие пользователи или реактивированная выручка идут отдельной строкой рядом с новыми и ушедшими.

Правила обращения к ушедшим клиентам

Рассылка по давно спящему списку одним письмом рискованна. Правила Google для отправителей добавляют требования к тем, кто отправляет больше 5000 писем в сутки на адреса Gmail, в том числе отписку в один клик, и советуют держать долю спама ниже 0,10% и никогда не доводить до 0,30%. Прогревайте список партиями и убирайте тех, кто не открывает письма.

Законы в разных регионах разные. Руководство FTC по CAN-SPAM требует исполнять отказ от рассылки в течение 10 рабочих дней. Британский ICO описывает мягкое согласие для недавних клиентов самой компании, а в остальных случаях требует отдельного согласия. Медицинской организации ещё нужно сверяться с определением маркетинга в HIPAA, 45 CFR 164.501: оно исключает некоторые сообщения о лечении, если за них не платит третья сторона.

В России это прежде всего два закона. По части 1 статьи 18 закона «О рекламе» (38-ФЗ) рекламу по сетям электросвязи, в том числе по телефонной, факсимильной и подвижной радиотелефонной связи, можно распространять только с предварительного согласия абонента или адресата. Если рекламораспространитель не докажет, что согласие получено, реклама считается разосланной без него; если человек требует прекратить рассылку, её нужно остановить немедленно. Статья 15 закона «О персональных данных» (152-ФЗ) разрешает обработку персональных данных для продвижения товаров прямыми контактами по средствам связи только с предварительного согласия субъекта (часть 1); доказывать согласие должен оператор, а по требованию субъекта обработку нужно немедленно прекратить (часть 2).

План Growth Lab начинается со списка ушедших и причин их ухода, потому что именно это нужно первому тесту.

Как применять: Реактивация клиентов: что это и как вернуть по шагам

1. Определите «ушедшего» на своих цифрах. Возьмите обычный интервал между покупками или входами в ваших данных и выберите точку, после которой возврат без толчка маловероятен. Для подписочного приложения это могут быть 30 дней, для клиники — 12 месяцев. Результат: одно письменное правило, которое относит каждого клиента к активным, группе риска или ушедшим.
2. Разделите ушедших по ценности и по причине. Отсортируйте ушедших по тому, сколько они стоили вам в первый период, а затем по причине ухода: цена, сбой в сервисе, конкурент, изменившаяся потребность или неизвестно. Больше всего об этом знают анкеты при отказе и обращения в поддержку. Результат: таблица сегментов с размером и вероятной причиной по каждому.
3. Подберите одно предложение на сегмент. При сбое в сервисе сначала исправьте причину, тем, кто ушёл из-за цены, предложите сниженную цену возвращения, а там, где причина неизвестна или потребность изменилась, отправьте простое напоминание. Результат: предложение в одну строку на сегмент и его стоимость в расчёте на одного вернувшегося клиента.
4. Рандомизируйте до отправки. Случайно отнесите от 10 до 25% каждого сегмента в контрольную группу, которая не получит ничего из этой кампании, и зафиксируйте разбиение. Результат: список с двумя помеченными группами и файл для отправки без контрольной группы.
5. Отправьте и наблюдайте фиксированное время. Запустите цепочку на заданный срок и считайте возвраты в обеих группах за одни и те же даты и по одному определению возврата. Результат: доля вернувшихся в группе с предложением и в контрольной.
6. Посмотрите на разницу, затем на второй период. Вычтите долю контрольной группы из доли группы с предложением, получите дополнительные возвраты, разделите на них затраты и несколько месяцев наблюдайте, остаются ли вернувшиеся. Результат: стоимость одного дополнительного клиента и показатель удержания за второй период.

Примеры

Платёжное приложение и скидка на комиссию

Иллюстративный пример, реальная компания не подразумевается. В платёжном приложении 2000 продавцов без единой транзакции за 90 дней. Приложение отправляет 1500 из них месяц без комиссии, а 500 оставляет в контрольной группе. В группе с предложением снова проводят платежи 180 продавцов (12%), в контрольной — 35 (7%). По доле контрольной группы 105 из этих 180 вернулись бы и так, значит, дополнительных 75. Освобождение от комиссии стоило 1500 ₽ на каждого из 180, то есть 270 000 ₽, или 3600 ₽ на одного дополнительного продавца, а не 1500 ₽.

Клиника напоминает пациентам

Иллюстративный пример, реальная клиника не подразумевается. Клиника выбирает пациентов, которые не были 12 месяцев, хотя им пора на профилактический осмотр. У напоминаний и вызова на повторный приём в здравоохранении хорошая репутация: [Рабочая группа США по профилактическим услугам для населения](https://www.thecommunityguide.org/findings/vaccination-programs-client-reminder-and-recall-systems) сообщает о медианном росте охвата вакцинацией на 11 процентных пунктов по 29 исследованиям. Клиника отправляет простое приглашение без скидки и оставляет контрольную группу, чтобы увидеть, сколько человек записалось из-за него.

Duolingo и «воскресший» пользователь

В публичной модели роста Duolingo отдельно считают пользователей, снова ставших активными после перерыва не меньше 30 дней, — их называют воскресшими, — и тех, кто вернулся после более короткого перерыва. Если вести их отдельной строкой, как делает учёт роста (growth accounting), видно, добавляет ли реактивация пользователей или только возвращает тех, кто вернулся бы и сам.

Когда применять

Применяйте реактивацию, когда учёт роста показывает большой пул ушедших или спящих клиентов, когда новый клиент дорожает или когда ушедшие хорошо начинали с вами. Лучше всего она подходит бизнесу, где клиент может вернуться без договора: ритейлу, маркетплейсам, приложениям и клиникам.

Когда не применять

Не берите метод, если клиенты ушли из-за вашего решения о рисках или комплаенсе, если вы не можете устранить причину ухода или если согласие на контакт истекло. Мало пользы и тогда, когда большая часть ушедших никогда по-настоящему с вами не работала.

Частые ошибки

• Отправляют одну скидку всему списку ушедших и оплачивают её целиком даже тем, кто вернулся бы и так.
• Оценивают кампанию только по реактивациям в группе с предложением, без контрольной группы, которая показала бы, что случилось бы и без неё.
• Берут клиентов, которые скорее всего уйдут или не вернутся, хотя исследование советует выбирать тех, кто сильнее откликается на предложение.
• Шлют письмо по списку, которому несколько лет, одной рассылкой и портят репутацию отправителя всему домену.
• Считают вернувшегося клиента успехом, не проверив, остался ли он дольше одной покупки.

Вопросы и ответы

Что такое реактивация клиентов?

Это планомерная работа по возвращению клиентов, которые перестали покупать или отказались от подписки. Она отличается от удержания, которое действует до ухода клиента, и от привлечения, которое адресовано незнакомым людям. Исследователи Штаусс и Фриге (1999) назвали эту дисциплину управлением возвратом (regain management) и описали как анализ, действия и контроль.

Через сколько времени клиент считается ушедшим?

Единого числа нет. Там, где клиент может вернуться без договора, срок зависит от обычного интервала между покупками. Статистические модели вроде Парето/NBD, предложенной Шмиттлайном, Моррисоном и Коломбо (1987), оценивают вероятность того, что клиент ещё активен, по срокам прошлых покупок.

Должно ли предложение для реактивации быть скидкой?

По умолчанию нет. Томас, Блаттберг и Фокс выяснили, что в их случае лучше всего работала низкая цена возвращения и более высокие цены после него. Хомбург, Хойер и Сток [показали](https://madoc.bib.uni-mannheim.de/24856), что успех определяет справедливость усилий по возвращению. Прежде чем делать скидку стандартом, сравните её с простым напоминанием на контрольной группе.

Возвращать клиента дешевле, чем привлекать нового?

Иногда, но универсального множителя нет. Часто цитируемые соотношения вроде «в пять раз дешевле» мы не смогли проследить до первоисточника. Кумар, Бхагват и Чжан показывают, что прибыль зависит от первых отношений, причины ухода и предложения. Считайте собственную стоимость одного дополнительного клиента.

Как понять, что реактивация сработала?

Сравните долю вернувшихся в случайно выбранной группе, получившей кампанию, и в контрольной, которая её не получила. Разница и есть дополнительный эффект. Без контрольной группы кампания, которая просто пишет тем, кто собирался вернуться, будет выглядеть успешной. Как подобрать размеры групп, смотрите в методе тестирования инкрементальности.

Источники

1. Jacquelyn S. Thomas, Robert C. Blattberg, Edward J. Fox, Recapturing Lost Customers, Journal of Marketing Research 41(1), 2004
2. Kellogg School of Management, Recapturing Lost Customers (research summary)
3. Mehmet Tokman, Lenita M. Davis, Katherine N. Lemon, The WOW Factor: Creating Value Through Win-Back Offers to Reacquire Lost Customers, Journal of Retailing 83(1), 2007
4. V. Kumar, Yashoda Bhagwat, Xi Zhang, Regaining Lost Customers: The Predictive Power of First-Lifetime Behavior, the Reason for Defection, and the Nature of the Win-Back Offer, Journal of Marketing 79(4), 2015
5. Bernd Stauss, Christian Friege, Regaining Service Customers, Journal of Service Research 1(4), 1999
6. Christian Homburg, Wayne D. Hoyer, Ruth M. Stock, How to Get Lost Customers Back? A Study of Antecedents of Relationship Revival, Journal of the Academy of Marketing Science 35(4), 2007
7. University of Mannheim repository, Homburg, Hoyer and Stock, How to get lost customers back (abstract)
8. Susan M. Keaveney, Customer Switching Behavior in Service Industries: An Exploratory Study, Journal of Marketing 59(2), 1995
9. Eva Ascarza, Retention Futility: Targeting High-Risk Customers Might Be Ineffective, Journal of Marketing Research 55(1), 2018
10. Eva Ascarza, Raghuram Iyengar, Martin Schleicher, The Perils of Proactive Churn Prevention Using Plan Recommendations, Journal of Marketing Research 53(1), 2016
11. Werner J. Reinartz, V. Kumar, On the Profitability of Long-Life Customers in a Noncontractual Setting, Journal of Marketing 64(4), 2000
12. David C. Schmittlein, Donald G. Morrison, Richard Colombo, Counting Your Customers: Who Are They and What Will They Do Next?, Management Science 33(1), 1987
13. Peter S. Fader, Bruce G. S. Hardie, Ka Lok Lee, Counting Your Customers the Easy Way: An Alternative to the Pareto/NBD Model, Marketing Science 24(2), 2005
14. Randall A. Lewis, Justin M. Rao, The Unfavorable Economics of Measuring the Returns to Advertising, Quarterly Journal of Economics 130(4), 2015
15. Thomas Blake, Chris Nosko, Steven Tadelis, Consumer Heterogeneity and Paid Search Effectiveness: A Large-Scale Field Experiment, Econometrica 83(1), 2015
16. Garrett A. Johnson, Randall A. Lewis, Elmar I. Nubbemeyer, Ghost Ads: Improving the Economics of Measuring Online Ad Effectiveness, Journal of Marketing Research 54(6), 2017
17. Brett R. Gordon, Florian Zettelmeyer, Neha Bhargava, Dan Chapsky, A Comparison of Approaches to Advertising Measurement: Evidence from Big Field Experiments at Facebook, Marketing Science 38(2), 2019
18. Google, Email sender guidelines (Google Workspace Admin Help)
19. US Federal Trade Commission, CAN-SPAM Act: A Compliance Guide for Business
20. UK Information Commissioner's Office, Electronic mail marketing
21. Cornell Legal Information Institute, 45 CFR 164.501, definitions including marketing (HIPAA Privacy Rule)
22. The Community Guide, Vaccination Programs: Client Reminder and Recall Systems
23. Duolingo, How Duolingo's growth model works
24. Федеральный закон «О рекламе» от 13.03.2006 № 38-ФЗ, статья 18 (КонсультантПлюс)
25. Федеральный закон «О персональных данных» от 27.07.2006 № 152-ФЗ, статья 15 (КонсультантПлюс)

Обновлено 15 октября 2026

Илья ПушинОснователь PUSHERS & COO Fintech ServiceИлья строит операционные системы для растущих компаний в медицине и финтехе. С 2021 года руководит трансграничными платежами в ARBI Exchange, лицензированном обменнике в Таиланде, включая KYC, AML и выход в новые юрисдикции.Об автореLinkedIn