❗️ Мониторинг качества работы с оттоком

Друзья, всем привет, на связи снова Иван Гераськин, ментор курса «Аналитик данных» 👋🏻

Методология определения оттока, описанная в предыдущем посте, имеет существенный недостаток и не позволяет корректно мониторить качество удержания клиентов.
Выборка ТОП-клиентов, приносящих 50% суммы продаж, с каждым последующим месяцем состоит из все более лояльных за счет того, что бизнес наращивает базу постоянных клиентов. Это можно увидеть по графику среднего количества дней с первой покупки в формируемом ежемесячно ТОПе.

Логично, что клиенты, которые дольше являются покупателями, будут лояльнее и с меньшей вероятностью уйдут в отток. Таким образом, даже если мы не улучшили инструменты работы с оттоком, мы будем видеть позитивный тренд, т.е. все больше клиентов из ТОП продолжат покупки в следующем месяце.

Правильнее будет проводить аналитику, выделяя клиентов в когорты по срокам с момента первой покупки.

Вот алгоритм на примере когорты “1-6 месяцев с момента первой покупки”:
🟠 Представим, что завершился месяц x (например, 2025.06). Выделяем клиентов с покупкой в месяце x-1 (т.е. 2025.05) среди тех, у кого первая покупка в интервале с x-2 до x-7 месяца включительно.
🟠 Ранжируем всех клиентов, выбранных в п1 по убыванию суммы их покупок за месяц x-1.
🟠 Выбираем таких ТОП-клиентов из начала ранжированного списка, которые приносят 50% объема продаж.
🟠 Рассчитываем процент оттока - какая доля из ТОП-клиентов п3 не купила ничего в месяце x.

Графики оттока по новой методологии показаны на скрине для трех когорт.

На моем вебинаре, который будет уже завтра в 18:30 по МСК, мы интерпретируем эти графики и сделаем соответствующие выводы и обсудим другие примеры и принципы работы с оттоком на практике.

➡️ Регистрация на вебинар