Клиент почти никогда не уходит внезапно. Я убеждался в этом столько раз, что теперь вижу это буквально в цифрах.

Много лет работаю с данными и ML, и вот что усвоил про отток: человек не хлопает дверью, он тихо растворяется. Появляется реже, перестаёт отвечать на письма, а однажды просто не продлевает подписку. К моменту формального «отписываюсь» решение принято недели, а то и месяцы назад.

И всё это время он оставляет следы. Каждый пропущенный визит, непрочитанное письмо, растущая пауза между покупками — это сигнал. Он уже лежит в данных компании. Вопрос не в том, есть ли сигналы — они есть почти всегда. Вопрос в том, читает ли их кто-нибудь.

Покажу на разборе. Компания вымышленная, механика реальная.

Фитнес-клуб «Феникс», сеть студий с абонементами. Отток — их главная боль, и это типично: средний фитнес теряет около трети клиентов в год, большинство — в первые 90 дней. У клуба есть CRM и статистика посещений, но смотрят в неё задним числом: в конце месяца видят, кто не продлил. То есть узнают о потере, когда сделать уже ничего нельзя. А ценный момент для удержания — не после решения уйти, а до него.

Как выглядит «тихий уход» в данных: — Падение частоты — сильнейший сигнал. Важен не факт «давно не был», а резкая смена ритма: ходил 3–4 раза в неделю, скатился до раза в две недели — привычка сломана. А потеря рутины почти всегда предшествует отмене.

— Учащение отмен и неявок: формально ещё клиент, но записывается и не приходит.

— Затухание вне зала: не открывает письма, не реагирует на акции.

— Точки риска не размазаны равномерно: около 90 дней, на 6–7 месяце и на 12 месяцах при продлении.

Всё это — не догадки, а измеримые изменения в данных, которые у клуба уже есть. Опытный тренер чувствует это интуитивно. Проблема одна: когда клиентов не сто, а тысячи, интуиции не хватит уследить за каждым.

Здесь и подключается ML — работает как чутьё тренера, только в масштабе. Модель берёт историю: тысячи клиентов, про каждого известно, ушёл он или остался. Учится узнавать похожие паттерны у тех, кто пока с клубом. На выходе не пророчество «Иван уйдёт во вторник», а список: «вот эти 200 ведут себя как уходящие — начните с них». Дальше дело за человеком: звонок, предложение, возвращение к цели. Вовремя.

Работает ли это? У Netflix один из самых низких показателей оттока в индустрии, около 2,3%. Не случайность: там постоянно анализируют, почему уходят, и затыкают течи заранее, а не гонятся за новыми подписчиками. И вывод, который повторяется в разборах: сильнее всего уход предсказывают простые вещи — тип контракта, срок обслуживания, размер платежа. Эти поля почти наверняка уже есть в вашей CRM. Основную силу дают не хитрые алгоритмы, а данные, которые у вас уже собраны.

Экономика известна давно: привлечь нового клиента в 5–25 раз дороже, чем удержать текущего, а рост удержания на 5% поднимает прибыль на 25% и более. Честная оговорка: сам по себе прогноз бесполезен. Список «в зоне риска» ничего не стоит, если некому на него отреагировать. Предсказание без действия — просто ещё один дашборд.

«Феникс» вымышленный, но его боль реальна для любого бизнеса, куда клиенты возвращаются регулярно. Момент отмены — лишь верхушка айсберга. Под водой всё, что ей предшествовало неделями. И чтобы это увидеть, чаще всего не нужно собирать новые данные — нужные следы уже есть. Вопрос только, смотрит на них кто-нибудь или нет.