Клиент ещё активен или уже ушёл: модель Pareto/NBD
Клиент ещё активен или ушёл? Вероятность что вернётся.
В бизнесе без подписки клиент не сообщает, что ушёл, — он просто перестаёт покупать. Отличить «ещё вернётся» от «уже потерян» на глаз невозможно: у одного нормальный цикл покупки полгода, у другого месяц. Модель Pareto/NBD оценивает по истории каждого клиента две вещи: как часто он покупал, когда был активен, и насколько вероятно, что он всё ещё активен сейчас. Из этого получается вероятность возврата и ожидаемое число будущих покупок. Практический смысл — не тратить бюджет реактивации на тех, кто ушёл окончательно, и не терять тех, у кого просто длинный цикл.
Как открыть
Инструмент работает внутри PRO-кабинета на ваших ключах Метрики и Директа — данные клиентов никуда не копируются. Доступ — от 990 ₽/мес, первые 15 дней бесплатно и без карты.
Бесплатно и без регистрации — прямо сейчас
Соседние инструменты этой же темы, считают в браузере.
Хочешь сравнить два креатива — сколько показов нужно для уверенного ответа.…
У тебя 100 заявок и 15 сделок — реально конверсия 9-23%, а не «ровно 15%».…
2000 симуляций будущего: насколько вероятно выйти в плюс при шуме в параметрах.…
Частые вопросы
Чем это отличается от простого правила «не покупал 90 дней — ушёл»?+
Фиксированный порог одинаково относится ко всем, а циклы покупки у клиентов разные. Модель учитывает индивидуальный ритм: для одного тишина в два месяца — норма, для другого — сигнал ухода.
Какие данные нужны?+
История покупок по клиентам: даты и суммы. Чем длиннее история и больше повторных покупок, тем устойчивее оценка. Для базы, где почти все купили один раз, модель бесполезна.
Как использовать результат?+
Разделить базу по вероятности активности: тех, кто вероятно активен, — мягко подтолкнуть; пограничных — включить в реактивацию; безнадёжных — исключить из платных каналов, чтобы не тратить бюджет на возврат тех, кто не вернётся.
Разобрать тему
Ещё в PRO по этой теме
- 🔗 Markov Chain атрибуция — Какой канал реально привёл клиента — с учётом всех заходов и распределением заслуги между каналами. Используется в Googl…
- 🎰 Bayesian A/B тест — Вместо «значимо/не значимо» — точная вероятность что вариант B лучше A.…