# Прогноз оттока клиентов с ИИ: сигналы, простая модель и письмо до ухода

> Какие поведенческие сигналы предсказывают уход клиента, как собрать простую модель без дата-сайентиста и что отправить клиенту до того, как он ушёл.

Клиент редко уходит внезапно. Перед этим он реже покупает, меньше реагирует на письма, чаще жалуется или снижает чек. Эти сигналы уже есть в CRM, и чтобы их увидеть, дата-сайентист не нужен: модель пишет код, который считает риск ухода по простым правилам, а маркетолог проверяет его на прошлых данных. Работа с базой окупается: в кейсе IV Medical School, который разбирали в подкасте eLama, доля выручки от существующих клиентов выросла с 11% до 34% после сегментации базы и выстраивания продуктовой воронки. Прогноз оттока помогает найти тех, кто уходит, пока их ещё можно вернуть.

## Сигналы оттока

| Сигнал | Где найти | Пример правила |
| --- | --- | --- |
| Давность последней покупки | CRM | Клиент молчит вдвое дольше своего обычного цикла |
| Падение частоты | CRM | Покупок за квартал меньше половины от его среднего |
| Снижение чека | CRM | Средний чек упал на треть к прошлому кварталу |
| Активность в письмах | Сервис рассылок | Ни одного клика за два месяца |
| Жалобы и обращения | Поддержка | Две жалобы и больше за месяц |
| Сигналы в B2B | CRM и звонки | Сменился контакт, сократилось число пользователей, в разговоре прозвучал конкурент |

Открытия писем как сигнал ненадёжны: защита приватности почтовых клиентов их завышает. Клики и покупки говорят больше.

## Простая модель без дата-сайентиста

- Договорись, что считается уходом: для подписки это отмена, для магазина отсутствие покупок дольше двух циклов, для B2B непродление договора.
- Выгрузи клиентов за год-два с признаком «ушёл или остался» и данными по сигналам.
- Попроси модель написать код, который считает сигналы для каждого клиента и складывает их в балл риска.
- Проверь балл на прошлом: какая доля ушедших клиентов имела высокий балл за месяц-два до ухода.
- Выбери порог, начиная с которого клиент попадает в группу риска.
- Когда данных станет больше, попроси модель построить статистическую модель вместо правил и сравни точность.

Перед отправкой выгрузки в модель замени имена и контакты на внутренние номера: для расчёта риска личность клиента не нужна.

## Что отправить до ухода

| Причина риска | Касание |
| --- | --- |
| Реже покупает | Полезное напоминание: новинка или сценарий, который клиент ещё не пробовал |
| Снизил чек | Персональное предложение в категории, где он покупал больше всего |
| Жалуется | Звонок менеджера и решение проблемы, письмо здесь не поможет |
| Перестал реагировать на письма | Выбор частоты и тем рассылки |
| В B2B сменился контакт | Знакомство с новым контактом и встреча с обзором результатов |

## Как проверить точность

- Сколько клиентов из группы риска на деле ушли через месяц-два.
- Сколько ушедших модель вообще отметила заранее.
- Контрольная группа внутри группы риска, которой ничего не отправляют: только так видно, сколько клиентов удержали именно касания.
- Пересмотр правил и порога раз в квартал.

В B2B хороший источник сигналов - звонки. В «Контуре» описывают, как аналитика диалогов предсказывает отток за несколько звонков до отказа: клиент чаще говорит о проблемах, сравнивает с конкурентами, откладывает решения.

## Что осталось в записи и презентации

Алексей Даниленко показывал на AI Борще, как АКТИОН собирает персональные цепочки писем с помощью ИИ. Цепочка для клиентов из группы риска работает так же, только запускает её прогноз оттока. Доклад есть в записи.

[Получить запись и материалы конференции →](https://aiborsch.com/#tickets)

**Читайте по теме:** [Реактивация клиентской базы с ИИ](https://aiborsch.com/blog/reaktivaciya-bazy-ii-pisma/) · [Персональные офферы по базе с ИИ](https://aiborsch.com/blog/personalnye-offery-po-baze-ii/) · [ИИ для аналитики без выдуманных цифр](https://aiborsch.com/blog/ii-analitik-marketing-bez-galyucinaciy/)

Источник: https://aiborsch.com/blog/prognoz-ottoka-klientov-ii/ · 28 сентября 2026 · AI Борщ