ReMetod
Свяжитесь с нами

Маркетинг и реклама / Uplift

Как посчитать эффективность акции с ИИ

Эффективность акции считают через Uplift — разницу в продажах между тестовой группой (получила промо) и контрольной (не получила). ИИ помогает точнее сформировать контрольную группу, учесть сезонность и другие факторы, а также автоматически рассчитать Uplift и ROI. Формула: Uplift = (Продажи в тестовой группе − Продажи в контрольной группе) / Продажи в контрольной группе × 100%.

Проблема

Почему это важно

Без системы оценки эффективности акций компании тратят бюджет на промо вслепую: неясно, сколько продаж действительно вызвано акцией, а сколько произошло бы и без неё. Маркетологи часто сравнивают продажи до и после акции, но такой подход не учитывает сезонность, рост рынка и другие внешние факторы, поэтому переоценивает эффект.

Почему возникает

  • Нет контрольной группы: сравнивают продажи с прошлым периодом, а не с группой, не получившей промо.
  • Не учитываются сезонность, тренды и действия конкурентов, которые влияют на продажи независимо от акции.
  • Ручной расчёт Uplift сложен: нужно собрать данные по группам, очистить их и корректно сопоставить клиентов.

Риски и потери

  • Переоценка эффективности акции ведёт к неверному распределению маркетингового бюджета.
  • Неэффективные акции повторяются, а эффективные — недофинансируются.
  • Потери прибыли из-за скидок, которые не окупаются дополнительными продажами.

Что влияет на результат

  • Размер тестовой и контрольной групп
  • Сезонность и тренды спроса
  • Действия конкурентов в период акции
  • Качество данных о продажах и клиентах

Типичные ошибки ручного подхода

  • Сравнение продаж до и после акции без контрольной группы
  • Неслучайное распределение клиентов по группам (например, по географии или лояльности)
  • Игнорирование сезонности при интерпретации результата

Определение

Что важно понимать

Uplift

Прирост продаж, вызванный именно акцией, рассчитанный как разница между тестовой и контрольной группами.

Показывает реальный эффект промо, очищенный от внешних факторов.

Контрольная группа

Группа клиентов, которые не получили промопредложение, но в остальном сопоставимы с тестовой группой.

Без неё невозможно отделить эффект акции от естественных колебаний продаж.

ROI акции

Возврат на инвестиции в акцию: отношение дополнительной прибыли к затратам на акцию.

Показывает, окупилась ли акция, и позволяет сравнивать разные акции между собой.

Данные

Какие данные нужны

Данные о продажах

Для расчёта выручки и количества заказов в тестовой и контрольной группах.

  • ID клиента
  • Дата покупки
  • Сумма покупки
  • Количество единиц товара

Данные о клиентах

Для формирования сопоставимых групп и учёта характеристик клиентов.

  • ID клиента
  • Сегмент (новый/постоянный)
  • География
  • История покупок

Данные о промоакции

Чтобы знать, кто получил предложение, и какие условия были.

  • ID клиента
  • Дата отправки предложения
  • Тип предложения (скидка, подарок)
  • Канал коммуникации

Внешние факторы

Для учёта сезонности и трендов, которые влияют на продажи.

  • Дата
  • Праздничные дни
  • Индекс сезонности
  • Активность конкурентов (если доступна)

Методология

Методика расчёта эффективности акции через Uplift

Принципы

  • Сравнивать тестовую и контрольную группы, а не продажи до и после акции.
  • Формировать группы случайно или с помощью стратификации, чтобы они были сопоставимы.
  • Учитывать сезонность и тренды, чтобы не приписать акции эффект внешних факторов.

Допущения

  • Контрольная группа не получает промопредложение и не знает о нём.
  • Группы сопоставимы по ключевым характеристикам (лояльность, средний чек, география).
  • Период измерения достаточен, чтобы учесть отложенные покупки (обычно 30–60 дней после акции).

Ошибки

  • Сравнивать продажи до и после акции без контрольной группы.
  • Формировать контрольную группу неслучайно (например, по географии), что искажает результат.
  • Игнорировать сезонность: рост продаж в декабре может быть не из-за акции, а из-за праздников.

Роль ИИ

Как ИИ решает задачу

Машинное обучение

Формирование сопоставимых тестовой и контрольной групп

Данные на входе: История покупок клиентов, Демографические и поведенческие признаки

Что делает модель: Модель машинного обучения подбирает контрольную группу, максимально похожую на тестовую по ключевым признакам (propensity score matching).

Результат: Список клиентов в контрольной группе, сопоставимых с тестовой.

Как используется: Маркетолог использует список для запуска акции и последующего сравнения продаж.

Статистический метод

Учёт сезонности и внешних факторов

Данные на входе: Исторические данные о продажах, Календарь праздников, Индексы сезонности

Что делает модель: Статистическая модель (например, регрессия) оценивает базовый уровень продаж без акции с учётом сезонности.

Результат: Прогноз продаж в контрольной группе на период акции.

Как используется: Система использует прогноз для расчёта Uplift как разницу между фактическими продажами тестовой группы и прогнозом.

Бизнес-правило

Автоматический расчёт Uplift и ROI

Данные на входе: Фактические продажи тестовой группы, Прогнозные продажи контрольной группы, Затраты на акцию

Что делает модель: Система по бизнес-правилам вычисляет Uplift в деньгах и процентах, а также ROI акции.

Результат: Отчёт с показателями Uplift и ROI, готовый для интерпретации.

Как используется: Маркетолог видит итоговые цифры и принимает решение о масштабировании или отмене акции.

Машинное обучение

Выявление аномалий в данных

Данные на входе: Данные о продажах по дням, Данные о группах

Что делает модель: Модель машинного обучения обнаруживает нетипичные всплески или падения продаж, которые могут исказить расчёт.

Результат: Уведомление о подозрительных точках данных для ручной проверки.

Как используется: Аналитик проверяет аномалии и при необходимости исключает их из расчёта.

Разбор

Как это работает

  1. 1

    Вход: данные о клиентах и их покупках за последние 6–12 месяцев. Действие: система формирует тестовую группу (получит промо) и контрольную группу (не получит), используя propensity score matching. Результат: две сопоставимые группы клиентов.

  2. 2

    Вход: список клиентов тестовой группы. Действие: запускается промоакция (отправка предложения). Результат: зафиксирован факт отправки и условия акции.

  3. 3

    Вход: данные о продажах за период акции и после неё (30–60 дней). Действие: система собирает продажи по каждой группе. Результат: таблица с выручкой и количеством заказов по группам.

  4. 4

    Вход: исторические продажи и календарь сезонности. Действие: статистическая модель прогнозирует, какими были бы продажи в тестовой группе без акции (на основе контрольной группы). Результат: прогнозный уровень продаж без акции.

  5. 5

    Вход: фактические продажи тестовой группы и прогнозные продажи без акции. Действие: система рассчитывает Uplift = (факт − прогноз) / прогноз × 100%. Результат: процент прироста, вызванного акцией.

  6. 6

    Вход: Uplift в деньгах и затраты на акцию. Действие: система считает ROI = (Uplift в деньгах − затраты) / затраты × 100%. Результат: показатель окупаемости акции.

  7. 7

    Вход: итоговые показатели Uplift и ROI. Действие: система формирует отчёт с рекомендацией (масштабировать, скорректировать или отменить акцию). Результат: управленческое решение на основе данных.

Расчет

Формулы расчёта эффективности акции

Основной показатель — Uplift, дополнительный — ROI акции. Обе формулы требуют данных по тестовой и контрольной группам.

Uplift (прирост продаж от акции)

Uplift (%) = (Продажи_тест − Продажи_контроль) / Продажи_контроль × 100%
  • Продажи_тест — выручка или количество заказов в тестовой группе за период акции
  • Продажи_контроль — выручка или количество заказов в контрольной группе за тот же период

Условный пример: Тестовая группа принесла 1 200 000 ₽, контрольная — 1 000 000 ₽. Uplift = (1 200 000 − 1 000 000) / 1 000 000 × 100% = 20%.

Допущение: Продажи_контроль должны быть скорректированы на сезонность, если группы не идеально сопоставимы.

ROI акции

ROI (%) = (Uplift_в_деньгах − Затраты_на_акцию) / Затраты_на_акцию × 100%
  • Uplift_в_деньгах — дополнительная выручка от акции (Продажи_тест − Продажи_контроль)
  • Затраты_на_акцию — стоимость скидок, подарков, коммуникаций и операционных расходов

Условный пример: Uplift в деньгах = 200 000 ₽, затраты на акцию = 80 000 ₽. ROI = (200 000 − 80 000) / 80 000 × 100% = 150%.

Допущение: Для точного ROI нужно учитывать маржинальность товаров, а не только выручку.

Пример расчета

Как это выглядит в цифрах

Условный пример

Условный пример: оценка промоакции со скидкой 10%

  • Допущение: Интернет-магазин запускает акцию со скидкой 10% для сегмента постоянных клиентов.
  • Допущение: С помощью ИИ сформированы две группы по 5 000 клиентов каждая: тестовая получила промокод, контрольная — нет.
  • Допущение: Период измерения — 30 дней после отправки предложения.
Продажи в тестовой группе за 30 дней = 3 500 000 ₽. Продажи в контрольной группе = 2 900 000 ₽. Uplift = (3 500 000 − 2 900 000) / 2 900 000 × 100% ≈ 20,7%. Uplift в деньгах = 600 000 ₽. Затраты на акцию (скидки, рассылка) = 250 000 ₽. ROI = (600 000 − 250 000) / 250 000 × 100% = 140%.

Акция дала прирост продаж на 20,7% относительно контрольной группы, ROI составил 140%, то есть каждый вложенный рубль принёс 1,4 рубля дополнительной выручки. Акцию можно масштабировать на более широкий сегмент.

Логика решения

Почему дана такая рекомендация

Что повлияло на решение

  • Uplift в процентах и деньгах
  • ROI акции
  • Сопоставимость тестовой и контрольной групп
  • Сезонность и внешние факторы

Какие риски учтены

  • Несопоставимость групп из-за неслучайного распределения
  • Сезонные колебания, которые могут быть ошибочно приписаны акции
  • Низкая статистическая значимость при малом размере групп

Какие варианты рассматривались

  • Сравнение продаж до и после акции без контрольной группы — отклонено, так как не учитывает внешние факторы
  • Использование исторического среднего как базового уровня — менее точно, чем контрольная группа

Контрольная группа и Uplift — стандартный и наиболее надёжный способ изолировать эффект акции от внешних факторов.

Если бы акция была направлена на новых клиентов, контрольную группу пришлось бы формировать иначе, а период измерения мог быть длиннее из-за более долгого цикла принятия решения.

Результат

Что видит пользователь

Дашборд с показателями Uplift и ROI по каждой акции

Таблица с акциями, Uplift в % и деньгах, ROI, затратами и динамикой по дням

Маркетолог видит, какие акции окупаются, и принимает решение о масштабировании или остановке

Уведомление о завершении акции с итоговыми метриками

Автоматическое сообщение с Uplift и ROI, а также сравнением с прошлыми акциями

Руководитель быстро получает результат без ручного сбора данных

Автоматизация

Что автоматизируется, а что нет

Выполняется автоматически

  • Сбор данных о продажах по группам
  • Расчёт Uplift и ROI по формулам
  • Формирование отчёта и уведомлений

Требует настройки

  • Настройка правил формирования контрольной группы (пороги схожести)
  • Задание периода измерения (30/60 дней)
  • Ввод затрат на акцию в систему

Остаётся за человеком

  • Интерпретация результатов с учётом бизнес-контекста
  • Решение о масштабировании или изменении акции
  • Проверка аномалий, выявленных ИИ

Внедрение

Как внедрить решение

Быстрый запуск

  • Собрать данные о продажах и клиентах в Excel
  • Вручную сформировать тестовую и контрольную группы (например, каждый второй клиент)
  • Рассчитать Uplift по формуле в Excel

Рабочая система

  • Настроить автозагрузку данных из CRM и касс
  • Создать дашборд с автоматическим расчётом Uplift и ROI
  • Настроить уведомления о завершении акции

Расширенный вариант

  • Внедрить propensity score matching для автоматического подбора контрольной группы
  • Добавить прогнозную модель для учёта сезонности
  • Подключить несколько источников данных и сценарный анализ

Подготовка

Чек-лист перед запуском

  1. 1

    Определить цель акции и метрику эффективности (Uplift, ROI)

  2. 2

    Собрать данные о клиентах и продажах за 6–12 месяцев

  3. 3

    Сформировать тестовую и контрольную группы случайно или с помощью ИИ

  4. 4

    Убедиться, что группы сопоставимы по ключевым признакам

  5. 5

    Зафиксировать условия акции и каналы коммуникации

  6. 6

    Определить период измерения (30–60 дней после акции)

  7. 7

    Учесть сезонность и внешние факторы

  8. 8

    Рассчитать Uplift и ROI по формулам

  9. 9

    Проверить статистическую значимость результата

  10. 10

    Задокументировать выводы и решения для будущих акций

Вывод

Главное

Эффективность акции оценивается через сравнение с контрольной группой, а не через продажи до и после.

Основные данные — продажи тестовой и контрольной групп, затраты на акцию. Ключевые расчёты — Uplift и ROI.

ИИ помогает сформировать сопоставимые группы, учесть сезонность и автоматизировать расчёт, чтобы результат был точным и быстрым.

Начните с малого: соберите данные по последней акции, сформируйте контрольную группу в Excel и рассчитайте Uplift вручную.

Метод ReMetod

На чем основан вывод

Метод ReMetod строится вокруг пути: бизнес-проблема → модель решения → данные → автоматизация → интерфейс → работающее решение. Практикум рассчитан на собственников, руководителей, аналитиков и менеджеров малого и среднего бизнеса без требования уметь программировать. В рамках практикума участники учатся строить такие решения, как автоматический расчёт эффективности акций.

В программе практикума этот подход разбирается пошагово: от формулировки бизнес-задачи до модели решения, данных, автоматизации, интерфейса и проверки результата.

Посмотреть программу практикума

Вопросы

Что обычно уточняют

У нас мало клиентов, можно ли обойтись без контрольной группы?

Без контрольной группы вы не сможете отделить эффект акции от сезонности и трендов. Если клиентов мало, можно использовать исторические данные как базовый уровень, но это менее точно. Лучше формировать контрольную группу даже из небольшого числа клиентов, чем не иметь её вовсе.

ИИ — это сложно и дорого, можно ли считать в Excel?

Да, для разовой оценки можно использовать Excel: сформировать группы случайно и посчитать Uplift по формуле. ИИ нужен, когда акций много, данные большие и нужно автоматизировать процесс, чтобы не тратить часы на ручные расчёты.

Какой период измерения выбрать?

Обычно 30–60 дней после окончания акции, чтобы учесть отложенные покупки. Для товаров с длинным циклом принятия решения период может быть длиннее. Главное — одинаковый период для тестовой и контрольной групп.

Следующий шаг

Выберите, как продолжить с ReMetod

Хотите научиться считать эффективность акций с помощью ИИ? Приходите на бесплатный вебинар ReMetod.

Ближайший вебинар

Вводный вебинар
Ближайшая дата появится в календаре

Разберем, где ИИ уже дает управленческую пользу, какие задачи стоит брать первыми и как не уйти в хайп.

Записаться на вебинар
Диагностика

Бесплатный разбор вашего кейса

25–30 минут: фиксируем задачу, данные, возможную автоматизацию и ближайший проверяемый результат.

Записаться на разбор
Практикум

Практикум 1 «Архитектор»

Полный путь от бизнес-проблемы до рабочей модели решения, интерфейса и проверки результата.

Перейти к практикуму