Продажи / Repeat sales
Как посчитать повторные продажи с ИИ
Повторные продажи — это продажи клиентам, которые уже покупали ранее. Базовый расчет — доля повторных покупок или выручка от них. ИИ помогает точнее определять повторные покупки, сегментировать клиентов и прогнозировать будущие повторные продажи, что позволяет управлять удержанием и ростом выручки.
Проблема
Почему это важно
Без системы учета повторных продаж бизнес не видит, сколько клиентов возвращается и приносит ли это значимую долю выручки. Маркетинг тратит бюджет на привлечение новых клиентов, хотя удержание существующих часто дешевле и выгоднее.
Почему возникает
- Нет единой системы учета покупок по клиентам, данные разрознены по отделам и системам.
- Повторную покупку сложно отличить от возврата, обмена или допродажи в рамках одной сделки.
- Ручной анализ истории покупок занимает много времени и не масштабируется.
- Отсутствие сегментации клиентов по вероятности повторной покупки не позволяет точечно работать с разными группами.
Риски и потери
- Недооценка ценности существующих клиентов и перекос бюджета в привлечение новых.
- Потеря выручки из-за отсутствия программ удержания и повторных продаж.
- Невозможность спрогнозировать выручку и планировать запасы и ресурсы.
- Рост затрат на маркетинг при стагнации выручки.
Что влияет на результат
- Период анализа (месяц, квартал, год).
- Определение повторной покупки (вторая покупка, покупка в течение N дней и т.п.).
- Качество данных о клиентах и покупках.
- Сезонность и жизненный цикл клиента.
Типичные ошибки ручного подхода
- Путаница между повторной покупкой и возвратом/обменом.
- Учет одного клиента несколько раз из-за разных написаний или email.
- Игнорирование временного лага между покупками.
- Ручной подсчет по выгрузкам, который не масштабируется и содержит ошибки.
Определение
Что важно понимать
Повторная продажа
Продажа клиенту, который уже покупал ранее, за вычетом возвратов и обменов.
Показывает лояльность клиентов и потенциал роста выручки без привлечения новых.Доля повторных продаж
Отношение числа клиентов с повторной покупкой к общему числу клиентов за период, или доля выручки от повторных покупок.
Позволяет оценить эффективность удержания и программ лояльности.LTV (Lifetime Value)
Суммарная прибыль, которую приносит клиент за всё время сотрудничества.
Повторные продажи напрямую увеличивают LTV, что обосновывает инвестиции в удержание.Данные
Какие данные нужны
История покупок
Для определения повторных покупок и расчета доли.
- ID клиента
- Дата покупки
- Сумма покупки
- Товар/услуга
- Статус (возврат, обмен)
Данные о клиентах
Для сегментации и идентификации клиента.
- ID клиента
- Имя
- Телефон
- Сегмент (B2B/B2C)
Данные о возвратах и обменах
Чтобы исключить их из повторных продаж.
- ID покупки
- Дата возврата
- Причина
- Сумма возврата
Маркетинговые данные
Для анализа влияния кампаний на повторные продажи.
- ID клиента
- Канал привлечения
- Дата последней кампании
- Тип кампании
Методология
Методика расчета повторных продаж
Принципы
- Четко определить, что считается повторной покупкой: вторая покупка за период, покупка после N дней, исключая возвраты.
- Использовать единый идентификатор клиента (ID) для объединения всех покупок.
- Рассчитывать показатель за фиксированный период (месяц, квартал) для сопоставимости.
- Отдельно считать долю клиентов с повторной покупкой и долю выручки от повторных покупок.
Допущения
- Данные о покупках и клиентах полные и непротиворечивые.
- Повторная покупка определяется как минимум вторая покупка за период.
- Возвраты и обмены исключены из расчета.
Ошибки
- Не учитывать временной лаг: клиент может совершить повторную покупку через год, и это не попадет в короткий период.
- Считать повторной покупкой допродажу в рамках одной сделки.
- Игнорировать возвраты, что завышает показатель.
- Сравнивать периоды разной длительности.
Роль ИИ
Как ИИ решает задачу
Очистка и объединение данных о клиентах
Данные на входе: Сырые данные о покупках и клиентах из разных систем
Что делает модель: Сопоставляет записи по ID, email, телефону, исправляет дубликаты и опечатки
Результат: Единый справочник клиентов с историей покупок
Как используется: Система использует чистые данные для расчета показателей
Классификация покупок: повторная или нет
Данные на входе: История покупок клиента, Статусы возвратов и обменов
Что делает модель: Определяет, является ли покупка повторной, исключая возвраты и обмены, учитывая временные окна
Результат: Метка 'повторная покупка' для каждой транзакции
Как используется: Система использует метки для расчета доли повторных продаж
Прогноз вероятности повторной покупки
Данные на входе: История покупок, Данные о поведении (просмотры, корзины), Демографические данные
Что делает модель: Обучается на исторических данных и предсказывает вероятность повторной покупки для каждого клиента в следующем периоде
Результат: Список клиентов с вероятностью повторной покупки (0-100%)
Как используется: Маркетинг использует для таргетированных кампаний, отдел продаж — для приоритизации
Сегментация клиентов по ценности и склонности к повторным покупкам
Данные на входе: История покупок, Выручка по клиентам, Вероятность повторной покупки
Что делает модель: Группирует клиентов в сегменты (например, высокоценные, рискованные, новые)
Результат: Сегменты с характеристиками и рекомендациями
Как используется: Менеджеры выбирают стратегию для каждого сегмента
Выявление аномалий в повторных продажах
Данные на входе: Динамика повторных продаж по периодам, Данные о кампаниях и событиях
Что делает модель: Сравнивает фактические показатели с ожидаемыми и выявляет резкие отклонения
Результат: Уведомление об аномалии с указанием вероятной причины
Как используется: Руководитель проверяет причину и принимает меры
Разбор
Как это работает
- 1
Вход: сырые данные о покупках и клиентах из CRM, ERP, интернет-магазина. Действие: система очищает и объединяет данные по единому ID клиента. Результат: единая таблица 'клиент-покупка'.
- 2
Вход: таблица покупок с ID клиента и датой. Действие: система определяет повторные покупки, исключая возвраты и обмены, по заданному правилу (например, вторая покупка за 12 месяцев). Результат: каждая покупка помечена как 'повторная' или 'первичная'.
- 3
Вход: помеченные покупки за период. Действие: система рассчитывает долю клиентов с повторной покупкой и долю выручки от повторных покупок. Результат: два ключевых показателя.
- 4
Вход: история покупок и поведенческие данные. Действие: модель машинного обучения прогнозирует вероятность повторной покупки для каждого клиента. Результат: список клиентов с вероятностью.
- 5
Вход: вероятности и история покупок. Действие: система сегментирует клиентов (например, высокая/средняя/низкая вероятность). Результат: сегменты для маркетинга.
- 6
Вход: динамика показателей по периодам. Действие: система сравнивает фактические значения с ожидаемыми и выявляет аномалии. Результат: уведомление о резком изменении.
- 7
Вход: сегменты и аномалии. Действие: система формирует рекомендации (например, предложить скидку сегменту с высокой вероятностью). Результат: список действий для менеджера.
Расчет
Формулы расчета повторных продаж
Основные формулы для расчета повторных продаж. Все расчеты выполняются системой по заданным правилам.
Доля клиентов с повторной покупкой
Доля повторных = (Число клиентов с ≥2 покупками за период) / (Общее число клиентов за период) × 100%- Число клиентов с ≥2 покупками за период
- Общее число клиентов за период
Условный пример: За месяц 500 клиентов совершили покупки, из них 120 — более одной. Доля повторных = 120 / 500 × 100% = 24%.
Допущение: Период должен быть одинаковым для числителя и знаменателя.
Доля выручки от повторных продаж
Доля выручки от повторных = (Выручка от повторных покупок) / (Общая выручка) × 100%- Выручка от повторных покупок
- Общая выручка
Условный пример: Общая выручка за месяц — 1 000 000 ₽, из них 300 000 ₽ — от повторных покупок. Доля = 300 000 / 1 000 000 × 100% = 30%.
Допущение: Повторные покупки определяются по правилу, исключающему возвраты.
Пример расчета
Как это выглядит в цифрах
Условный пример: расчет повторных продаж в интернет-магазине
- Допущение: За последний квартал в интернет-магазине было 10 000 уникальных клиентов.
- Допущение: Из них 2 500 совершили более одной покупки.
- Допущение: Общая выручка за квартал — 15 000 000 ₽.
- Допущение: Выручка от клиентов с повторными покупками — 6 000 000 ₽.
Доля клиентов с повторной покупкой = 2 500 / 10 000 × 100% = 25%. Доля выручки от повторных = 6 000 000 / 15 000 000 × 100% = 40%.Четверть клиентов совершают повторные покупки и приносят 40% выручки. Это значит, что удержание существующих клиентов критически важно: рост доли повторных клиентов на 5 п.п. может существенно увеличить выручку без затрат на привлечение.
Логика решения
Почему дана такая рекомендация
Что повлияло на решение
- Доля клиентов с повторной покупкой ниже целевого уровня.
- Выручка от повторных продаж составляет значительную часть общей выручки.
- Высокая стоимость привлечения нового клиента по сравнению с удержанием.
Какие риски учтены
- Риск перегрузки отдела маркетинга при запуске кампаний без автоматизации.
- Риск снижения маржи из-за скидок.
- Риск неточной сегментации из-за неполных данных.
Какие варианты рассматривались
- Сфокусироваться на увеличении среднего чека у существующих клиентов вместо повторных продаж.
- Запустить программу лояльности с накопительными баллами.
- Провести анализ причин оттока через опросы.
Выбрана автоматическая серия писем, так как это быстро реализуемо, не требует больших затрат и напрямую воздействует на повторную покупку.
Если бы доля повторных продаж была высокой, рекомендация сместилась бы в сторону увеличения среднего чека или расширения ассортимента.
Результат
Что видит пользователь
Дашборд с показателями повторных продаж
Графики доли повторных клиентов и выручки, динамика по периодам, сегменты клиентов.
Видеть текущее состояние и тренды, принимать решения по удержанию.Список клиентов с вероятностью повторной покупки
Таблица с клиентами, вероятностью (0-100%), суммой последней покупки, датой.
Приоритизировать обзвон или рассылку для сегмента с высокой вероятностью.Уведомление об аномалии
Сообщение о резком изменении показателя, например, падение доли повторных продаж на 10 п.п. за месяц.
Быстро отреагировать на проблему, выяснить причину.Автоматизация
Что автоматизируется, а что нет
Выполняется автоматически
- Сбор и очистка данных о покупках и клиентах.
- Расчет доли повторных продаж и выручки.
- Прогноз вероятности повторной покупки.
- Сегментация клиентов.
- Выявление аномалий и отправка уведомлений.
Требует настройки
- Правило определения повторной покупки (период, исключения).
- Пороговые значения для аномалий.
- Настройка интеграций с CRM и другими системами.
- Определение сегментов и их характеристик.
Остаётся за человеком
- Выбор стратегии для каждого сегмента.
- Утверждение маркетинговых кампаний.
- Анализ причин аномалий и принятие решений.
Внедрение
Как внедрить решение
Быстрый запуск
- Выгрузить данные о покупках и клиентах из CRM в Excel.
- Вручную или с помощью формул рассчитать долю повторных продаж за последний месяц.
- Определить клиентов с высокой вероятностью повторной покупки по простому правилу (например, покупали 2+ раза за 6 месяцев).
Рабочая система
- Настроить автоматическую загрузку данных из CRM в базу данных.
- Создать скрипт или использовать BI-инструмент для расчета показателей.
- Разработать дашборд с ключевыми метриками.
- Настроить уведомления об аномалиях.
Расширенный вариант
- Внедрить модель машинного обучения для прогнозирования вероятности повторной покупки.
- Интегрировать данные о поведении на сайте (просмотры, корзины).
- Проводить A/B-тесты маркетинговых кампаний и автоматически выбирать лучшие.
Подготовка
Чек-лист перед запуском
- 1
Определить, что считается повторной покупкой (период, исключения).
- 2
Убедиться, что данные о покупках и клиентах полные и непротиворечивые.
- 3
Настроить единый идентификатор клиента во всех системах.
- 4
Исключить возвраты и обмены из расчета.
- 5
Выбрать период анализа (месяц, квартал).
- 6
Рассчитать базовые показатели: долю клиентов и долю выручки.
- 7
Определить целевые значения для показателей.
- 8
Настроить автоматический сбор данных и расчет.
- 9
Создать дашборд для мониторинга.
- 10
Настроить уведомления об аномалиях.
Вывод
Главное
Повторные продажи — ключевой драйвер роста выручки, и их расчет должен быть автоматизирован и точен.
Основные данные — история покупок и клиентов. Основные расчеты — доля клиентов с повторной покупкой и доля выручки от повторных продаж.
ИИ автоматизирует очистку данных, классификацию покупок, прогнозирование вероятности повторной покупки и сегментацию клиентов.
Начните с выгрузки данных за последний месяц и ручного расчета доли повторных продаж, чтобы понять текущую ситуацию.
Метод ReMetod
На чем основан вывод
Метод ReMetod показывает, как выстроить путь от бизнес-проблемы к работающему решению: модель решения, данные, автоматизация, интерфейс. Практикум «Архитектор» учит создавать такие решения без программирования, что позволяет внедрить расчет повторных продаж с ИИ в малом и среднем бизнесе.
В программе практикума этот подход разбирается пошагово: от формулировки бизнес-задачи до модели решения, данных, автоматизации, интерфейса и проверки результата.
Посмотреть программу практикумаВопросы
Что обычно уточняют
У нас мало данных, ИИ не сможет работать
Для базового расчета повторных продаж достаточно истории покупок за несколько месяцев. ИИ можно начать с простых правил и постепенно добавлять модели по мере накопления данных.
Это слишком сложно и дорого
Начать можно с Excel и ручного расчета, затем автоматизировать с помощью доступных инструментов. ReMetod предлагает практикум, где вы создадите работающее решение за 4 недели без программирования.
ИИ заменит аналитика?
ИИ автоматизирует рутинные расчеты и прогнозы, но интерпретация результатов и принятие решений остаются за человеком. Аналитик становится более эффективным, фокусируясь на стратегии.
Следующий шаг
Выберите, как продолжить с ReMetod
Хотите научиться автоматизировать расчет повторных продаж с ИИ? Приходите на бесплатный вебинар ReMetod.