Это простой материал. Даже если нет опыта, не бойтесь цифр. Если все же боитесь – делайте с ИИ, инструкция и промпт во второй части статьи.
Если делаете сами. Дальше расписан каждый этап расчета retention rate (коэффициента удержания клиентов) с примерами.
Сделать с ИИ. Не нужно уметь управлять нейросетями. Мы уже все сделали, только подставляйте данные. Работает по умному скрипту. Как делать – описано в разделе по ИИ.
✔️ (в конце статьи также есть ссылка на наш бесплатный ИИ-чат)
| Рассчитать самому | Рассчитать с ИИ | |
| Кому | Хочу понять логику удержания и проверить цифры вручную | Хочу быстро получить расчет и разбор |
| Что делать | Читать статью и считать по шагам | Перейти в раздел "Расчет retention rate с ИИ" |
| Время | ~15–30 минут | ~5–10 минут |
| Что нужно | Число клиентов на начало периода и число клиентов, оставшихся к концу периода, плюс число новых клиентов за период | Те же данные от вас |
| Знания | Не нужны | Не нужны |
( ✔️ если делаете с ИИ – начало копирования после черты)*
–––––––––––
1. Общая схема расчета
Retention rate – это коэффициент удержания клиентов. Простыми словами: какой процент клиентов компания сохранила за выбранный период.
Период – это отрезок времени, за который вы считаете показатель. Например: месяц, квартал, полгода. Считать нужно только внутри одного и того же периода, иначе цифра будет искажена.
Главная логика такая: мы берем клиентов, которые были у нас в начале периода, убираем влияние новых клиентов, пришедших позже, и смотрим, сколько из стартовой базы осталось к концу.
Формула retention rate:
Retention Rate = ((клиенты на конец периода − новые клиенты за период) ÷ клиенты на начало периода) × 100%
Что означает каждый элемент формулы:
- Клиенты на начало периода – сколько активных клиентов было в первый день периода.
- Клиенты на конец периода – сколько активных клиентов было в последний день периода.
- Новые клиенты за период – сколько клиентов пришло в течение этого периода впервые.
Почему нужно вычитать новых клиентов: потому что retention rate отвечает не на вопрос сколько клиентов стало всего, а на вопрос сколько клиентов вы удержали из тех, кто уже был.
Что включаем в расчет, а что нет
| Включаем | Не включаем |
| Клиентов, которые были активны на начало периода | Лидов и заявки, которые еще не стали клиентами |
| Клиентов, которые оставались активными к концу периода | Новых клиентов как удержанных клиентов |
| Новых клиентов отдельной строкой для вычитания из конца периода | Повторные оплаты одного и того же клиента как нескольких клиентов |
| Один раз каждого уникального клиента | Дубли одного клиента в CRM, таблице или кассе |
Если говорить совсем коротко, retention rate считает сохранение старой базы, а не рост всей базы.
2. Пошаговый пример с расчетом
Возьмем простой пример.
- На начало апреля у компании было 250 клиентов.
- На конец апреля у компании стало 230 клиентов.
- Из них 40 клиентов – это новые клиенты, которые пришли в апреле.
Шаг 1. Находим, сколько клиентов из старой базы осталось к концу периода.
230 − 40 = 190 клиентов
Это значит: к концу апреля из тех, кто уже был в базе до начала апреля, осталось 190 клиентов.
Шаг 2. Делим оставшихся клиентов на число клиентов на начало периода.
190 ÷ 250 = 0,76
Здесь важно пояснение перехода: 0,76 – это доля. Чтобы перевести долю в проценты, умножаем на 100%.
Шаг 3. Переводим в проценты.
0,76 × 100% = 76%
Retention rate = 76%
Итог расчета по примеру:
| Показатель | Значение |
| Клиенты на начало периода | 250 |
| Клиенты на конец периода | 230 |
| Новые клиенты за период | 40 |
| Сохраненные клиенты из стартовой базы | 190 |
| Retention rate | 76% |
Для полноты полезно сразу посчитать и потерю клиентов.
Потерянные клиенты – это те, кто был на старте, но не остался к концу периода.
250 − 190 = 60 клиентов
Значит, компания за апрель потеряла 60 клиентов из стартовой базы.
3. Как интерпретировать результат
76% в нашем примере означает: из всех клиентов, которые были у компании на начало апреля, компания сохранила 76 из каждых 100.
Это не означает автоматически, что результат хороший или плохой. Норма сильно зависит от бизнеса:
- у подписки и сервиса с ежемесячной оплатой один ориентир;
- у интернет-магазина с редкими покупками – другой;
- у b2b с длинным циклом работы – третий.
Что реально можно понять из retention rate без догадок:
- насколько хорошо вы удерживаете уже существующих клиентов;
- растет ли удержание или падает по сравнению с прошлыми периодами;
- есть ли проблема именно в удержании, а не только в привлечении новых клиентов.
Как читать результат на практике:
| Ситуация | Что это обычно означает |
| Retention rate растет | Клиенты остаются дольше, удержание улучшается |
| Retention rate падает | Клиенты уходят быстрее, нужно искать причину |
| Клиентов в базе стало больше, но retention низкий | Рост может держаться только на новых клиентах, старая база уходит |
| Клиентов стало меньше, но retention высокий | Нужно проверить корректность определения клиента и периода |
Очень важный момент: retention rate почти всегда нужно смотреть в динамике. Один месяц сам по себе мало что говорит. Серия из 3–6 периодов уже показывает реальную картину.
4. Самопроверка расчета
У этого расчета есть простая обратная проверка.
Мы уже получили, что сохраненных клиентов из стартовой базы 190.
Если retention rate равен 76%, то в доле это:
76% = 76 ÷ 100 = 0,76
Теперь умножаем стартовую базу на эту долю:
250 × 0,76 = 190
Совпало с числом сохраненных клиентов. Значит, расчет сделан правильно.
Можно проверить и через потерю клиентов. Если удержание 76%, значит потеря составила:
100% − 76% = 24%
Переводим 24% в долю:
24% = 24 ÷ 100 = 0,24
Считаем число потерянных клиентов:
250 × 0,24 = 60
Это совпадает с тем, что мы уже посчитали напрямую: 250 − 190 = 60.
✓ Первичный расчет завершен
- У вас на руках есть retention rate в процентах.
- У вас есть число сохраненных клиентов из стартовой базы.
- У вас есть число потерянных клиентов.
- У вас есть обратная проверка, что расчет не сломан.
Что делать дальше: если у вас подписка, сезонный бизнес, редкие повторные покупки, нет CRM или непонятно кого считать клиентом – переходите к граничным случаям ниже. Если с этим все просто – переходите к краткой выжимке по управлению.
5. Граничные случаи
Непонятно, кого считать клиентом
Что происходит: в одних данных клиентом считается любой оплативший хотя бы раз, в других – только активный платящий клиент, в третьих – только тот, у кого есть покупка за последние 30 дней.
Почему: без единого определения один и тот же бизнес может получить разные retention rate на одинаковых данных.
Конкретное решение: зафиксируйте одно определение клиента до расчета. Например: клиент – это тот, кто сделал хотя бы одну оплату за последние 30 дней или клиент – это активный подписчик с действующей оплатой. Дальше используйте это правило одинаково во всех периодах.
Бизнес с подпиской
Что происходит: клиент может оставаться активным без новой покупки в течение уже оплаченного периода.
Почему: в подписке клиент считается удержанным, пока подписка действует, даже если в текущем месяце он не совершал новую оплату.
Конкретное решение: считайте клиентом того, у кого подписка активна на дату начала и на дату конца периода. Не подменяйте это количеством оплат за месяц.
Редкие повторные покупки
Что происходит: retention rate может выглядеть искусственно низким, если люди покупают не каждый месяц, а раз в 3–6 месяцев.
Почему: месячный период не совпадает с реальной частотой покупок.
Конкретное решение: увеличьте период расчета. Например, вместо месяца берите квартал или полугодие. Период должен покрывать обычный цикл повторной покупки.
Сильная сезонность
Что происходит: удержание резко меняется по месяцам, и один месяц может дать ложный вывод.
Почему: спрос в сезон и вне сезона ведет себя по-разному.
Конкретное решение: сравнивайте одинаковые периоды. Например, ноябрь этого года с ноябрем прошлого года, а не ноябрь с июлем. Дополнительно смотрите среднее значение за несколько периодов.
Retention rate получился больше 100%
Что происходит: расчет дал результат выше 100%.
Почему: почти всегда это ошибка данных. Обычно причина – неверно посчитаны новые клиенты, есть дубли или в конец периода попали клиенты, которых не было на старте, но они не были отмечены как новые.
Конкретное решение: проверьте три вещи: нет ли дублей клиентов, правильно ли выделены новые клиенты, одинаково ли определен клиент в начале и в конце периода. Корректный retention rate не может быть выше 100%.
На конец периода клиентов больше, чем на начало
Что происходит: кажется, что удержание высокое только потому, что база выросла.
Почему: рост базы может происходить за счет притока новых клиентов, а не за счет удержания старых.
Конкретное решение: не смотрите на разницу между началом и концом без вычитания новых клиентов. Всегда используйте полную формулу retention rate, иначе вы измеряете рост базы, а не удержание.
Нет CRM и непонятно откуда брать данные
Что происходит: данные о клиентах лежат в переписках, кассе, эквайринге, таблицах менеджеров или вообще по разным местам.
Почему: в малом бизнесе учет часто ведется вручную или частично.
Конкретное решение: минимальный рабочий вариант – Google Таблицы или Яндекс Таблицы. Сделайте таблицу, где одна строка – один уникальный клиент. Добавьте столбцы: ID клиента или телефон, дата первой покупки, был активен на начало периода, был активен на конец периода, новый клиент за период – да/нет. Этого уже достаточно для расчета.
6. Кратко по управлению
- Зафиксируйте, кого именно вы называете клиентом.
- Выберите период расчета, который подходит вашему циклу покупки: месяц, квартал, полгода.
- Посчитайте клиентов на начало периода.
- Посчитайте клиентов на конец периода.
- Отдельно посчитайте новых клиентов за этот же период.
- Примените формулу: ((конец периода − новые клиенты) ÷ начало периода) × 100%.
- Проверьте расчет обратным действием: стартовая база × retention в доле = число сохраненных клиентов.
- Дополнительно посчитайте потерянных клиентов: стартовая база − сохраненные клиенты.
- Смотрите показатель в динамике, а не по одному периоду.
Важно знать
Этот материал показывает, как правильно считать retention rate, но не дает универсальной нормы по всем нишам. Один и тот же процент может быть сильным результатом для одного бизнеса и слабым для другого. Чтобы оценить качество удержания, сравнивайте себя с прошлым периодом, со своим же каналом продаж, тарифом, продуктом и реальным циклом покупки.
–––––––––––
(✔️ конец копирования, до черты)*
Расчет retention rate с ИИ
Расчет ниже построен на умном скрипте – ИИ работает по схеме этой статьи, а не придумывает ответ наугад. Он сначала помогает зафиксировать логику именно под ваш бизнес, потом сам запрашивает данные, сам проверяет расчет и отдельно отмечает спорные места.
Ниже два готовых промпта. Используйте строго по порядку.
Шаг 1. Отправьте первый промпт
Скопируйте текст ниже. Замените слово НИША на свою. Например: онлайн-сервис по подписке, интернет-магазин косметики, b2b обслуживание оргтехники. Затем вставьте в чат с ИИ и отправьте.
Я хочу рассчитать retention rate (коэффициент удержания клиентов). Моя ниша: НИША. Чтобы ты работал по правильной схеме и ничего не упустил, даю тебе эталонный материал – изучи его полностью и точно следуй всем шагам, которые применимы к моему случаю.
Действуй строго по шагам:
Шаг 1. Сначала помоги мне зафиксировать корректное определение клиента именно для моей модели бизнеса и предложи подходящий период расчета. Предложи варианты, чтобы я мог подтвердить один из них или исправить. Жди моего подтверждения.
Шаг 2. После моего подтверждения предложи итоговую структуру расчета под мой случай: кого считаем клиентом, какой период берем, какие данные нужны, какие граничные случаи нужно проверить. Жди моего подтверждения.
Шаг 3. Только после этого запроси все данные, которые нужны для полноценного расчета retention rate и его интерпретации. Если каких-то данных для вывода не хватает – сам запроси их. Жди моих ответов.
Шаг 4. Пока я не дам все данные, не переходи к расчету.
Вот эталонный пример:
[вставьте вместо этого примечания – текст эталона: все, что копировали между чертами (весь самостоятельный расчет)]
ИИ предложит логику расчета под ваш бизнес.
Что делать: прочитайте и подтвердите или поправьте. Например: клиентом считаем только тех, у кого была хотя бы одна покупка за 90 дней; период берем квартал; подписки у нас нет; сезонность есть. Если все подходит – напишите: подходит, двигаемся дальше.
Шаг 2. Ответьте на вопросы ИИ и соберите цифры
ИИ запросит данные, которые действительно нужны для вашего случая.
Где взять цифры:
- CRM: Битрикс24, amoCRM, Мегаплан
- Сайт и заказы: CMS интернет-магазина, админка сайта, личный кабинет сервиса
- Платежи: ЮKassa, CloudPayments, Т-Банк Эквайринг, банковская выписка
- Подписка: кабинет биллинга или таблица активных подписчиков
- Если CRM нет: Google Таблицы или Яндекс Таблицы
Что делать дальше: отвечайте по очереди на сообщения ИИ и давайте фактические данные. Если какой-то цифры нет, пишите прямо: этих данных нет. Тогда ИИ должен либо предложить минимально корректный вариант расчета, либо сказать, чего не хватает для надежного вывода.
Пример ответа одной строкой: на начало периода 250 клиентов, на конец 230, новых за период 40, клиентом считаем того, кто покупал в последние 90 дней.
Шаг 3. Отправьте второй промпт
Когда ИИ скажет, что данных достаточно, скопируйте и отправьте следующий текст как есть:
Теперь сделай расчет retention rate по эталонной схеме. Выведи результат в таком формате:
1. Коротко зафиксируй, кого именно мы считаем клиентом и какой период расчета используем.
2. Таблица: показатель – значение.
3. Формула с подстановкой моих чисел.
4. Результат retention rate в %.
5. Отдельно посчитай:
сохраненных клиентов из стартовой базы;
потерянных клиентов из стартовой базы.
6. Самопроверка через обратное действие с показом вычисления.
7. Интерпретация результата простым языком без выдуманных норм. Если для интерпретации не хватает данных, сначала запроси их, а не додумывай.
8. Граничные случаи: проверь, есть ли у меня проблемы из эталона – неверное определение клиента, слишком короткий период, подписка, редкие повторные покупки, сезонность, дубли, результат выше 100%, отсутствие инструмента учета. Если есть – отдельно укажи что это меняет в выводе.
9. В конце дай краткий вывод: что у меня на руках и что проверить следующим шагом.
Что получите: готовый расчет retention rate, проверку на ошибки в логике и понятный вывод, можно ли доверять результату и как его читать.
Если что-то пошло не так
- Откройте новый чистый диалог с нейросетью без предыдущих сообщений – это первое, что нужно сделать при любой проблеме. Старый контекст сбивает логику работы по эталону.
- ИИ сразу начал просить цифры без согласования логики – отправьте: стоп, сначала зафиксируй кто считается клиентом и какой период подходит моему бизнесу.
- ИИ начал считать без всех данных – отправьте: стоп, не считай, пока не запросишь все недостающие данные для расчета и интерпретации.
- ИИ подменяет retention ростом клиентской базы – отправьте: стоп, используй формулу удержания: ((конец периода − новые клиенты) ÷ начало периода) × 100%.
- ИИ не делает самопроверку – отправьте: добавь обратную проверку: стартовая база × retention в доле = сохраненные клиенты.
- ИИ выдал абстрактный вывод без учета ниши – отправьте: не давай общих норм, интерпретируй результат только с учетом моего определения клиента, периода и особенностей бизнеса.
