Повторные продажи

Клиенты покупают один раз и пропадают.

Найдите полезный повод для следующей покупки. Проверьте, кому, когда и с каким предложением уместно обратиться.

Задача и границы проверки

Это направления проверки, а не обещания роста. Для выбранной задачи согласуем один основной показатель, затраты и критерии решения.

Кому подходит
Подходит бизнесу с историей покупок и реальной повторной потребностью. Мы не начинаем с массовой рассылки: сначала проверим, какую ценность получил клиент и зачем ему возвращаться.
Какие данные нужны
client_id, order_id, дата и состав покупки, сумма после скидок, возврат, затраты, дата последнего контакта, канал, разрешение на связь, открытая претензия. Чувствительные и не относящиеся к задаче характеристики не нужны.
AI и человек
Команда выберет группу и момент контакта. AI поможет сформулировать следующий полезный шаг и подготовить сообщение по подтверждённым данным. Сотрудник проверит уместность, условия и допустимую частоту обращений.
Что остаётся у компании
На выходе — карта возвращения, правила сегментации, сценарий контакта и календарь наблюдения. Открытие сообщения не считается продажей; повторные покупки оцениваются в подходящем для бизнеса периоде.

Три сценария AI. Решение остаётся за человеком.

Объяснимая сегментация

AI готовит
История заказов → группы по наблюдаемым правилам и список исключений
Человек проверяет
Проверяет смысл групп; расчёты выполняются формулами

Следующий полезный контакт • старт

AI готовит
Покупка + цикл использования → повод, срок и предложение с объяснением
Человек проверяет
Проверяет потребность и разрешение на связь

Персональный черновик

AI готовит
Утверждённый повод + факты → сообщение, учитывающее покупку
Человек проверяет
Сверяет факты, тон и частоту; отправляет

AI не придумывает цены и условия, не отправляет важные сообщения без установленного контроля, не меняет договорённости и не выполняет платежи.

Что измеряем и с чем сравниваем

01

Основной: доля повторных покупателей

Клиенты исходной группы с повторной оплаченной покупкой в окне / все клиенты исходной группы.

02

Вклад на клиента группы

Вклад повторных заказов после переменных затрат / исходное число клиентов.

03

Время до покупки

Интервал от стартового события; отдельно показываются клиенты без покупки к дате среза.

04

Качество и затраты

Отписки, жалобы, возвраты, скидки, сервисы, время подготовки и обработки.

От результатов GRI — к проверке

GRI — авторская рамка анализа, а не независимая сертификация, инвестиционный рейтинг или гарантия роста.

  1. GRI

    Разобраться в ограничении

    Найти наблюдаемую потерю и проверить возможные объяснения по фактам.

  2. GTM

    Связать изменение с клиентом

    Уточнить сегмент, ценность, предложение, канал, шаг воронки, экономику и ответственность.

  3. AI

    Собрать помощника под задачу

    Определить входные данные, ожидаемый результат, ограничения и роль сотрудника.

  4. TEST

    Получить основания для решения

    Согласовать показатель и способ сравнения, проверить качество, учесть затраты и выбрать следующий шаг.

Как устроена методология

Как пройти первый цикл за 21 день

Общий каркас Bootcamp. Данные, действия и показатель уточняются под выбранный рычаг.

00

До старта

Обсуждаем задачу, доступные примеры, участие команды и границы проверки. Подтверждаем состав работ до начала программы.

  1. Дни 1–701

    Выбрать и спроектировать

    Разобрать процесс, проверить данные, выбрать ограничение и один рычаг, сформулировать GTM-действие и правила эксперимента.

    Карта ограничения · GTM на одной странице · паспорт эксперимента
    Календарь по дням
    1. День 1

      Сессия: пройти путь клиента и отметить момент потери

      Карта процесса и формулировка задачи
    2. День 2

      Собрать примеры, проверить идентификаторы и даты

      Словарь данных и список пробелов
    3. День 3

      Разобрать релевантные области GRI; проверить 2–3 объяснения проблемы

      Карта ограничения с доказательствами
    4. День 4

      Сессия: выбрать рычаг, сегмент и одно GTM-действие

      GTM на одной странице
    5. День 5

      Описать обычный процесс, улучшение без AI и вариант с AI

      Роль технологии и сравниваемые варианты
    6. День 6

      Зафиксировать группу, метрику, окно наблюдения, расходы и остановку

      Паспорт эксперимента v1
    7. День 7

      Контрольный разбор; согласовать объём решения

      Решение: собирать / доработать / подготовить данные
  2. Дни 8–1402

    Собрать и проверить

    Подготовить контекст, собрать AI-сценарий, проверить типовые случаи и исключения, определить правила передачи человеку.

    Проверенная версия сценария · журнал ошибок · решение о допуске к тесту
    Календарь по дням
    1. День 8

      Сессия: создать контекстную базу и первый промпт

      AI-сценарий v0.1
    2. День 9

      Прогнать типовые примеры и проверить исходные факты

      Журнал ошибок и исправлений
    3. День 10

      Проверить неполные данные, противоречия, дубли и отказ

      Набор исключений и правила передачи человеку
    4. День 11

      Сессия: независимая проверка качества на отложенных примерах

      Оценка готовности и список критических дефектов
    5. День 12

      Выполнить сценарий в теневом режиме: без отправки клиенту

      Замер времени и проверка полезности сотруднику
    6. День 13

      Подготовить журнал, распределение групп и инструкцию

      Комплект запуска с версией промпта
    7. День 14

      Контрольный разбор и решение владельца

      Допуск к ограниченному тесту или план исправлений
  3. Дни 15–2103

    Наблюдать и решить

    Проверить исполнение, сопоставить доступные результаты, учесть затраты и ограничения, подготовить передачу команде.

    Отчёт · инструкция · решение о следующем шаге
    Календарь по дням
    1. День 15

      Сессия: проверить запуск на первых событиях и остановку

      Работающий ограниченный тест
    2. День 16

      Разобрать отклонения и соблюдение протокола

      Журнал событий и ошибок
    3. День 17

      Сверить клиентов, заказы, оплаты, затраты и время

      Таблица фактических наблюдений
    4. День 18

      Проверить сравнимость групп и альтернативные объяснения

      Перечень ограничений вывода
    5. День 19

      Сессия: рассчитать показатели и экономику

      Черновик отчёта и решения
    6. День 20

      Собрать инструкцию, материалы и план продолжения

      Передаваемый рабочий комплект
    7. День 21

      Защита: продолжить, изменить, остановить или расширить

      Утверждённый отчёт и план 30/60/90

При длинном цикле сделки или повторной покупки 21 дня может быть недостаточно для оценки денежного эффекта. Тогда итог — проверенное исполнение и план дальнейшего наблюдения.

Участие команды · проектный ориентир

Проект комплектации: шесть рабочих сессий по 90 минут и три контрольных разбора по 30 минут. Ориентир нагрузки владельца эксперимента — 7–9 часов в неделю и 2–3 часа подготовки до старта. Это не утверждённый тариф: состав и участие согласуются отдельно.

Что остаётся у команды

На выходе — карта возвращения, правила сегментации, сценарий контакта и календарь наблюдения. Открытие сообщения не считается продажей; повторные покупки оцениваются в подходящем для бизнеса периоде.

  1. 01Карта ограничения
  2. 02GTM-план
  3. 03Паспорт эксперимента
  4. 04AI-сценарий или прототип в согласованном объёме
  5. 05Журнал и расчёты
  6. 06Инструкция сотрудника
  7. 07Итоговое решение и план 30/60/90

План на 90 дней — рабочий документ, а не включённые 90 дней внедрения и сопровождения. Промышленная интеграция, миграция данных, лицензии и постоянная поддержка требуют отдельного согласования.

Промпты, исследования, кейсы и книги

Исследования и кейсы помогают сформулировать гипотезу. Они не гарантируют повторение результата в вашей компании. Внешние компании — не клиенты и не партнёры Bootcamp. Не все кейсы относятся к генеративному AI.

Материалов: 10 / 10

AI-промпт02

Выделить группу и повод

Рабочий шаблон RAFT · авторская адаптация BootcampЧитать материал

Ты аналитик клиентского жизненного цикла, работающий с наблюдаемым поведением.

R — Ты аналитик клиентского жизненного цикла, работающий с наблюдаемым поведением.

A — Изучи [историю покупок], [циклы использования] и [правила контакта]. Предложи прозрачные сегменты и одну группу для проверки повторной покупки. Раздели факт, предположение и недостающие данные. Исключи из контакта [ограничения], сохрани исходную группу для измерения.

F — Сегмент / правило / размер / повод / доказательство / исключения / окно наблюдения.

T — Предметный, без обещаний точного прогноза оттока.

Перед выполнением задачи задай мне уточняющие вопросы, которые помогут тебе на 100% понять контекст, цели и ограничения. Не приступай к задаче, пока всё не станет ясно.
AI-промпт02

Подготовить полезный контакт

Рабочий шаблон RAFT · авторская адаптация BootcampЧитать материал

Ты ассистент клиентского сервиса по [категории].

R — Ты ассистент клиентского сервиса по [категории].

A — На основе [покупки], [подтверждённой потребности], [допустимого предложения] и [правил] предложи следующий контакт. Не выдумывай жизненные обстоятельства. Если пользы, данных или разрешения нет, укажи «не контактировать» и причину. Ничего не отправляй.

F — Основание / источник / срок / черновик до [лимит] слов / что проверить человеку.

T — Заботливый, ненавязчивый, без искусственной срочности.

Перед выполнением задачи задай мне уточняющие вопросы, которые помогут тебе на 100% понять контекст, цели и ограничения. Не приступай к задаче, пока всё не станет ясно.
AI-промпт02

Проверить повторные покупки

Рабочий шаблон RAFT · авторская адаптация BootcampЧитать материал

Ты аналитик эксперимента по повторным продажам.

R — Ты аналитик эксперимента по повторным продажам.

A — По [реестру групп], [контактам], [заказам и возвратам] и [затратам] рассчитай показатели в одинаковом окне [срок]. Проверь, не исключены ли клиенты без покупки. Отдели отклики от оплат, атрибуцию от причинности и итог Bootcamp от будущего наблюдения.

F — Формулы / числители и знаменатели / результаты / затраты / ограничения / следующее решение.

T — Сдержанный, доказательный.

Перед выполнением задачи задай мне уточняющие вопросы, которые помогут тебе на 100% понять контекст, цели и ограничения. Не приступай к задаче, пока всё не станет ясно.
Исследование02

Риск ухода — не то же самое, что отклик на действие

Eva Ascarza · 2018 · два полевых эксперимента и машинное обучениеЧитать материал

Что установлено. В Retention Futility показано: клиенты с наибольшим риском ухода не обязательно являются лучшей группой для удерживающего предложения. Выбор адресатов по чувствительности к вмешательству оказался полезнее привычного отбора только по риску оттока. [R03]

Граница выводаГраница вывода. Прогноз описывает вероятность поведения, но не доказывает, что сообщение или скидка его изменит. Результат зависит от предложения, группы и контекста; универсального процента улучшения для всех компаний нет.

Практика BootcampДля Bootcamp: сравнить одну допустимую коммуникацию с отсутствием этой коммуникации в сопоставимых группах. Проверять дополнительную покупку, а не точность красивого рейтинга оттока.

Аннотация статьи
Исследование02

Ощущение продвижения может поддерживать возвращение

Joseph C. Nunes, Xavier Drèze · 2006 · экспериментальные исследованияЧитать материал

Что установлено. Авторы изучили endowed progress effect: когда задача на восемь шагов представлена как десять шагов с двумя уже выполненными, люди чаще завершали её и делали это быстрее. Важны восприятие продвижения, объяснение бонуса и способ его учёта. [R04]

Граница выводаГраница вывода. Это исследование мотивации достижения цели, не доказательство прибыльности любой программы лояльности. Вознаграждение может стоить больше дополнительной маржи; механика не должна вводить клиента в заблуждение.

Практика BootcampДля Bootcamp: сделать реальный прогресс понятным — например, завершённый этап сервиса или честный стартовый бонус. Проверить повторную покупку и затраты на стимул, а не только участие.

Аннотация статьи
Международный кейс02

Starbucks · контекстные рекомендации

06.05.2019 · история внедрения Microsoft и StarbucksЧитать материал

Что описано. В мобильном приложении Starbucks описано использование обучения с подкреплением для персональных рекомендаций. Система учитывала историю заказов и контекст, включая наличие, время суток и погоду. [C03]

Граница выводаЧто это не доказывает. Это пример машинного обучения для персонализации, а не генеративного чат-бота. В выбранном материале нет контролируемой оценки прироста повторных покупок от конкретной рекомендации.

Практика BootcampАдаптация для Bootcamp. начать с прозрачного правила по прошлой покупке и уместному времени контакта. AI помогает объяснить предложение и подготовить сообщение, но не должен выводить чувствительные сведения о человеке.

История внедрения
Международный кейс02

Tesco · Clubcard Challenges

29.04.2024 — анонс; май 2024 — запуск по данным поставщикаЧитать материал

Что описано. Tesco анонсировала персонализированные задания для участников Clubcard. Поставщик Eagle Eye описывает запуск AI-подбора заданий с бонусами за выполнение в течение ограниченного периода. [C04]

Граница выводаЧто это не доказывает. Первичные источники подтверждают механику и запуск. Материал поставщика коммерчески заинтересован; из него нельзя автоматически вывести независимый эффект на удержание и прибыль.

Практика BootcampАдаптация для Bootcamp. предложить одной группе понятную цель, полезную клиенту, и заранее ограничить стоимость бонусов. Не стимулировать покупки, которые клиенту не нужны, только ради выполнения задания.

Анонс TescoКейс Eagle Eye
Цитата02

Не все клиенты одинаковы.

Peter Fader · интервью How to Get the Most from Your Customer Data, Wharton, 01.11.2022. Фрагмент; перевод для программы. Речь о различиях поведения и экономики, не о ценности людей. [Q02]Читать материал

Питер Фейдер предлагает изучать различия в поведении клиентской базы, а не управлять одним «средним клиентом». Эва Аскарса добавляет причинный вопрос: кому конкретное действие действительно поможет вернуться. [Q02; R03]

not all customers are created equal
Текст интервью
Книга02

Peter Fader, Bruce G. S. Hardie, Michael Ross · The Customer-Base Audit

2022 · Wharton School Press · [B03]Читать материал

Читать для системного разбора существующей базы: кто покупает, как часто и как меняется поведение.

Граница выводаЗадание с AI — авторская адаптация Bootcamp, а не содержание книги. В программе использованы издательские описания и открытые фрагменты; полные тексты всех книг не анализировались.

Практика BootcampПрактика: подготовить обзор групп первой покупки за сопоставимые периоды. AI помогает описать различия; расчёты, определения групп и исключения проверяются в таблице.

Страница издателя
Книга02

Peter Fader, Sarah Toms · The Customer Centricity Playbook

2018 · Wharton School Press · [B04]Читать материал

Читать для связи клиентских различий с управленческими решениями и долгосрочной ценностью отношений.

Граница выводаЗадание с AI — авторская адаптация Bootcamp, а не содержание книги. В программе использованы издательские описания и открытые фрагменты; полные тексты всех книг не анализировались.

Практика BootcampПрактика: выбрать один сегмент и обосновать полезное действие. AI предлагает варианты по фактам, а не выдуманный LTV или точность прогноза при короткой истории.

Страница издателя

Рабочие шаблоны

Подборка из программы AIStart360 Growth Labs, редакция 2.0 от 26.10.2026. У каждого материала сохранены происхождение, ограничения и ссылки на исходные публикации.

Статьи и рабочие инструкции

3

Команда не использует новые инструменты

Разберите реальную задачу сотрудника: где инструмент помогает, где добавляет работу и как исправить ошибку. Обсудите ожидания и ответственность. Проверяйте успешное выполнение задачи, а не только количество входов в систему.

Клиент теряется между сайтом, мессенджером и магазином

Проследите одну задачу клиента от первого контакта до получения результата и повторного обращения. Сопоставьте действия клиента с работой сотрудников и систем. Проверьте переход между каналами на тестовом сценарии: выбор, договорённости и статус должны сохраняться, а дубли — не возникать.

Дополнительные материалы библиотеки

Внешние исследования и кейсы служат основой для гипотез, а не обещанием аналогичного результата. Актуальность условий и применимость проверяем для конкретной задачи.

Инструменты

GRI Pulse — повторные продажи и удержание

AIStart360

Мониторинг клиентской базы B2B: пропущенный цикл покупки, паузы в контактах и следующий шаг для повторной продажи. Материал к рычагу 02 — удержание клиентов.

Исследования

Generative AI at Work

Brynjolfsson, Li & Raymond / NBER

Field evidence о productivity и неоднородных эффектах для сотрудников с разным опытом.

Книги

Continuous Discovery Habits

Teresa Torres

Связывает desired outcomes, opportunities, solutions и assumption tests в еженедельный процесс.

Книги

Product-Led Growth

Wes Bush

Playbook для self-serve value, time-to-value и product-led acquisition.

Исследования

Guidelines for Human–AI Interaction

Amershi et al. / Microsoft Research

18 принципов взаимодействия: expectations, explanations, correction, feedback и control.

Фреймворки

Identifying and Scaling AI Use Cases

OpenAI

Практический гайд по поиску, приоритизации и развитию AI-сценариев — от отдельных задач до сквозных процессов.

Фреймворки

A Practical Guide to Building Agents

OpenAI

Паттерны выбора agent-сценария, проектирования orchestration и многоуровневых guardrails.

Исследования

Anthropic Economic Index: AI Use at Work

Anthropic

Эмпирические паттерны использования AI в задачах, профессиях и разделении работы между человеком и системой.

Статьи

The Four Fits: A Growth Framework for the AI Era

Brian Balfour

Системный взгляд на рост через market, product, channel и model fit — чтобы проверить, способен ли GTM-двигатель на накопительный эффект.

Фреймворки

SaaS Metrics 2.0

David Skok

Подробный operating guide по CAC, LTV, churn, payback и метрикам, объясняющим рост recurring revenue.

Фреймворки

The High Growth SaaS Playbook

David Skok

Двенадцать метрик для диагностики здоровья, эффективности и масштабируемости SaaS growth engine.

Фреймворки

The SPICED Framework

Winning by Design

Единый язык discovery через Situation, Pain, Impact, Critical Event и Decision для customer-centered revenue conversations.

Фреймворки

Revenue Architecture

Winning by Design

Шестимодельная GTM operating system, связывающая revenue, данные customer lifecycle, математику, исполнение и стадии роста.

Вся библиотека

Решения лидеров по этой теме

Microsoft

Microsoft: как Сатья Наделла объединил культурные изменения и новую стратегию

Microsoft показывает, как стратегическая ясность, культура обучения и платформенные инвестиции могут усиливать друг друга. Рост компании нельзя объяснять одним управленческим приёмом или исключительно личностью CEO.

Читать разбор
Kaspi.kz

Kaspi.kz: как повседневные задачи клиента превращаются в экосистему роста

Kaspi.kz иллюстрирует, как два взаимосвязанных приложения для покупателей и предпринимателей способны усиливать друг друга. Урок для малого бизнеса — не «создать свой Super App», а соединить несколько важных задач одного клиента.

Читать разбор
Decathlon

Decathlon: как объединить физический магазин, цифровой сервис и жизненный цикл товара

Decathlon показывает, что цифровая трансформация розницы — не обязательно уход из физических магазинов. Ценность возникает при соединении выбора, покупки, получения, ремонта и повторного использования товара.

Читать разбор
Klarna

Klarna: как измерять экономику AI и не потерять человеческий сервис

Кейс Klarna полезен не лозунгом «ИИ заменил людей», а управленческим вопросом: какую часть обслуживания можно автоматизировать при сохранении качества, доверия и человеческой помощи?

Читать разбор

Сначала задача. Затем условия.

Проверяем соответствие задачи формату, обсуждаем примеры и участие команды. После этого согласуем локацию, язык, формат, состав работ, стоимость и условия участия.

Найти повод для возвращения

Перед первым разговором

Нужен ли технический специалист?

Для ручного сценария обычно достаточно владельца процесса и разрешённых данных. Интеграция с рабочими системами требует технического участника и отдельного объёма.

Можно ли пройти все шесть рычагов?

В одном цикле компания работает с одним рычагом. Остальные используются для выбора следующего шага, а не как параллельные обязательные проекты.

Что делать, если данных мало?

Сначала настроить минимальный учёт и проверить сценарий на разрешённых примерах. Недостающие факты не заменяются выдуманными.

Что будет, если гипотеза не подтвердится?

Команда получит данные о качестве, затратах и ограничениях. Обоснованная остановка помогает не расширять невыгодное решение.

Входят ли сервисы и внедрение?

Лицензии, разработка интеграций и дальнейшее сопровождение включаются только при явном согласовании состава работ.

Когда можно ждать продаж?

Это зависит от процесса и цикла клиента. За 21 день проверяется ограниченный сценарий; долгосрочный эффект оценивается отдельно.

Как используются данные?

До начала согласуем допустимые материалы, обезличивание, доступы и внешние сервисы. В первичную форму не нужно добавлять клиентские базы и документы.

Обсудить задачу