Как предсказать отток пользователя за 3 дня до ухода

Пользователи не уходят внезапно, а уходят постепенно. Сначала снижается частота сессий клиента. Начинают игнорировать уведомления. Время посещения на сайте или в приложении падает до нуля. И в итоге он нажимает «удалить аккаунт» или больше вообще не заходит на наш ресурс. Все эти сигналы мы могли заменить уже как 3–5 дней назад, но не проверяли поведение пользователей.

Проблема в том, что большинство продуктов смотрит на конверсию и DAU (Daily Active Users - ежедневно активные пользователи), а не на микро-паттерны поведения. В этой статье я собрал 6 метрик, которые предсказывают отток с точностью до 78%, и убрал 4 KPI, которые только мешают принимать решения.

DAU/MAU (Monthly Active Users - активность пользователя за месяц) показывает масштаб, а не конкретную картину. Если мы теряем 15% новых пользователей в первую неделю, но при этом растём на 20% за счёт рекламы, то дашборд будет зелёным. Аналитика должна отвечать на вопрос «почему», а не «сколько».

В 2025 году я заменил фокус с агрегированных метрик на поведенческие цепочки. Вместо «сколько зашло» стал мониторить «что сделали после захода». Отток снизился на 22% за 4 месяца. Вывод: мы начинаем реагировать на ранние сигналы, а не на финальные клики клиенты.

В норме считается 1–3 дня для активных пользователей. Сигнал оттока, когда интервал увеличивается на 40%+ за неделю. Например, пользователь заходил каждый день 14 дней подряд. На 15-й, разрыв 4 дня, а на 19-й уже 7 дней. Если мы не вмешаемся, то вероятность ухода составит 63%.

Что мы можем сделать: автоматическая отправка пуша с персонализированным контентом. Но не шаблонные «вернись» или «вспомни о нас». А написать текст, статью или предложение, которое закроет конкретную проблему пользователя, чтобы он точно обратил внимание на очередное сообщение.

Пользователь не обязан проходить все шаги до покупки или реакции. Однако, если он останавливается на одном конкретном шаге и не возвращается, нужно отработать этот момент. Особенно если шаг связан с регистрацией по электронной почтой или подпиской.

Я проанализировал 12 000 профилей. Те, кто застрял на шаге почты или телефона >48 часов, уходили в 71% случаев. Те, кто получил скидку или бонус за регистрацию в 34%. Разница в правильной поддержке клиента.

Если пользователь использует несколько наших информационных ресурсов в первую неделю, а на вторую только 1, это не «сужение интереса». Это сигнал потери ценности других каналов трафика. Платформа перестаёт решать его задачу.
Я сравнивал каналы с разным re-use rate. При падении вовлеченности клиента отток в течение 14 дней составлял 58%. При сохранении нескольких каналов взаимодействия — 21%.

Действие: анализировать, на какой платформе клиент или читатель застрял. Бывает, что это не сам канал, а малополезный контент на других ресурсах или наоборот, копирование контента и предложений.

Один открытый тикет = 12%. Два без ответа = 31%. Три = 67% вероятности ухода в течение 5 дней. Пользователь не ждёт идеального решения. Он ждёт реакции, а молчание воспринимает как игнорирование его потребностей.

Я внедрил SLA-мониторинг. Если тикет висит >6 часов без статуса «в работе» — автоматическое уведомление менеджеру. Если >24 часа — распространений идет на несколько менеджеров сразу. Среднее время разрешения вопроса упало с 18 до 5 часов. Отток по этому трафику снизился на 29%.

Нужно не измерять «количество тикетов», а измерять «скорость первого ответа» и «процент повторных обращений по одной теме».

Скорость снижения активности за фиксированный период. Формула: (Активность день 1 – Активность день 7) / Активность день 1.

Норма при <15%. Стоить обратить мвнимание при >25%. EDR предсказывает отток точнее, чем churn rate, потому что показывает динамику, а не факт. Churn rate измеряет ушедших клиентов. EDR измеряет тех, кто еще не ушел, но скоро уйдет.

1. Общее количество регистраций. Без разбивки по качеству трафика это пустая цифра.
2. Среднее время сессии. Длинная сессия ≠ лояльность. Часто это зависимость или баг интерфейса.
3. CTR уведомлений. Без привязки к последующим действиям это метрика спама, а не вовлечения.
4. Общий отток (churn) без сегментации. Смешивает новичков, старичков и пострадавших. Не даёт точек для вмешательства.

1. Выбери 3 метрики из списка выше.
2. Настрой сбор данных через события, а не через сессии.
3. Построй дашборд с порогами срабатывания. Зелёный/жёлтый/красный.
4. Напиши 3 автоматических сценария под каждый цвет.
5. Запусти тест на 5% трафика. Замеряй отток через 14 дней.
6. Масштабируй, если отток снизился на 10%+.

Я запускал такую систему для продукта с 45 000 MAU. На 8-й день получили 2100 «жёлтых» сигналов. Автоматические цепочки сработали в 1640 случаях. 31% пользователей вернулись в активную фазу. Отток снизился на 19%. Затраты - это 3 дня настройки аналитики и 2 дня написания триггеров.

Отток не случается. Он накапливается. Метрики, которые измеряют факт, бесполезны для профилактики. Метрики, которые измеряют динамику, дают окно в 3–5 дней для вмешательства. Главное, не смотреть на цифры как на отчёт, а смотреть на них как на сигналы.