Что такое программа лояльности
Программа лояльности — механика, по которой клиент получает вознаграждение за повторные покупки и за то, что идентифицирует себя при оплате. Вознаграждение может быть материальным (баллы, кэшбэк, скидка) или статусным (приоритетная поддержка, ранний доступ к распродажам, бесплатная доставка).
У программы всегда две цели, и их полезно разделять:
- Экономическая — увеличить частоту покупок, средний чек и срок жизни клиента.
- Инфраструктурная — получить идентификацию покупателя в офлайне и связать офлайн-чеки с онлайн-поведением.
Вторая цель часто оказывается более ценной, особенно у сетей с большой офлайн-долей: без карты лояльности офлайн-покупка остаётся анонимной, и построить единый профиль клиента невозможно.
Типы программ и их экономика
| Тип | Как устроен | Что даёт | Основной риск |
|---|---|---|---|
| Накопительная (баллы) | N% от чека возвращается баллами, баллы гасят следующие покупки | Простая и понятная механика, широкий охват | Превращается в постоянную скидку для тех, кто и так покупал |
| Уровневая (статусы) | Статус зависит от суммы покупок за период, привилегии растут | Мотивирует дотянуть до следующего уровня | Верхние уровни дороги в обслуживании, нижние — не мотивируют |
| Платная подписка | Фиксированная плата за доставку, скидки, сервис | Предоплата и высокая частота у подписчиков | Сильный самоотбор: подписку берут самые частые покупатели |
| Кэшбэк | Возврат части суммы деньгами или на счёт | Прозрачная ценность для клиента | Ближе всего к прямой скидке, слабо влияет на привычку |
| Коалиционная | Баллы копятся и тратятся у партнёров | Дополнительный трафик от партнёров | Лояльность к коалиции, а не к конкретному ритейлеру |
Как считать стоимость. Начисленный балл — это отложенная скидка, и в экономике его нужно учитывать именно так:
Себестоимость программы (в процентных пунктах маржи) ≈
ставка начисления × доля погашения баллов
+ переменные расходы на платформу и коммуникации
÷ выручку по чекам участников
Пример логики: если начисляется 5% от чека, а погашается 70% начисленных баллов, эффективная скидка по чекам участников — около 3.5 процентных пункта. При марже 25% это означает, что программа съедает примерно седьмую часть валовой прибыли по этому потоку. Дальше вопрос простой: даёт ли программа прирост выручки, который перекрывает эту величину.
Неиспользованные баллы выглядят как экономия, но представляют собой обязательство перед клиентами и в любой момент могут быть предъявлены к погашению. Финансовая модель, построенная на предположении «половину баллов всё равно не потратят», ломается ровно в тот момент, когда программа становится популярной.
Метрики программы
| Метрика | Как считается | Что показывает |
|---|---|---|
| Доля покупок участников | Выручка по идентифицированным чекам / вся выручка | Охват и качество идентификации |
| Активные участники | Участники с покупкой за N месяцев / все участники | Реальный размер программы, а не размер базы карт |
| Частота покупок | Заказов на клиента за период | Основной канал влияния программы |
| Доля повторных покупок | Клиенты с 2+ заказами / все клиенты | Возврат клиента |
| LTV участников vs неучастников | Средняя выручка за период жизни по группам | Индикатор, но не доказательство эффекта (см. ниже) |
| Ставка погашения баллов | Погашено / начислено | Фактическая себестоимость программы |
| Инкрементальный эффект | Разница с holdout-группой | Единственная метрика, отвечающая на вопрос «работает ли» |
Почему метрики участников почти всегда врут
Стандартная презентация выглядит так: «у участников программы средний чек выше на 30%, частота покупок выше вдвое, LTV выше втрое — программа работает». Почти всегда это некорректный вывод.
Причина — селекционное смещение. В программу вступают не случайные клиенты, а те, кто и так собирается покупать регулярно. Человек, зашедший в магазин один раз за подарком, не станет заполнять анкету и качать приложение. Постоянный покупатель — станет. То есть высокая активность является причиной вступления, а не его следствием.
Второй источник искажения — определение участника через активность. Если участником считается тот, кто использовал карту, то в группу автоматически попадают только покупающие люди, а в контрольную — все остальные, включая ушедших. Сравнение теряет смысл.
Третий — эффект каннибализации скидки. Часть баллов гасится по покупкам, которые состоялись бы и без программы. В отчёте это выглядит как «выручка, стимулированная программой», хотя по факту это выданная задним числом скидка.
Корректный способ один: эксперимент с контрольной группой. Из подходящих под программу клиентов случайно выделяется holdout, который не получает приглашение или не получает начисления. Через 3–6 месяцев сравнивается выручка на клиента в двух группах. Разница за вычетом стоимости начисленных баллов и есть инкрементальный эффект.
Если запустить holdout на старте программы не получилось, работает более слабая, но осмысленная альтернатива: экспериментировать не с самим фактом участия, а с параметрами — размером начисления, порогами уровней, сроком сгорания баллов. Такие тесты запускаются на действующей программе и дают понимание чувствительности экономики.
Где проходит граница с платформой персонализации
Программа лояльности живёт в отдельном классе систем — платформа лояльности или соответствующий модуль CRM/кассового контура. Там ведутся бонусные счета, правила начисления и списания, статусы, сроки сгорания, интеграция с фискальным оборудованием и биллингом. Это учётная система с денежными обязательствами, и требования к ней соответствующие.
Платформа персонализации решает другую задачу: что показать конкретному человеку на сайте, в приложении и в товарных подборках. Она не начисляет баллы и не управляет статусами.
Пересечение между ними одно, зато полезное: данные программы — сильный признак для сегментации. Статус участника, баланс баллов, срок до сгорания, давность последней покупки по карте — всё это атрибуты профиля, которые улучшают качество сегментов и точность RFM-анализа. Направление обмена в этой связке одностороннее: программа отдаёт признаки, персонализация использует их для подбора контента и рекомендаций.
Типичные ошибки
- Запуск без модели экономики. Ставка начисления выбирается «как у конкурента», без расчёта влияния на маржу и без сценария на случай высокой ставки погашения.
- Отсутствие holdout-группы. Через год после запуска доказать эффект уже нечем, а закрыть программу политически невозможно.
- Оценка по числу выданных карт. Показатель «2 млн участников» ничего не значит без доли активных за последние 6–12 месяцев.
- Одинаковое вознаграждение для всех. Клиент с частотой раз в неделю и клиент с частотой раз в год получают одну и ту же механику, хотя реагируют на разные стимулы.
- Программа вместо ассортимента и сервиса. Баллы не компенсируют отсутствие товара, долгую доставку и плохую возвратную политику — они лишь удорожают удержание. Программа усиливает работающий retention, но не заменяет его.
- Игнорирование оттока внутри программы. Участник, переставший покупать, остаётся в базе и продолжает украшать статистику охвата.