Как AI помогает находить точки оттока до того, как упал retention

Как AI помогает находить точки оттока до того, как упал retention

Когда падение удержания видно на графике когорт, люди уже ушли. Кривая показывает итог, а не причину и не момент, когда всё пошло не так. Задача, которую имеет смысл ставить перед AI, другая: найти в поведении ранние сигналы, по которым видно, что человек собирается уйти, пока его ещё можно удержать.

Почему классическая аналитика опаздывает

Стандартные отчёты устроены вокруг средних и событий. Среднее время в сессии, доля дошедших до шага, процент вернувшихся. Отток в них проявляется поздно, потому что уход — это не событие, а процесс: человек сначала реже заходит, потом перестаёт пользоваться одной функцией, потом отключает уведомления, и только потом исчезает.

Аналитик может найти такие закономерности вручную, если знает, что искать. Модель может перебрать тысячи сочетаний признаков и подсказать, какие из них чаще всего предшествуют уходу.

Что AI делает на самом деле

В основе обычно модель, которая по истории поведения предсказывает вероятность того, что пользователь перестанет быть активным в ближайший период. Признаки — частота заходов и её изменение, использование ключевых функций, ошибки и обращения в поддержку, реакция на уведомления, платежи, изменения настроек.

Сама вероятность мало что даёт. Полезнее объяснение: какие признаки сильнее всего связаны с уходом. Например, может оказаться, что пользователи, которые за первую неделю не настроили интеграцию, уходят втрое чаще. Или что резкое падение частоты после третьего месяца предшествует отмене подписки.

Сюда же относится анализ текстов: отзывов, обращений в поддержку, ответов на опросы. Языковые модели помогают группировать жалобы по темам и находить, какие проблемы чаще упоминают перед уходом.

Сигнал без действия бесполезен

Самая частая ошибка — построить точную модель и ничего с ней не сделать. Список «пользователей с высоким риском» сам по себе никого не удерживает.

Ценность появляется, когда каждый сильный сигнал связан с продуктовым ответом. Не настроил интеграцию — помощь с настройкой. Перестал пользоваться ключевой функцией — подсказка или разговор о том, что не так. Упал в частоте после изменения цены — пересмотр тарифа.

И второе: часть сигналов указывает на проблему продукта, а вовсе не на конкретных людей. Если уходят все, кто столкнулся с ошибкой оплаты, нужно чинить оплату, а не отправлять им письма.

Корреляция — не причина

Модель находит связь, но не доказывает, что одно вызывает другое. Пользователи, которые настроили интеграцию, остаются чаще — но, возможно, потому что они изначально серьёзнее настроены, а не потому что интеграция их удерживает. Если заставить всех её настроить, эффекта может не быть.

Поэтому находки модели — это гипотезы. Проверять их нужно экспериментом: одной группе помогаем с интеграцией, другой нет, сравниваем удержание.

С чего начать

Договориться, что считается оттоком. Для подписки это отмена, для бесплатного продукта — отсутствие активности в течение периода, который зависит от естественного ритма использования.

Собрать данные о поведении в разрезе пользователя и времени. Без чистой истории событий модель будет учиться на шуме.

Начать с простого. Часто логистическая регрессия или дерево решений дают понятные ответы быстрее сложных моделей, а для продуктовых решений понятность важнее пары процентов точности.

Связать сигналы с действиями и проверить их в эксперименте. Модель, которая не меняет ни одного решения команды, — дорогая игрушка.

Следить за качеством со временем. Продукт меняется, аудитория меняется, и признаки, которые работали полгода назад, могут перестать работать.

Как связать удержание с деньгами и понять, сколько стоит каждый процент оттока, я разбирал в статье про экономику геймификации, а как не перепутать механики удержания и вовлечения — в материале «Механики вовлечения vs удержания».

Кольцов Владимир

Кольцов Владимир

Product Manager | AI, автоматизация, геймификация

Разберём ваш продукт, механику или сценарий

Помогаю бизнесу находить точки роста и решать задачи retention, engagement и конверсии через аналитику, AI-автоматизацию, product discovery и проектирование механик с измеримым влиянием на метрики.

Если у вас есть задача, гипотеза или проблема с удержанием — помогу разобрать, найти решение и спроектировать механику.

Написать в Telegram Посмотреть услуги Автоматизация

Можно коротко описать задачу, гипотезу или проблемный сценарий.