Вы тратите бюджет на рекламу, трафик растёт, а выручка стоит на месте. Знакомая ситуация? Часто дело не в привлечении, а в том, что клиенты не возвращаются: магазин привёл покупателя, продал один раз и потерял его. Пока вы смотрите только на визиты и заказы за месяц, эта дыра остаётся невидимой — её видно лишь через метрику удержания.
Эта статья — практический разбор того, как считать удержание и возвраты покупателей интернет-магазина на 1С-Битрикс: что такое retention и когорты, откуда брать данные, как связать веб-аналитику с заказами из 1С и превратить всё это в дашборд, по которому можно принимать решения. Подготовка данных для такой аналитики — часть работ по автоматизации на 1С, о ней ниже.
Коротко
- Удержание (retention) — доля клиентов, вернувшихся за покупкой в выбранном окне; считается по когортам, а не «в целом».
- Факт повторной покупки надёжнее брать из заказов 1С-Битрикс и 1С, где клиент идентифицирован, а не из cookie Метрики.
- Окно удержания выбирайте по среднему межзаказному интервалу вашего товара — иначе метрика врёт.
- Удержание — главный множитель LTV: рост возвратов почти всегда выгоднее нового трафика.
Почему удержание важнее привлечения
Привлечение нового клиента почти всегда дороже, чем повторная продажа уже знакомому. Новый покупатель требует расходов на рекламу, доверия, первого касания и разбирается с сайтом впервые. Вернувшийся — уже прошёл этот путь, знает ассортимент и оформляет заказ быстрее. Поэтому магазин, который умеет возвращать покупателей, растёт устойчивее того, кто бесконечно «заливает» трафик.
Проблема в том, что стандартные отчёты об этом молчат. Общая выручка и число заказов за месяц не показывают, из кого они складываются: из новых клиентов, которых вы купили рекламой, или из старых, которые вернулись сами. Магазин может наращивать бюджет и при этом терять базу — деньги идут на закрытие оттока, а не на рост. Метрика удержания как раз разделяет эти два потока и показывает реальное здоровье бизнеса.
Что такое retention и как его считать
Retention (удержание) — это доля клиентов, которые совершили повторную покупку в течение выбранного периода. В самом простом виде формула такая: берём группу клиентов, у которых был первый заказ, и смотрим, какая их часть сделала следующий заказ в окне наблюдения. Если из 100 новых клиентов марта в течение 90 дней вернулись 22 — удержание этой группы 22%.
Важно с самого начала договориться о базовых понятиях, иначе цифры будут несопоставимы:
- Кто такой «клиент». Идентификатор — учётная запись, телефон или код в 1С, а не сессия браузера. Иначе один человек с двух устройств посчитается как двое.
- Что считается «возвратом». Обычно — оплаченный заказ, а не корзина или визит. Определитесь заранее и держитесь этого.
- Какое окно. Период, в котором ждём повторный заказ: 30, 90, 180 дней — зависит от товара.
Есть два взгляда на удержание: доля вернувшихся от когорты (retention rate) и доля повторных заказов в общем потоке (repeat purchase rate). Первое отвечает на вопрос «сколько людей вернулось», второе — «какая часть выручки из повторных продаж». Оба полезны, но путать их нельзя.
Когортный анализ по первому заказу
Считать удержание «в целом по магазину» опасно: показатель смешивает клиентов, пришедших год назад, и тех, кто купил вчера. Правильный инструмент — когортный анализ. Когорта — это группа клиентов с общим временем первого заказа: например, все, кто впервые купил в марте 2024-го.
Для каждой когорты вы смотрите, какая её доля вернулась через 1, 2, 3 месяца после первой покупки. Получается таблица, где по строкам — месяцы первого заказа, по столбцам — месяцы жизни когорты, а в ячейках — процент вернувшихся. Такая таблица сразу отвечает на главный вопрос: становится ли удержание лучше у свежих когорт после ваших изменений.
Метрики удержания: полный набор
Удержание — не одно число, а связка показателей. Вот основные, которые стоит считать вместе.
| Метрика | Что показывает | Как считается |
|---|---|---|
| Retention rate | Доля когорты, вернувшейся за покупкой | Вернувшиеся ÷ размер когорты |
| Repeat purchase rate | Доля клиентов с 2+ заказами | Клиенты с повторами ÷ все клиенты |
| Межзаказный интервал | Среднее время между заказами | Медиана интервалов по клиентам |
| Частота заказов | Сколько раз в год покупает клиент | Заказы ÷ активные клиенты за год |
| Отток (churn) | Доля «уснувших» клиентов | 1 − retention за окно |
| LTV | Ценность клиента за всё время | Средний чек × частота × срок жизни |
Считать их по отдельности бессмысленно — они дополняют друг друга. Например, retention может держаться, но средний чек вернувшихся падает, и LTV снижается. Только вся связка вместе даёт честную картину повторных продаж.
Откуда брать данные в 1С-Битрикс
Фундамент расчёта удержания — данные о заказах, а они в 1С-Битрикс лежат в модуле «Интернет-магазин». У каждого заказа есть привязка к пользователю, дата, статус оплаты и сумма — этого достаточно, чтобы построить когорты и посчитать возвраты. Обращаться к этим данным правильнее через D7 ORM, а не напрямую к таблицам: это стабильнее при обновлениях платформы. Подробно ORM разобрана в статье про D7 ORM в Битрикс.
Что нужно вытащить для метрик удержания:
- Заказы с оплатой. Только реально оплаченные, чтобы не считать брошенные и отменённые.
- Идентификатор клиента. ID пользователя, а лучше — сквозной код клиента из 1С, если магазин интегрирован с учётной системой.
- Дату и сумму. Для когорт по времени первого заказа и для расчёта LTV.
- Признак нового/повторного. Вычисляется по порядку заказов клиента.
Если магазин работает с юрлицами и заказы приходят из 1С, идентифицировать клиента точнее по коду контрагента, а не по учётной записи сайта: один контрагент может заказывать с разных аккаунтов. Здесь пригодится корректно настроенный обмен, о котором мы пишем в разборе интеграций через REST и вебхуки.
Связка веб-аналитики и данных из 1С
Веб-аналитика Битрикса и Яндекс Метрика видят поведение: источники трафика, страницы, электронную коммерцию. Но клиента они связывают по cookie и user-параметрам, а не по реальному профилю. Поэтому точное удержание считается по заказам, а Метрика отвечает на другой вопрос — откуда приходят те, кто потом возвращается.
Сильная схема — сквозная аналитика, где данные соединяются по единому ключу клиента:
- Метрика даёт источник и поведение первого визита.
- 1С-Битрикс даёт факт и состав заказов на сайте.
- 1С даёт реальные оплаты, отгрузки и код контрагента.
Связав их, вы отвечаете не только «сколько вернулось», но и «какие каналы приводят клиентов с высоким удержанием». Часто оказывается, что дешёвый канал приводит разовых покупателей, а более дорогой — тех, кто возвращается и приносит основной LTV. Без связки данных этот вывод недоступен.
Выбор окна и межзаказный интервал
Самая частая ошибка — взять «удобное» окно вроде 30 дней для товара, который в норме покупают раз в полгода. Тогда почти все клиенты попадут в «отток», хотя они просто ещё не дошли до повторной покупки. Окно удержания должно опираться на реальный межзаказный интервал ваших клиентов.
- Посчитайте интервалы. Для клиентов с 2+ заказами найдите время между соседними покупками.
- Возьмите медиану. Медиана устойчивее среднего к редким «выбросам».
- Задайте окно чуть больше. Окно удержания — примерно 1,5–2 медианных интервала, чтобы поймать нормальные повторы.
- Разделите по категориям. Для расходников и оборудования окна разные — считайте их отдельно.
Такой подход убирает ложный «отток» и делает метрику сопоставимой во времени. Один и тот же принцип применяют и к сегментам: у оптовых клиентов интервал обычно короче и стабильнее, чем у розничных.
Удержание и LTV: как связаны
LTV (пожизненная ценность клиента) — это сколько денег клиент приносит за всё время работы с вами. Удержание — прямой множитель LTV: чем выше доля вернувшихся и чаще повторы, тем дольше «живёт» клиент и больше приносит при той же марже. Поэтому улучшение удержания на несколько процентов даёт непропорционально большой прирост LTV.
Практический вывод простой: прежде чем увеличивать рекламный бюджет, стоит проверить, что вы не льёте воду в дырявое ведро. Если удержание низкое, каждый новый клиент быстро «утекает», и рост трафика лишь маскирует проблему. Улучшение возвратов — работа с уже оплаченной аудиторией, и почти всегда она рентабельнее нового привлечения.
Сегментация: кто возвращается, а кто нет
Средний retention полезен для тренда, но решения принимают по сегментам. Один и тот же показатель складывается из очень разных групп, и работать надо адресно.
- По первой категории. Клиенты, начавшие с одних товаров, возвращаются лучше — их и стоит привлекать активнее.
- По каналу привлечения. Разные источники дают разное удержание, это меняет оценку рентабельности рекламы.
- По типу клиента. Розница и опт, физлица и контрагенты ведут себя по-разному и требуют разных окон.
- По среднему чеку. Часто небольшая доля клиентов даёт основную выручку — за их удержанием следят пристально.
Сегментация превращает абстрактный процент в план действий: видно, какие группы удерживать в первую очередь и где отдача от усилий максимальна.
Дашборд удержания и автоматизация
Пока метрики считаются раз в квартал в Excel, ими никто не пользуется в решениях — данные устаревают быстрее, чем доходят до дела. Полезная аналитика удержания живёт в дашборде, который обновляется сам. Данные заказов из 1С-Битрикс и 1С собираются в единый слой, метрики пересчитываются по расписанию, а команда видит свежие когорты и тренды.
Регулярный пересчёт удобно повесить на фоновые задания платформы — агенты и очереди, — чтобы тяжёлые выборки не тормозили сайт. Как устроен деплой и запуск таких регулярных процессов, мы разбираем в материале про CI/CD и деплой на Битрикс. Сама подготовка данных — это работа по автоматизации учётной системы, чтобы аналитика получала чистые цифры без ручного труда.
Частые ошибки при расчёте возвратов
- Считать по cookie, а не по клиенту. Один человек с разных устройств задваивается, удержание занижается.
- Смешивать когорты. Общий retention маскирует ухудшение у свежих клиентов за счёт старого ядра.
- Неверное окно. Слишком короткое окно записывает нормальных клиентов в отток.
- Учитывать неоплаченные заказы. Брошенные корзины и отмены раздувают базу и искажают возвраты.
- Игнорировать средний чек. Retention держится, но чек вернувшихся падает — LTV снижается незаметно.
- Ручной пересчёт. Метрики устаревают и теряют доверие команды, решения принимаются на глаз.
- Не связывать с 1С. Для B2B клиент идентифицируется по контрагенту, иначе повторы считаются неверно.
Чек-лист внедрения метрики удержания
- Определены понятия. Зафиксировано, кто «клиент», что считается «возвратом» и какое окно наблюдения.
- Данные заказов выгружаются. Оплаченные заказы с клиентом, датой и суммой доступны из 1С-Битрикс через ORM.
- Клиент идентифицирован. Для B2B — по коду контрагента из 1С, а не только по аккаунту сайта.
- Построены когорты. Клиенты сгруппированы по месяцу первого заказа, посчитан retention по шагам.
- Окно обосновано. Выбрано по медианному межзаказному интервалу, отдельно по категориям.
- Связка с Метрикой. Источники трафика сопоставлены с удержанием привлечённых клиентов.
- Дашборд автоматизирован. Метрики пересчитываются по расписанию, команда видит свежие данные.
- Настроена сегментация. Удержание разбито по каналам, категориям и типам клиентов для решений.
Вывод
Метрика удержания показывает то, что скрыто за общей выручкой: возвращаются ли к вам клиенты или магазин живёт только за счёт нового трафика. Считать её нужно по когортам, по реальным оплаченным заказам и с идентификацией клиента из 1С, а окно выбирать по межзаказному интервалу вашего товара, а не «на глаз».
Связав веб-аналитику с данными из 1С-Битрикс и 1С и собрав всё в автоматический дашборд, вы получите раннюю систему предупреждения: увидите падение возвратов раньше, чем оно ударит по деньгам, и сможете направить усилия туда, где отдача выше — на удержание клиентов, за которых уже заплачено. Именно это чаще всего даёт бизнесу более устойчивый рост, чем очередное увеличение рекламного бюджета.
