Как SaaS снизил отток на 30% с помощью AI
Кейс: SaaS-платформа снизила monthly churn с 4.8% до 3.4% с помощью AI-предсказания оттока, проактивных кампаний и автоматического health scoring.
Клиент
Российский SaaS для управления проектами и задачами (аналог Asana/Notion для российского рынка). 12 000 активных организаций-клиентов, 65 000 пользователей. Тарифы: Free (до 5 пользователей), Team (890₽/мес/пользователь), Business (1 490₽/мес/пользователь), Enterprise (договорная). MRR — 28 млн₽.
Проблема
Monthly churn rate составлял 4.8% — каждый месяц уходило ~576 организаций. Для SaaS с подписочной моделью это критически высокий показатель: при таком churn полная ротация базы происходит за 21 месяц.
Финансовые потери от churn
| Метрика | Значение |
|---|---|
| Monthly churn rate | 4.8% |
| Уходящих организаций/мес | 576 |
| Средний MRR уходящего | 8 200₽ |
| Потерянный MRR/мес | 4 723 200₽ |
| Потерянный ARR | 56 678 400₽ |
| LTV (при текущем churn) | 171 000₽ |
| CAC | 42 000₽ |
| LTV/CAC | 4.1x |
При снижении churn на 30% (до 3.4%):
- Потерянный MRR снизится до 3 332 000₽ (экономия 1.39 млн₽/мес)
- LTV вырастет до 241 000₽
- LTV/CAC улучшится до 5.7x
Текущее состояние retention
- Нет предсказания оттока — узнают об уходе клиента, когда он отменяет подписку
- Ручной мониторинг — CSM (Customer Success Manager) проверял активность ключевых клиентов вручную
- Одинаковая стратегия для всех — нет сегментации по риску оттока
- Нет health scoring — не было метрики «здоровья» клиента
- Email-only коммуникация — Open Rate 18%, большинство retention-писем не читали
Решение с Trigly
Этап 1: Customer Health Scoring (неделя 1-2)
Создали композитный Health Score в Trigly на основе AI scoring — оценка 0-100 для каждой организации:
Компоненты Health Score:
| Компонент | Вес | Источник данных | Логика |
|---|---|---|---|
| Product Engagement | 30% | SDK события | DAU/MAU ratio, feature adoption |
| Support Sentiment | 15% | Тикеты поддержки | Частота тикетов, CSAT, time to resolve |
| Billing Health | 15% | CRM | Просрочки платежей, downgrade сигналы |
| Growth Signal | 15% | SDK | Рост пользователей в организации |
| Communication Engagement | 10% | Trigly CDP | Email opens, event attendance |
| NPS Score | 15% | Опросы | Последний NPS |
Данные о продуктовой активности отправлялись через SDK: login, task_created, project_created, integration_added, user_invited, feature_used (с параметром feature_name). Агрегация событий происходила в ClickHouse, результаты обновляли кастомные поля в CDP-профиле.
Пороги Health Score:
| Score | Статус | Кол-во организаций | Действие |
|---|---|---|---|
| 80-100 | Healthy | 4 800 (40%) | Upsell, advocacy |
| 60-79 | Moderate | 4 320 (36%) | Engagement campaigns |
| 40-59 | At Risk | 1 920 (16%) | Proactive outreach |
| 0-39 | Critical | 960 (8%) | Urgent intervention |
Этап 2: AI Churn Prediction (неделя 2-3)
Подключили ML-модель предсказания оттока в Trigly. Модель использует 12 признаков:
Базовые признаки (из CDP):
- Количество дней с момента регистрации
- Текущий тариф (Free/Team/Business)
- Количество пользователей в организации
- Total revenue (накопленный)
- Количество тикетов поддержки за 30 дней
Поведенческие признаки (из ClickHouse): 6. DAU/MAU ratio (30 дней) 7. Количество созданных задач/проектов (30 дней) 8. Количество интеграций 9. Тренд активности (рост/падение за 3 месяца) 10. Использование ключевых фич (timeline, reporting, automation) 11. Последний login (дней назад) 12. Количество приглашённых пользователей (30 дней)
Модель обучена на исторических данных (1 год, 14 000 организаций, из них 3 200 churned). Точность предсказания: 78% precision, 72% recall. Обновление score — еженедельно через Celery задачу.
Сегменты по churn probability:
| Churn Probability | Кол-во | Реальный churn (до интервенции) |
|---|---|---|
| < 10% | 6 600 (55%) | 1.2% |
| 10-30% | 2 880 (24%) | 4.5% |
| 30-60% | 1 560 (13%) | 12.8% |
| > 60% | 960 (8%) | 28.4% |
Этап 3: Автоматические retention-потоки (неделя 3-4)
Поток 1: Proactive Engagement (Health Score 40-59)
Цель: повысить engagement до выхода в зону Critical.
| День | Канал | Сообщение |
|---|---|---|
| 0 | «3 функции, которые сэкономят вашей команде 5 часов в неделю» (персонализировано по неиспользуемым фичам) | |
| 3 | Telegram | «Совет дня: как настроить [фича] за 2 минуты» (видео) |
| 7 | «Ваша команда использует 40% возможностей платформы — вот что упускаете» | |
| 10 | Push | «Бесплатный вебинар: продвинутые возможности для вашего тарифа» |
| 14 | «Персональная консультация с экспертом — бесплатно для вашего тарифа» |
Контент генерировался через AI Trigly на основе feature adoption: если клиент не использует timeline — отправляем гайд по timeline, не использует automation — гайд по automation.
Поток 2: Critical Intervention (Health Score < 40)
| Шаг | Канал | Действие |
|---|---|---|
| 0 | Уведомление CSM | «Critical: [Компания], Health Score [X], Churn Prob [Y]%» |
| 0 | «[Имя], заметили, что вы реже заходите. Всё ли в порядке?» | |
| 1 | Telegram | «Бесплатная сессия с экспертом — разберём, как упростить ваши процессы» |
| 3 | «Специальное предложение: скидка 30% на 3 месяца» (только для At Risk) | |
| 5 | Телефон | Звонок CSM (автоматическая задача в CRM) |
| 7 | «Мы готовы адаптировать платформу под ваши задачи — расскажите, что нужно» |
Скидка 30% предлагалась только организациям с MRR > 5 000₽ и churn probability > 50%. Для Free-тарифа и маленьких организаций — только контентная помощь (экономия бюджета на скидках).
Поток 3: Win-back (после отмены подписки)
| День | Канал | Сообщение |
|---|---|---|
| 0 | Опрос причины отмены (5 вариантов) | |
| 3 | Telegram | «Мы учли ваш фидбек. Вот что изменилось:» |
| 7 | «Скидка 50% на первые 2 месяца при возвращении» | |
| 14 | «Новые функции, которые вы просили: [персонализировано по фидбеку]» | |
| 30 | «Последнее предложение: пробный период 30 дней бесплатно» |
Поток 4: NPS-опрос и follow-up
Каждые 90 дней через Telegram:
- NPS-опрос (0-10)
- Score 9-10 (Promoters): «Спасибо! Порекомендуете нас коллегам? Реферальный бонус — месяц бесплатно»
- Score 7-8 (Passives): «Что улучшить? Выберите из списка»
- Score 0-6 (Detractors): Немедленное уведомление CSM + «Ваш фидбек очень важен. CSM свяжется в течение часа»
Этап 4: Подключение каналов (неделя 2)
| Канал | Подписчики | Использование |
|---|---|---|
| 12 000 (100%) | Длинный контент, nurturing | |
| Telegram | 7 800 (65%) | Быстрые tips, NPS, уведомления |
| Push (in-app) | 10 800 (90%) | Feature adoption nudges |
| SMS | 12 000 (100%) | Критические: оплата, downtime |
Smart Send в Trigly автоматически выбирал канал: для Tech-аудитории (разработчики, PM) — Telegram (CTR 22%); для Business-аудитории (CEO, CFO) — Email (привычнее для формальных коммуникаций).
Этап 5: Feature Adoption Campaigns (неделя 4-5)
Для каждой ключевой фичи (timeline, reporting, automation, integrations, mobile app) создали мини-цепочку:
Триггер: организация на тарифе Team/Business, использует < 50% доступных фич, не использует конкретную фичу 30+ дней.
- Push (in-app): «Знаете ли вы о [фича]? 2-минутный тур»
- Email (+3 дня): «Как [фича] поможет вашей команде: 3 сценария»
- Telegram (+7 дней): «Видео: настройка [фича] за 5 минут»
Цель: feature adoption увеличивает stickiness (переключение на конкурента сложнее, если используешь уникальные фичи).
Результаты (5 месяцев)
Churn Rate
| Период | Monthly Churn | Churned Orgs | Потерянный MRR |
|---|---|---|---|
| До (среднее) | 4.8% | 576 | 4 723 200₽ |
| Месяц 1 | 4.5% | 540 | 4 428 000₽ |
| Месяц 2 | 4.1% | 492 | 4 034 400₽ |
| Месяц 3 | 3.7% | 444 | 3 640 800₽ |
| Месяц 4 | 3.5% | 420 | 3 444 000₽ |
| Месяц 5 | 3.4% | 408 | 3 345 600₽ |
Снижение monthly churn: с 4.8% до 3.4% (-29%)
Финансовый эффект
| Метрика | До | После | Изменение |
|---|---|---|---|
| Monthly churn | 4.8% | 3.4% | -29% |
| Churned orgs/мес | 576 | 408 | -29% |
| Потерянный MRR/мес | 4 723 200₽ | 3 345 600₽ | -29% |
| Сохранённый MRR/мес | — | 1 377 600₽ | Новый |
| LTV (расчётный) | 171 000₽ | 241 000₽ | +41% |
| LTV/CAC | 4.1x | 5.7x | +39% |
| NRR (Net Revenue Retention) | 94% | 101% | +7 п.п. |
| Win-back rate | 2% | 8% | +300% |
| Расходы на Trigly + скидки | — | 285 000₽/мес | — |
| Net saved MRR | — | 1 092 600₽/мес | — |
NRR превысил 100% — это означает, что рост от upsell компенсирует остаточный churn. Бизнес перешёл из «leaky bucket» в устойчивый рост.
Эффективность AI-модели
| Метрика модели | Значение |
|---|---|
| Precision (точность) | 78% |
| Recall (полнота) | 72% |
| True positive (верно предсказанный churn) | 72% |
| False positive (ложная тревога) | 22% |
| Предупреждение до churn | 3-6 недель |
Модель выявляет 72% будущих churners за 3-6 недель до отмены подписки. Это даёт время для интервенции. 22% ложных тревог — приемлемая цена (engagement-кампании полезны и для здоровых клиентов).
Эффективность retention-потоков
| Поток | Охват/мес | Recovery Rate |
|---|---|---|
| Proactive Engagement (At Risk) | 1 920 | 35% перешли в Moderate/Healthy |
| Critical Intervention | 960 | 22% перешли в At Risk+ |
| Win-back | 408 | 8% вернулись |
| Feature Adoption | 3 600 | +28% feature usage |
Ключевые инсайты
1. DAU/MAU — лучший предиктор churn
Организации с DAU/MAU < 15% имеют churn probability 45%. С DAU/MAU > 40% — только 2%. Это самый сильный сигнал из 12 признаков модели. Мониторинг DAU/MAU через SDK события в Trigly — первый шаг к предсказанию оттока.
2. Feature adoption снижает churn экспоненциально
| Используемых фич | Monthly Churn |
|---|---|
| 1-2 | 8.2% |
| 3-4 | 4.1% |
| 5-6 | 2.3% |
| 7+ | 0.8% |
Каждая дополнительная фича снижает churn почти в 2 раза. Feature adoption campaigns — самый рентабельный retention-инструмент (нулевая стоимость, высокий эффект).
3. Скидка — не панацея
Скидка 30% удерживает 22% At Risk клиентов. Но персональная консультация с экспертом — 35%. Клиенты уходят не из-за цены, а из-за неиспользования продукта. Помощь в адаптации эффективнее скидки.
4. NPS как ранний индикатор
NPS-опрос через Telegram каждые 90 дней выявляет Detractors за 4-8 недель до churn. 62% Detractors (NPS 0-6) уходят в течение 60 дней, если не провести интервенцию. Мгновенное уведомление CSM при NPS ≤ 6 спасает 28% потенциальных churners.
5. Telegram > Email для SaaS retention
Open rate retention-писем: 18% (email) vs 78% (Telegram). Для SaaS-аудитории (PM, разработчики, CEO стартапов) Telegram — основной рабочий инструмент. Smart Send автоматически определяет предпочтительный канал.
6. Win-back работает с правильным таймингом
Win-back кампания через 3-7 дней после отмены: recovery 8%. Через 30+ дней: recovery 1.5%. Скорость реакции критична — в Trigly win-back поток запускается автоматически в момент отмены подписки.
FAQ
Какая минимальная база для обучения модели churn prediction? 500+ организаций с историей 6+ месяцев. Trigly использует GradientBoosting, который эффективен даже на небольших выборках.
Не раздражает ли клиентов проактивный outreach? Нет, если он полезен. «Вы не используете timeline — вот как она сэкономит 3 часа/неделю» воспринимается как забота, не как спам. Frequency capping ограничивает до 2 сообщений/неделю.
Как измерить impact модели? A/B тест: 50% At Risk получают retention-поток, 50% — нет. Сравните churn через 60 дней. В нашем случае: 12% churn с потоком vs 28% без — снижение на 57%.
Сколько стоит внедрение? Trigly Growth (24 900₽/мес) + SDK интеграция (8-12 часов разработчика) + настройка потоков (16-20 часов маркетолога). Окупаемость — 1 месяц.
Заключение
SaaS-платформа снизила monthly churn с 4.8% до 3.4% (-29%) за 5 месяцев, используя AI-предсказание оттока и автоматические retention-кампании в Trigly. Ключевые элементы: Health Score из 6 компонентов, ML-модель с 78% точностью, проактивные engagement-потоки, feature adoption campaigns и NPS-мониторинг через Telegram. Сохранённый MRR — 1.09 млн₽/мес, LTV вырос на 41%, NRR превысил 100%.
Снизьте churn вашего SaaS — подключите AI-предсказание оттока в Trigly и начните сохранять клиентов уже через неделю.