Скоринг вовлечённости — это метод количественной оценки активности клиента на основе его взаимодействий с брендом через различные каналы коммуникации.
Скоринг вовлечённости (engagement scoring) — это система количественной оценки уровня активности клиента, основанная на его взаимодействиях с брендом. Каждому действию клиента — открытию письма, клику по ссылке, посещению сайта, совершению покупки — присваивается определённое количество баллов. Итоговый балл отражает, насколько клиент заинтересован в продукте или услуге.
В отличие от традиционного lead-скоринга, который оценивает готовность к покупке, скоринг вовлечённости фокусируется на глубине взаимодействия. Клиент может быть высоко вовлечён, но не готов к покупке прямо сейчас — и наоборот. Поэтому современные платформы комбинируют оба подхода для получения полной картины.
Система скоринга вовлечённости учитывает не только факт взаимодействия, но и его давность, частоту и канал. Открытие письма вчера значит больше, чем открытие месяц назад. Регулярные визиты на сайт свидетельствуют о большем интересе, чем разовый клик. Таким образом, скоринг создаёт динамическую модель поведения клиента, которая постоянно обновляется.
Скоринг вовлечённости решает ключевую проблему маркетинга — приоритизацию усилий. Вместо равномерной рассылки по всей базе маркетолог может сосредоточиться на самых активных клиентах или, наоборот, выявить тех, кто теряет интерес.
Согласно исследованиям, компании, использующие скоринг вовлечённости, увеличивают конверсию email-кампаний на 25–40%. Это достигается за счёт более точного таргетинга: высоко вовлечённые клиенты получают предложения о покупке, а клиенты с низким скором — реактивационные кампании.
Кроме того, скоринг помогает оптимизировать расходы на маркетинг. Отправка SMS или WhatsApp-сообщений стоит денег, и нет смысла тратить бюджет на клиентов, которые не реагируют ни на какие коммуникации. Скоринг позволяет автоматически перераспределять бюджет в пользу каналов и аудиторий с наибольшей отдачей. По данным аналитиков, это снижает стоимость привлечения (CAC) на 15–20%.
Скоринг вовлечённости строится на весовой модели. Каждому типу взаимодействия присваивается вес, отражающий его значимость. Типичная модель включает:
Баллы суммируются за определённый период (обычно 30, 60 или 90 дней) и нормализуются в шкалу от 0 до 100. Для учёта давности применяется экспоненциальное затухание: вчерашнее открытие весит больше, чем позавчерашнее.
Продвинутые системы используют машинное обучение для автоматического определения весов. Алгоритм анализирует, какие действия лучше всего предсказывают конверсию, и корректирует модель.
Интернет-магазин электроники. Компания внедрила скоринг вовлечённости и разделила базу на три сегмента: горячие (80–100 баллов), тёплые (40–79) и холодные (0–39). Горячие клиенты получали персональные предложения с ограниченным сроком, тёплые — образовательный контент, холодные — реактивационные кампании. За 3 месяца конверсия выросла на 32%, а расходы на SMS сократились на 45%.
SaaS-платформа. Сервис управления проектами использовал скоринг для выявления клиентов, которые перестали активно использовать продукт. Когда скор падал ниже 30, автоматически запускалась серия обучающих писем. Отток сократился на 18% за полгода.
Ресторанная сеть. Программа лояльности с интеграцией скоринга позволила выявить, что клиенты, активно взаимодействующие с push-уведомлениями, посещают рестораны на 60% чаще. Это позволило перенаправить бюджет с SMS на push-канал и сэкономить 200 000 рублей в месяц.
В Trigly скоринг вовлечённости реализован через композитный AI-скор от 0 до 100 баллов, который рассчитывается автоматически для каждого клиента. Модель учитывает четыре компонента: вовлечённость (30%), монетарная ценность (30%), давность активности (20%) и лояльность (20%).
Платформа использует данные из ClickHouse за 90 дней для расчёта engagement-скора по каналам. Формула учитывает открытия, клики и доставки: score = opens/delivered * 0.4 + clicks/delivered * 0.6. Результаты хранятся в CDP с 45+ полями клиента, включая ai_score и ai_score_updated_at.
Smart Channel Service на основе скоринга автоматически рекомендует оптимальный канал коммуникации для каждого клиента, что обеспечивает максимальную доставляемость и вовлечённость.
Lead-скоринг оценивает готовность к покупке и чаще используется в B2B. Скоринг вовлечённости оценивает общую активность клиента по всем каналам и больше подходит для B2C и retention-маркетинга. В Trigly оба подхода объединены в композитном AI-скоре.
Рекомендуется пересчитывать ежедневно или при каждом значимом взаимодействии. В Trigly пересчёт AI-скоров выполняется автоматически через Celery-задачи, а RFM-скоры обновляются каждую ночь в 3:00.
Универсального порога нет — он зависит от бизнеса. Обычно клиенты с баллом выше 70 считаются высоко вовлечёнными, 30–70 — умеренно, ниже 30 — требуют реактивации. Trigly позволяет создавать динамические сегменты по любым порогам скора.
Trigly реализует многоуровневую систему скоринга, которая учитывает данные из нескольких источников. Базовый уровень — RFM-скоринг (RFMService): ежесуточный расчёт давности, частоты и монетарной ценности через Celery-задачу recalculate_rfm. Результаты сохраняются в полях rfm_recency, rfm_frequency, rfm_monetary, rfm_score и rfm_segment профиля клиента.
Продвинутый уровень — AI-скоринг (AIScoringService): композитная оценка 0-100, которая объединяет поведенческие данные из ClickHouse (события за 90 дней — клики, просмотры, покупки) с транзакционными данными из CDP. При наличии данных из ClickHouse модель использует 5 компонентов: вовлечённость (25%), монетарная ценность (25%), давность (20%), лояльность (15%) и разнообразие действий (15%).
На основе скоринга работает Smart Channel Service: для каждого клиента рассчитывается engagement-скор по каждому каналу (email, SMS, Telegram, push). Формула score = opens/delivered * 0.4 + clicks/delivered * 0.6 определяет, через какой канал клиент наиболее вовлечён. Celery-задача update_preferred_channels ежедневно обновляет поле preferred_channel в профиле, что позволяет автоматически выбирать оптимальный канал для каждого клиента.
Банк внедрил скоринг вовлечённости для сегментации держателей кредитных карт. Клиенты с высоким скором (открывают письма, используют мобильное приложение, реагируют на push) получали предложения по кросс-продажам — конверсия в оформление нового продукта составила 8,5%. Клиенты с низким скором получали только транзакционные уведомления, что снизило отписки на 40%.
Интернет-магазин использовал скоринг для выбора канала промо-рассылки. Клиенты с высоким engagement в email получали промо по почте (бесплатно), клиенты с высоким engagement в push — push-уведомления (бесплатно), и только для клиентов без реакции на бесплатные каналы использовались SMS (2,5 рубля за сообщение). Это сократило маркетинговый бюджет на 35% без потери конверсии.
Музыкальный сервис отслеживал скор вовлечённости по частоте прослушиваний, созданию плейлистов и шэрингу. Падение скора ниже 30 автоматически запускало реактивационную цепочку через Flow Builder с рекомендациями новых треков. Это снизило месячный churn rate с 7% до 4,8%.
«Высокий скор = готовность к покупке». Это не всегда так. Клиент может активно читать блог, открывать каждое письмо и кликать по ссылкам, но при этом не покупать — он просто потребляет контент. Скоринг вовлечённости показывает интерес к бренду, а не намерение совершить транзакцию. Для оценки готовности к покупке используется lead-скоринг, который учитывает другие сигналы: просмотр страницы с ценами, добавление в корзину, запрос демо.
«Достаточно считать скор раз в месяц». Вовлечённость — динамичная характеристика. Клиент, который был активен неделю назад, уже может терять интерес. Ежедневный или real-time пересчёт позволяет оперативно реагировать на изменения. В Trigly ночной пересчёт через Celery обеспечивает актуальность данных с задержкой максимум в 24 часа.
«Один порог скора подходит для всех сегментов». Средний скор вовлечённости сильно зависит от отрасли и типа продукта. В e-commerce с частыми покупками скор 50 может быть нормой, а в B2B SaaS с длинным циклом продажи — отличным показателем. Важно определять пороги относительно распределения скоров в вашей конкретной базе, а не использовать абсолютные значения.
Скоринг вовлечённости тесно интегрирован с RFM-анализом: RFM оценивает транзакционное поведение (покупки), а engagement-скор — коммуникационное (реакции на сообщения). Вместе они дают полную картину ценности клиента. Клиент с высоким RFM, но низким engagement — кандидат на смену канала коммуникации. Клиент с низким RFM, но высоким engagement — потенциальный покупатель, которого нужно подтолкнуть предложением.
Данные скоринга также используются в предиктивной аналитике: ChurnPredictor в Trigly включает поведенческие признаки из ClickHouse в обучающую выборку. Падение engagement-скора является одним из сильнейших предикторов оттока — модель может предсказать уход клиента за 30-60 дней до фактического события, давая маркетологу время на реактивацию.
AI-платформа автоматизации маркетинга с лучшими инструментами