CRR: как посчитать удержание клиентов и какое значение нормально

Коэффициент удержания клиентов CRR показывает, какая часть клиентов на начало периода осталась с компанией к его концу, и считается так: из клиентов на конец периода вычитают новых, делят на клиентов на начало и умножают на сто. Само число зависит от возраста базы, ведь клиенты первого года уходят заметно чаще давних, и после года быстрого роста одна и та же компания показывает удержание ниже, чем после спокойного.

Дальше формула на числах и откуда взялись отраслевые «нормы». В конце разберу, как превратить расчёт в деньги, то есть какие вопросы задать своей базе, как ответить на них по выгрузке и как повторять проверку за полчаса в DeepSeek или ChatGPT по готовому промпту.

Формула CRR и расчёт на числах

Вся точность этой дроби держится на вычитании новых клиентов. Без него новички закрывают собой ушедших, и база выглядит крепче, чем есть.

Числа дальше учебные. Представим компанию, у которой в начале года 1 200 клиентов, к концу 1 150, и 240 из них пришли впервые за этот год. Удержание выходит (1 150 − 240) / 1 200 × 100 = 75,8 %, то есть из прежней базы остались 910 клиентов, а 290 ушли. Число клиентов почти не сдвинулось, хотя компания потеряла четверть базы и заменила её новыми.

Последнюю строку я держу рядом с первой: удержание по числу клиентов ставит ушедшего оптовика вровень с разовым покупателем, а по выручке видно, сколько денег лежит в базе клиентов и сколько ушло.

Какой коэффициент удержания считать нормальным

Таблицу отраслевых норм переписывают друг у друга годами. Цифры из неё (медиа и профессиональные услуги 84 %, гостиницы и рестораны 55 %) восходят к опросу Statista 2018 года, а 63 % для магазинов ходят по русским справочникам вовсе без источника.

Bluecore посчитал по сотне с лишним ритейлеров за 2024 год, какая часть покупателей прошлого года купила снова, и вышло 27,4 % в среднем по семи категориям, от 19,1 % у украшений до 41,2 % у товаров для здоровья и красоты. Разница больше чем вдвое, но методику Statista не раскрывает, и сравнивать два числа напрямую нельзя.

Подписка, B2B и Россия

В подписочном B2B мерят деньги. По опросу SaaS Capital медианная частная B2B SaaS-компания с годовой выручкой от миллиона долларов сохраняет за год 91 % выручки прежних клиентов без допродаж. Подписки теряют, по данным Recurly, 3,6 % подписчиков в месяц, и пустяком это кажется до первого годового расчёта: 0,964 в двенадцатой степени оставляет из сотни 64.

Открытых российских данных по отраслям я не нашёл. В опросе НАФИ и Союза электронной торговли июля 2025 года по 502 компаниям много повторных покупателей отметили у себя 40 % продающих только через свой сайт и 19 % торгующих только на маркетплейсах, но это число описывает компании, а не их базы.

Общий процент падает, когда в базе много новичков

Клиенты первого года уходят чаще всех, поэтому средний процент зависит от того, сколько в базе новичков. Питер Фейдер и Брюс Харди в статье 2007 года разобрали двенадцать лет данных подписочного сервиса. У обычных клиентов за первый год осталось 63,1 %, а среди доживших до двенадцатого года за год остались 94,5 %.

Клиент с годами вернее не становится, просто склонные уйти уходят первыми. Собственник хочет, чтобы реклама приводила больше клиентов, а на следующий год после удачной рекламы общий коэффициент проседает, ведь в базе много вчерашних новичков, хотя давние клиенты держатся как прежде. После спокойного года он растёт, и хвалят за это тех, кто ничего не менял.

Противоречие снимается сменой разреза. Удержание смотрят по группам клиентов одного месяца прихода, и кривая удержания по когортам показывает, держатся ли новые клиенты лучше прошлогодних.

Нормальное удержание то, при котором клиент окупает привлечение

По моему опыту, отраслевая норма отвечает на чужой вопрос. Собственнику важно, успеет ли клиент вернуть деньги, потраченные на его привлечение, и решает это экономика самой компании.

Числа дальше учебные. Пусть привлечение подписчика стоит 20 000 рублей, подписка 900 рублей в месяц, маржа 70 %, то есть 630 рублей с месяца. Клиент окупается за 20 000 / 630 = 31,7 месяца. Если отток постоянный, средний срок жизни примерно равен единице, делённой на месячный отток, значит, предельный отток равен 630 / 20 000 = 3,15 %, а удержание нужно держать около 97 % в месяц.

При оттоке 3,6 % в месяц, как в среднем у подписок, клиент живёт в среднем около 28 месяцев (1 / 0,036), и привлечение не окупается. Дешёвый тариф работает против компании, ведь чем ниже цена подписки, тем дольше клиент обязан не уходить. Срок жизни, маржу и цену клиента связывает юнит-экономика, а допустимую цену привлечения покупателя считают от маржи заказов.

Как это выглядит в салоне красоты

Самодельная метрика часто ближе к удержанию, чем кажется её автору. В чате владельцев салонов собственник рассказал, что берут клиентов за прошедшие восемь месяцев и смотрят, сколько из них вернулось за месяц, и «лучший показатель был 34 %».

Числа дальше учебные. Представим салон на шесть мастеров в городе до миллиона жителей. На начало квартала у него 400 гостей, из них 280 давних и 120 новичков прошлого квартала, где 80 пришли по рекламе со скидкой на первый визит, а 40 по рекомендации.

Общие 65 % почти совпадают с «нормой» магазинов 63 %, и собственник успокаивается, хотя рекламный новичок возвращается реже одного раза из шести. Журнал записи канал прихода хранит редко, и свести удержание по источникам гостей в один отчёт проще с теми, кто делает это постоянно.

Что поменять и что покажут цифры

Допустим, абонемент на уход предлагают каждому новому гостю на первом визите, и процент администратора считают с повторных записей. Если рекламные новички начинают возвращаться в 40 % случаев, их приходит 32 вместо 12, удержание группы растёт в 2,7 раза, а общий коэффициент с 65 до 70 %.

Пять пунктов общего процента прячут главное, поэтому удержание по каждому каналу прихода стоит выводить отдельной строкой каждый квартал. Скидку на первый визит я бы проверил первой, она приводит гостей, которые за ней и приходили.

Что в расчёте удержания я отдаю нейросети

Нейросеть делает ту часть, на которую у собственника не хватает вечера. Из выгрузки оплат она за минуты разбивает клиентов по месяцу первой покупки и считает удержание групп и каналов.

Опасна она в трёх местах. Окно активности модель выберет сама, вернувшегося через год клиента посчитает новым, а при нехватке данных подставит «среднюю по отрасли». Окно, склейку дублей и стоимость привлечения я поэтому задаю сам.

Что делать с группой, которая не держится, решает собственник, ведь модель не знает, что скидка первого визита держит загрузку мастеров в будни. Если считать каждый месяц без ручной сборки, юнит-экономику с удержанием по каналам ставят один раз, и дальше обновляется только выгрузка.

Промпт: удержание клиентов по вашей выгрузке

Подойдёт любая крупная модель: DeepSeek работает бесплатно и без VPN, ChatGPT и Claude мощнее, но с ограничениями доступа из России. Имена и телефоны клиентов замените метками, персональные данные и коммерческую тайну в публичный чат не вставляйте.

Роль: ты аналитик клиентской базы небольшой компании.

Результат: удержание (CRR) по кварталам, по месяцу первой покупки и по каналу прихода, порог окупаемости клиента и фразы для команды.

Зачем: понять, кто уходит после первой покупки и на чём я теряю деньги.

Ниже выгрузка оплат за 12–24 месяца (метка клиента, дата, сумма, канал прихода), моя маржа в процентах и стоимость привлечения по каналам в рублях.

Работай по шагам, к следующему переходи только после предыдущего:
1. Найди пустые даты, дубли и оплаты без канала, спроси, как с ними быть.
2. Посчитай медианный интервал между покупками. Предложи окно активности в 2–3 интервала и дождись моего согласия.
3. CRR по кварталам: возьми клиентов, активных на начало квартала, и посчитай, какой процент из них активен на конец.
4. Какой процент клиентов каждого месяца первой покупки активен через 3, 6 и 12 месяцев.
5. То же по каналам прихода.
6. Для подписки раздели маржу клиента за месяц на стоимость привлечения и сравни с месячным оттоком канала. Для разовых покупок сравни маржу клиента за 12 месяцев со стоимостью привлечения.
7. Три находки с числами: где удержание ниже порога, кто уходит после первой покупки, сколько маржи ушло.

Нюансы: противоречие в данных покажи и не выбирай сам. Под каждой находкой одна фраза, которую я скажу команде завтра.

Рамки: не выдумывай средние по отрасли и числа, которых нет в выгрузке. Мотивационные речи и рассуждения о важности опусти полностью.

Коротко: главное из статьи

• CRR равен клиентам на конец периода минус новые, делённым на клиентов на начало и умноженным на сто.
• Отраслевые 84 % для медиа и 55 % для гостиниц взяты из опроса Statista 2018 года.
• По замеру Bluecore за 2024 год снова покупают 27,4 % прошлогодних покупателей.
• Подписки теряют около 3,6 % подписчиков в месяц, за год это 36 из ста.
• Новички уходят чаще давних, поэтому удержание сравнивают по группам одного месяца прихода.
• Предельный отток за месяц равен марже клиента за месяц, делённой на стоимость его привлечения.

Частые вопросы