# Настройка персональных предложений по сегментам: как перейти от одного оффера для всех к экономике по ценности клиента

> Скидка 15% на всю базу раздает маржу тем, кто купил бы и так. Как собрать матрицу офферов от LTV сегмента и подтвердить эффект через uplift.

**Рубрика:** Статьи  
**Автор:** Екатерина Чернова, CRM-маркетолог, ClientCore  
**Дата:** 2026-10-24

Знакомая картина: каждый месяц на всю базу уходит промо со скидкой 15%. В отчете по email-каналу все выглядит прилично: открытия есть, заказы есть, выручка с рассылки растет. Через полгода финансовый директор смотрит на маржу и спрашивает, почему средняя скидка на заказ выросла с 6% до 11%. CRM-команда отвечает, что без акций продажи просядут. Обе стороны по-своему правы, и обе не знают, сколько денег эти акции на самом деле приносят.

Корень у этого спора один. Одинаковый оффер получают клиент, который покупает каждые три недели, и клиент, который пропал год назад. Первому скидка не нужна, второму 15% может быть мало. Компания доплачивает лояльным и недоплачивает тем, кого еще можно вернуть. Как выстроить настройку персональных предложений по сегментам, мы обсуждали с Екатериной Черновой, CRM-маркетологом ClientCore. Она отвечает за офферную механику в проектах на Mindbox и всегда начинает с выгрузки заказов с промокодами.

> **Читайте также:** [Настройка сегментов по поведению: какие действия клиента должны менять коммуникацию уже сегодня](https://clientcore.ru/blog/articles/nastroyka-segmentov-po-povedeniyu-kakie-deystviya-klienta-dolzhny-menyat-kommunikaciyu-uzhe-segodnya)

## Сколько на самом деле стоит скидка на всю базу

Посчитаем на условном примере. Интернет-магазин отправляет промо -15% на 200 000 активных клиентов. Акция приносит 4 000 заказов со средним чеком 6 000 рублей до скидки, маржинальность до скидки — 45%. В отчете это 24 млн рублей, и выглядит как успех.

Теперь допустим, что 2 800 из этих заказов случились бы и без промо: люди и так собирались покупать, а код просто подвернулся в почте. На них компания отдала 15% от 16,8 млн, то есть 2,52 млн рублей чистой маржи. Оставшиеся 1 200 заказов действительно дополнительные. Они принесли около 2,16 млн маржи уже с учетом скидки. Итог: акция с оборотом 24 млн ушла в минус примерно на 360 тысяч.

Цифры условные, но соотношение встречается часто. Проблему маскирует атрибуция по последнему клику: она записывает в заслуги рассылки каждый заказ с промокодом и не отделяет купивших благодаря скидке от тех, кто купил бы в любом случае. Есть и вторая беда, которая тянется дольше: база учится ждать. Если промо приходит каждые 30 дней, часть клиентов сдвигает покупку на дату акции, и полная цена становится для них странным исключением.

> На аудите я выгружаю все заказы с промокодом за последний квартал и смотрю, какая доля пришла от клиентов, которые и без того покупали с интервалом 30–40 дней. Если таких больше половины, акция в основном оплачивает лояльных. Следующим шагом смотрю, сколько клиентов за год ни разу не купили по полной цене. Когда эта доля переваливает за треть, скидка уже стала частью цены, и снимать ее придется аккуратно, по сегментам».
>
> — Екатерина Чернова, CRM-маркетолог, ClientCore

## Из чего собирать сегменты под офферы

Классический RFM хорошо показывает, где клиент находится в жизненном цикле. Для оффера этого мало: два клиента в одной RFM-ячейке могут по-разному реагировать на скидку и приносить разную маржу. Поэтому матрицу удобнее строить по трем осям.

**Стадия жизненного цикла.** Новичок после первого заказа, активный повторный покупатель, клиент в зоне риска (интервал между покупками превышен в 1,5–2 раза), ушедший. От стадии зависит задача оффера: закрепить привычку, удержать или вернуть.

**Ценность.** Здесь лучше смотреть на прогнозный LTV или хотя бы на маржу за последние 12 месяцев, а выручка без учета маржи только путает. Клиент, который покупает дорогие позиции с высокой наценкой, и клиент, который берет только распродажные остатки, при одинаковой выручке весят для бизнеса по-разному.

**Чувствительность к скидке.** Доля заказов клиента, сделанных с промокодом или в период акций. Без этой оси скидку получают в первую очередь лояльные, которые купили бы и так. Если у клиента 80% покупок по промо, полная цена для него — повод не покупать. Если 10%, скидка ему почти не нужна.

Полная матрица дает 30+ ячеек, и работать с ней невозможно. На практике ячейки схлопываются в 6–8 рабочих сегментов с понятной логикой оффера. Влияние на результат бывает большим: у MINIDINO рассылки уходили всей базе без разбора, а после пересборки логики под сегменты эффективность email выросла на 110% за квартал без увеличения числа отправок ([кейс](https://clientcore.ru/blog/articles/keis-minidino-rost-effektivnosti-email)).

**Норма**

- 6–8 сегментов, у каждого своя задача и свой потолок стимула
- сегменты пересчитываются автоматически, клиент переходит между ними по мере изменения поведения
- чувствительность к скидке считается минимум по 3–4 заказам, иначе сегмент шумит

**Red flag**

- сегментов 25, и половина из них ни разу не получала отдельной коммуникации
- сегменты собраны вручную разовой выгрузкой полгода назад
- в основе только выручка, маржинальность ассортимента не учитывается

## Как считать размер стимула

Отправная точка простая: стимул не может стоить дороже, чем дополнительная маржа, которую он приносит. Звучит очевидно, но в большинстве компаний глубину скидки выбирают по принципу «в прошлый раз давали 15%, давайте снова».

Рабочая формула для одного сегмента выглядит так. Берем ожидаемую долю покупателей со стимулом и без него (если теста еще не было — по истории или по аналогичному сегменту). Разница между ними — инкрементальные покупки. Умножаем на маржу заказа и получаем дополнительный доход. Затем считаем стоимость стимула: скидку умножаем на все заказы, сделанные с ним, включая тех, кто купил бы и так. Потолок стимула — точка, где эти две величины сравниваются. Все, что ниже, дает прибыль.

Для повторных стадий в расчет добавляется LTV. Второй заказ новичка стоит дороже первого, потому что клиенты со вторым заказом обычно остаются в базе заметно дольше. Поэтому на этом шаге можно позволить стимул, который на одной сделке не окупается.

Примерная логика матрицы, которую потом калибруют тестами:

| Сегмент | Задача | Стимул |
|---|---|---|
| Новичок, 1 заказ | Довести до второй покупки | Ощутимый, считается от LTV повторных покупателей |
| Активный, высокий LTV, низкая чувствительность | Удержать без затрат на скидку | Ранний доступ, сервис, подборки |
| Активный, высокая чувствительность | Не наращивать глубину | Порог для бесплатной доставки, бонусы вместо скидки |
| В зоне риска, высокий LTV | Вернуть до ухода | Персональный оффер с ограниченным сроком |
| В зоне риска, низкий LTV | Вернуть дешево | Минимальный стимул или контент |
| Ушедший больше года | Проверить, жив ли контакт | Сильный оффер на малую выборку, затем решение |

> Чаще всего недоинвестируют в переход от первой покупки ко второй. Компания дает 500 рублей на второй заказ и считает это щедрым, а потом выясняется, что клиент со вторым заказом приносит за год в три-четыре раза больше. В таком сегменте стимул можно поднимать, пока он укладывается в маржу будущих заказов. Обратная ситуация — VIP-сегмент: там я чаще убираю скидку совсем и ставлю ранний доступ к коллекции. Маржа остается, отклик почти не падает».
>
> — Екатерина Чернова, CRM-маркетолог, ClientCore

## Чем стимулировать, когда скидка лишняя

Скидка — один из самых дорогих стимулов, потому что ее стоимость сразу списывается с каждого заказа. У других механик экономика мягче, и в матрице им стоит отвести значительную часть ячеек.

**Бонусные баллы.** Их стоимость отложена во времени, а часть баллов сгорает. Для клиента 500 баллов выглядят почти как 500 рублей, а для бизнеса обходятся дешевле. Списания надо учитывать честно: если баллы тратят почти все, экономика приближается к скидке.

**Порог и подарок.** Бесплатная доставка от суммы или подарок при чеке выше среднего поднимают чек вместо того, чтобы снижать цену. Работает в сегментах, где клиент и так покупает, но небольшими корзинами.

**Ранний доступ и закрытые продажи.** Для лояльных клиентов с высоким LTV это часто ценнее процента скидки, а маржу не трогает.

**Розыгрыши.** Призовой фонд фиксирован, а участвовать может весь сегмент. В проекте для ресторанов «Урюк» механика розыгрыша сертификатов через email принесла выручку в 20,7 раза больше затрат на призы и вернула предновогодний трафик в сезонный спад ([кейс](https://clientcore.ru/blog/articles/keis-uryk-rozygrysh-sertifikatov)). Для многих сегментов такая механика заменяет прямую скидку без потери отклика.

## Скидочное давление: как не приучить базу ждать промокод

Даже хорошо откалиброванная матрица ломается, если клиент получает офферы из пяти сценариев одновременно. Брошенная корзина с промокодом, день рождения, реактивация, массовая акция и бонус за отзыв — и за неделю у одного человека набирается три кода. Каждый сценарий по отдельности логичен, вместе они обесценивают полную цену.

Скидочное давление надо мерить так же регулярно, как выручку. Базовые метрики:

- доля выручки сегмента, проданная со скидкой;
- средняя фактическая глубина скидки по сегменту;
- число офферов на клиента за 30 и 90 дней;
- доля клиентов, которые за год ни разу не купили по полной цене.

Если последняя метрика растет квартал к кварталу, база постепенно переезжает в скидочный сегмент, и ни один отдельный сценарий в этом не виноват. Виновата система без ограничений.

**Норма**

- общий лимит промокодов на клиента: например, не больше двух скидочных офферов за 30 дней
- приоритеты сценариев: если клиент уже в реактивационной цепочке, массовое промо для него подавляется
- пауза после использования кода: 2–3 недели без новых скидок

**Red flag**

- каждый триггер настроен отдельно, и никто не видит, сколько кодов получил один человек
- глубина скидки в реактивации растет с каждым письмом без верхнего предела
- отчет по email-каналу показывает выручку, но не показывает, сколько маржи отдано скидками

> Одна из первых настроек, которую я делаю в Mindbox, — общий счетчик выданных скидок на клиента и проверка этого счетчика перед любой отправкой с промокодом. В одном проекте после такой настройки число писем с кодами упало почти на треть, а выручка канала не просела. Эти коды просто дублировали друг друга».
>
> — Екатерина Чернова, CRM-маркетолог, ClientCore

## Uplift: как доказать, что оффер сработал

Любой оффер в матрице — гипотеза, пока у него нет контрольной группы. Отделить купивших благодаря стимулу от тех, кто купил бы и так, можно только с помощью случайно выбранной части сегмента, которая оффер не получает.

Механика стандартная. В каждом сегменте отсекается 5–10% контроля: в крупных можно меньше, в маленьких больше, чтобы выборка была статистически осмысленной. Сравнивается выручка и, главное, маржа на одного клиента в тестовой и контрольной группе за одинаковый период — обычно 30–60 дней, в зависимости от цикла покупки. Разница и есть uplift. Именно ее сопоставляют с затратами на стимул.

Дальше начинается настоящая калибровка. Глубину скидки тестируют ступенями: 0%, 10%, 15% на равных подгруппах сегмента. Часто оказывается, что между 10% и 15% разница в отклике почти нулевая, и пять процентных пунктов маржи отдаются зря. Иногда в сегменте вообще нет uplift, и это тоже ценный результат: стимул снимается, деньги перераспределяются туда, где он работает.

Кроме контроля по каждой кампании полезна глобальная группа: небольшая доля базы (2–5%), которая не получает CRM-коммуникаций месяцами. Она показывает суммарный вклад всего канала и защищает от ситуации, когда каждая кампания по отдельности «окупилась», а вместе они просто перераспределили покупки во времени.

**Норма**

- контрольная группа в каждом сегменте и каждой кампании с оффером
- uplift считается в марже на клиента
- результаты тестов меняют матрицу: глубина стимула пересматривается раз в квартал

**Red flag**

- эффективность оценивается по заказам с промокодом
- контроль отсекается на всей базе разом, и по сегментам его не видно
- тест длится неделю при цикле покупки в два месяца

## Персональные рекомендации в рассылках и сборка всей системы

Оффер отвечает на вопрос, сколько дать клиенту. Не менее важно, на что он эти деньги потратит. Персональные рекомендации в рассылках закрывают вторую половину: скидка 10% на подборку товаров, которые клиент смотрел или которые обычно покупают после его прошлого заказа, дает отклик выше, чем та же скидка на витрину общих хитов. И чем точнее рекомендации, тем меньшая глубина стимула нужна для той же конверсии.

Технически в Mindbox все это собирается на одной платформе. Сегменты строятся как динамические и пересчитываются ежедневно. Под каждый сегмент заводится свой пул промокодов с ограничением по сроку и сумме. Блоки рекомендаций подставляются в шаблон письма по истории просмотров и покупок. Приоритеты сценариев и лимит офферов на клиента задаются единой логикой. Контрольные группы настраиваются на уровне кампании и сценария. Типичная проблема в том, что все эти инструменты уже куплены, а настроена в лучшем случае треть.

Запускать матрицу целиком за один раз не нужно. Рабочий порядок такой: в первый месяц собрать 4–5 сегментов с наибольшей разницей в ценности, поставить контрольные группы и снять текущий uplift массовых акций. Во второй развести стимулы по сегментам и включить лимиты давления. В третий протестировать глубину скидки там, где сегменты достаточно крупные. К концу квартала у компании появляется матрица, где каждая цифра подтверждена тестом, и финансовый директор получает ответ на свой вопрос.

Когда компании заказывают сегментацию базы и персонализацию под ключ, обычно ждут красивых сегментов. Сегменты — меньшая часть работы. Основная ценность — в связке «сегмент → стимул → лимит → замер», без нее настройка персональных предложений по сегментам превращается в ту же массовую акцию, только разрезанную на части.

> **Читайте также:** [RFM-анализ под ключ: что получает бизнес, кроме красивой матрицы](https://clientcore.ru/blog/articles/rfm-analiz-pod-klyuch-chto-poluchaet-biznes-krome-krasivoy-matricy)

---

[Открыть статью на сайте](https://clientcore.ru/blog/articles/nastroyka-personalnyh-predlozheniy-po-segmentam-kak-pereyti-ot-odnogo-offera-dlya-vseh-k-ekonomike-po-cennosti-klienta)