Маркетинг-отчет показывает: рассылка принесла 340 тысяч рублей. CFO задает один вопрос — сколько из этих клиентов купили бы и без письма. После такого вопроса в комнате обычно становится тихо, и на этом тихом месте заканчивается большинство отчетов по CRM.
Ответить можно, причем без команды дата-саентистов. Василина Бреусенко, CRM-маркетолог ClientCore, объясняет, как устроен uplift-расчет: какие формулы с контрольной группой применять, как строить counterfactual-оценки на исторических данных и какие ошибки пост-периода завышают результат.
«Uplift — разница в выручке между группой, которой ушла рассылка, и контрольной группы без нее. Формула, пример с цифрами и перевод результата в ROI канала.»
Uplift: что это такое и как считать прирост от коммуникацийUplift что это и зачем он финансам
Uplift — прирост результата, который принесла именно коммуникация: разница между тем, что группа клиентов сделала после письма, и тем, что она сделала бы без него. Вторая часть формулы называется counterfactual, контрфактический сценарий. Отчет атрибуции показывает выручку всех, кто как-либо контактировал с кампанией. Uplift выделяет из этой суммы чистое влияние.
На выходе разница бывает ощутимой. Рассылка ушла ста тысячам клиентов и собрала три тысячи заказов — но контрольная группа без письма сделала столько же. Прирост нулевой, хотя отчет показывает солидную выручку. И наоборот: всего двести писем, зато плюс двадцать процентов к заказам — это уже основание для решения о бюджете.

Василина Бреусенко
CRM-маркетолог, ClientCore
Uplift расчет: формула с контрольной группой
Рабочий способ выделить прирост — заранее отделить часть базы, которой коммуникацию не отправляют. Это контрольная группа. Дальше работают три формулы:
- Относительный uplift = (Конверсия теста − Конверсия контроля) / Конверсия контроля × 100%
- Абсолютный прирост = Конверсия теста − Конверсия контроля
- Дополнительная выручка = абсолютный прирост × размер тестовой группы × средний чек
Пример. Письмо ушло 90 тысячам клиентов, десять тысяч зарезервированы в контроль. Конверсия в заказ в тесте — 2,4%, в контроле — 1,9%. Относительный uplift = (2,4 − 1,9) / 1,9 ≈ +26%. Абсолютный прирост — 0,5 п.п., на тестовой группе дает 450 дополнительных заказов. Умножаем на средний чек — получаем чистую дополнительную выручку кампании.
Counterfactual-модели: когда контрольной группы нет
Бывает, что рассылку уже отправили всей базе и контроля не осталось. Тогда counterfactual строят из исторических данных, и рабочих вариантов два.
Первый — матчинг: для каждого клиента тестовой выборки по истории покупок, давности, чеку и активности подбирают похожего клиента из архива, который коммуникацию не получал. Дальше сравнивают конверсии таких пар — как в обычном uplift-расчете. Второй подход — difference-in-differences: смотрят, как изменился результат тестовой группы относительно прошлого периода, и вычитают аналогичное изменение сопоставимой контрольной группы. Работает, если исторические группы реально близкие.
Оба приема — допущения, и в отчете об этом говорят прямо. Слабый вариант — сравнение с тем же месяцем год назад или прошлым кварталом: акции, распродажи, праздничный трафик и погода задвинут любой вывод. Клиент из прошлого квартала и клиент сегодня — две разные когорты.

Василина Бреусенко
CRM-маркетолог, ClientCore
Как оценить uplift рассылки: рабочий алгоритм
Для разовой кампании и регулярных отправок последовательность одна. Первый шаг — зафиксировать целевую метрику до отправки: заказ, выручку, активацию. Open rate в качестве цели не годится — после iOS 15 и Mail Privacy Protection открытия измеримы слабо, а бюджетные решения по ним не выносят.
Второй шаг — случайным образом отделить контроль до отправки коммуникации. Третий — назначить окно атрибуции: для e-commerce обычно 3–7 дней, при длинном цикле сделки больше. Четвертый — посчитать относительный и абсолютный показатели вместе: первый удобен для отчета, второй — для денег. Пятый — повторить замер на трех-четырех кампаниях, и только потом делать вывод о канале в целом.
Если акция с купоном — прирост по заказам считают по одной метрике, а выручку — по чистому чеку после скидки. Иначе uplift на бумаге выше, чем в кассе.
Ошибки оценки на пост-периоде
Типичная ошибка — сравнение до и после: берут результаты месяца до кампании и месяца после, разность записывают в актив канала. Если между замерами прошла акция, распродажа или просто сезонный всплеск, все это пойдет в плюс к рассылке, которую взялись оценивать.
Вторая группа ошибок — в самой выборке. В контроль отбирают пассивных клиентов, которые давно не покупали, и прирост вздувается: тест выглядит сильнее просто потому, что сравнивают с мертвыми. Похожая история — когда в окне атрибуции в плюс записывают все заказы, включая органические. Третий класс — вывод о канале после одной кампании: один замер фиксирует разовый результат, не показывая динамику.

