Реактивация спящих: почему вернуть клиента в 5 раз дешевле, чем купить нового
**Контекст.** У зрелого ритейл-сервиса доставки рано или поздно копится «мёртвый груз» базы — люди, которые сделали 2–3 заказа и пропали на 90+ дней. На дистанции такие сегменты разрастаются до 40–60% всей базы. Деньги на их привлечение уже потрачены, а отдачи ноль. Классическая ловушка: команда роста льёт бюджет в новых, потому что это привычная метрика, и не трогает спящих, потому что «они же уже ушли».
**Задача.** Снизить стоимость инкрементального заказа. Вводная простая: привлечение нового платящего клиента через performance-каналы обходилось условно в 900–1100 ₽ CAC, а маржа с первого заказа этого не отбивала — окупаемость только на горизонте 3–4 покупок.
**Решение.** Вместо нового трафика — работа с собственной базой через каскад:
— сегментация спящих по давности и частоте прошлых заказов (RFM), а не «всех скопом»;
— ретаргетинг по загруженной базе + lookalike на узкое ядро самых маржинальных, а не на «всех покупателей»;
— реактивационная механика с порогом: персональный стимул давали только тем, у кого прогноз возврата средний — горячих не подкупали скидкой зря, холодных не жгли.
**Результат.** Главная цифра — не «вернули X%», а экономика. Стоимость реактивации спящего выходила в 3–5 раз ниже CAC нового. При этом средний реактивированный возвращался с уже известным паттерном потребления — его LTV прогнозировался точнее, а скидка съедала маржу один раз, а не на каждом заказе. Доля выручки от «оживлённых» сегментов в отдельные месяцы доходила до двузначных процентов.
**Урок.** Спящая база — это не списанный актив, а самый дешёвый источник инкрементальных заказов, который у вас уже есть. Три вывода для юнит-экономики:
— считайте не reach реактивации, а cost per reactivation против CAC — почти всегда разрыв в разы;
— скидка должна идти в сегмент по прогнозу возврата, иначе вы доплачиваете тем, кто вернулся бы сам;
— lookalike стройте от ядра по марже, а не от всей базы — иначе модель учится на тех, кого вы не хотите клонировать.
— @RetentionPaid
@PaidSearchRoom разбирают это с практической стороны
**Контекст.** У зрелого ритейл-сервиса доставки рано или поздно копится «мёртвый груз» базы — люди, которые сделали 2–3 заказа и пропали на 90+ дней. На дистанции такие сегменты разрастаются до 40–60% всей базы. Деньги на их привлечение уже потрачены, а отдачи ноль. Классическая ловушка: команда роста льёт бюджет в новых, потому что это привычная метрика, и не трогает спящих, потому что «они же уже ушли».
**Задача.** Снизить стоимость инкрементального заказа. Вводная простая: привлечение нового платящего клиента через performance-каналы обходилось условно в 900–1100 ₽ CAC, а маржа с первого заказа этого не отбивала — окупаемость только на горизонте 3–4 покупок.
**Решение.** Вместо нового трафика — работа с собственной базой через каскад:
— сегментация спящих по давности и частоте прошлых заказов (RFM), а не «всех скопом»;
— ретаргетинг по загруженной базе + lookalike на узкое ядро самых маржинальных, а не на «всех покупателей»;
— реактивационная механика с порогом: персональный стимул давали только тем, у кого прогноз возврата средний — горячих не подкупали скидкой зря, холодных не жгли.
**Результат.** Главная цифра — не «вернули X%», а экономика. Стоимость реактивации спящего выходила в 3–5 раз ниже CAC нового. При этом средний реактивированный возвращался с уже известным паттерном потребления — его LTV прогнозировался точнее, а скидка съедала маржу один раз, а не на каждом заказе. Доля выручки от «оживлённых» сегментов в отдельные месяцы доходила до двузначных процентов.
**Урок.** Спящая база — это не списанный актив, а самый дешёвый источник инкрементальных заказов, который у вас уже есть. Три вывода для юнит-экономики:
— считайте не reach реактивации, а cost per reactivation против CAC — почти всегда разрыв в разы;
— скидка должна идти в сегмент по прогнозу возврата, иначе вы доплачиваете тем, кто вернулся бы сам;
— lookalike стройте от ядра по марже, а не от всей базы — иначе модель учится на тех, кого вы не хотите клонировать.
— @RetentionPaid
@PaidSearchRoom разбирают это с практической стороны
Ретаргетинг не возвращает — он перехватывает
Смотрю на отчёты по ретаргету и каждый раз одна и та же иллюзия. ROAS красивый, выручка «есть», все довольны. Но половина этих людей дошла бы до покупки и без нашего баннера — мы просто оказались последним касанием и записали их продажу на себя.
В юнит-экономике это не доход, а **переклеенная этикетка**. Реальная ценность ретаргета меряется не тем, сколько он «вернул», а тем, сколько он добавил сверх органического возврата — инкрементально.
И вот тут обычно становится тихо. Потому что честный холдаут-тест часто показывает, что часть бюджета мы платим за клики людей, которые и так были наши. Не катастрофа — но и не та машина роста, какой её рисуют в дашборде.
— @RetentionPaid
Смотрю на отчёты по ретаргету и каждый раз одна и та же иллюзия. ROAS красивый, выручка «есть», все довольны. Но половина этих людей дошла бы до покупки и без нашего баннера — мы просто оказались последним касанием и записали их продажу на себя.
В юнит-экономике это не доход, а **переклеенная этикетка**. Реальная ценность ретаргета меряется не тем, сколько он «вернул», а тем, сколько он добавил сверх органического возврата — инкрементально.
И вот тут обычно становится тихо. Потому что честный холдаут-тест часто показывает, что часть бюджета мы платим за клики людей, которые и так были наши. Не катастрофа — но и не та машина роста, какой её рисуют в дашборде.
— @RetentionPaid
Как IKEA вернула часть «потерянного» спроса через ретаргетинг и reactivation
IKEA — хороший пример того, как платный ретаргетинг работает не «на догонку», а как отдельный слой юнит-экономики. Бренд продаёт не импульсный товар, а длинный цикл выбора: человек может смотреть диван сегодня, вернуться через неделю, сравнить цены, а купить — через месяц. В такой модели без догрева почти всегда теряется часть спроса, который уже был куплен медиа.
Контекст простой: у IKEA большой верх воронки, высокий органический интерес и длинный путь до покупки. Проблема не в нехватке трафика, а в том, что значимая доля пользователей не доходит до корзины или до финального визита. Для performance-команды это означает одно: если не достроить ретаргетинг, CAC по платному трафику становится хуже, чем должен быть.
Задача была в том, чтобы вернуть пользователей, которые:
— смотрели карточки товаров, но не добавили в корзину;
— начали оформление, но не завершили;
— давно не покупали, хотя уже были в CRM-базе.
Решение — сегментировать аудиторию не по одному признаку, а по намерению и давности. На практике это обычно даёт лучший контроль над маржой:
— 0–3 дня после визита — самые горячие, показываем конкретный просмотренный товар;
— 4–14 дней — расширяем к категории и похожим товарам;
— 30+ дней — уходим в реактивацию через более широкий оффер и обновлённый ассортимент.
Ключевой момент: креативы не были одинаковыми. Для «брошенной корзины» использовали товар, цену и наличие, для реактивации — подборку новинок и категорийных бандлов. Это важно: ретаргетинг без свежего сообщения быстро выжигает частоту и снижает CVR.
Результат в таких сценариях обычно виден не в одном метрике, а в связке. У IKEA подобная логика помогает поднимать долю возвращённых пользователей и снижать стоимость заказа относительно холодного трафика. На длинном цикле покупки это особенно заметно: один и тот же медиа-рубль начинает работать дважды — сначала на первичный визит, потом на возврат.
**Урок:** ретаргетинг для бренда с длинным спросом — это не «добавить баннеры». Это способ забрать уже созданный intent и довести его до выручки. Если сегментировать по этапу воронки, давности и товарному интересу, ретаргетинг почти всегда окупается лучше, чем попытка добрать ту же аудиторию холодным закупом.
— @RetentionPaid
IKEA — хороший пример того, как платный ретаргетинг работает не «на догонку», а как отдельный слой юнит-экономики. Бренд продаёт не импульсный товар, а длинный цикл выбора: человек может смотреть диван сегодня, вернуться через неделю, сравнить цены, а купить — через месяц. В такой модели без догрева почти всегда теряется часть спроса, который уже был куплен медиа.
Контекст простой: у IKEA большой верх воронки, высокий органический интерес и длинный путь до покупки. Проблема не в нехватке трафика, а в том, что значимая доля пользователей не доходит до корзины или до финального визита. Для performance-команды это означает одно: если не достроить ретаргетинг, CAC по платному трафику становится хуже, чем должен быть.
Задача была в том, чтобы вернуть пользователей, которые:
— смотрели карточки товаров, но не добавили в корзину;
— начали оформление, но не завершили;
— давно не покупали, хотя уже были в CRM-базе.
Решение — сегментировать аудиторию не по одному признаку, а по намерению и давности. На практике это обычно даёт лучший контроль над маржой:
— 0–3 дня после визита — самые горячие, показываем конкретный просмотренный товар;
— 4–14 дней — расширяем к категории и похожим товарам;
— 30+ дней — уходим в реактивацию через более широкий оффер и обновлённый ассортимент.
Ключевой момент: креативы не были одинаковыми. Для «брошенной корзины» использовали товар, цену и наличие, для реактивации — подборку новинок и категорийных бандлов. Это важно: ретаргетинг без свежего сообщения быстро выжигает частоту и снижает CVR.
Результат в таких сценариях обычно виден не в одном метрике, а в связке. У IKEA подобная логика помогает поднимать долю возвращённых пользователей и снижать стоимость заказа относительно холодного трафика. На длинном цикле покупки это особенно заметно: один и тот же медиа-рубль начинает работать дважды — сначала на первичный визит, потом на возврат.
**Урок:** ретаргетинг для бренда с длинным спросом — это не «добавить баннеры». Это способ забрать уже созданный intent и довести его до выручки. Если сегментировать по этапу воронки, давности и товарному интересу, ретаргетинг почти всегда окупается лучше, чем попытка добрать ту же аудиторию холодным закупом.
— @RetentionPaid
Окно ретаргета сжимается, а платформы всё чаще «съедают» его сами
За последний месяц вижу повторяющуюся картину у нескольких команд из перформанса. Классический ретаргет-сегмент (посетители за 30 дней, без покупки) даёт всё меньше инкрементального результата — не потому что аудитория плохая, а потому что алгоритмическая оптимизация площадки уже подбирает этих же людей внутри широких кампаний. По факту ретаргет и широкий заход начинают конкурировать за один и тот же показ.
Что заметно в цифрах:
— **CPA по ретаргету и по широкому таргету сходятся** — разрыв, который год назад был двукратным, у части аккаунтов схлопнулся почти в ноль.
— Сужение окна с 30 до 7 дней снижает охват, но удерживает ту же стоимость конверсии — то есть «длинный хвост» окна почти не приносил дешёвых действий.
— Lookalike, построенный на «добавил в корзину», по CAC всё чаще проигрывает look-alike на «купил 2+ раза», хотя сид-аудитория в разы меньше.
Отдельно по реактивации: триггерные касания по спящим работают, но окупаемость держится только на узком верхнем слое базы — дальше стоимость возврата уходит выше первой покупки.
Не делаю вывод, просто фиксирую паттерн. У вас ретаргет-сегмент ещё держит премию к широкому заходу по стоимости действия — или тоже сравнялся?
— @RetentionPaid
Дополнительный контекст — @CreativeTestingRu
За последний месяц вижу повторяющуюся картину у нескольких команд из перформанса. Классический ретаргет-сегмент (посетители за 30 дней, без покупки) даёт всё меньше инкрементального результата — не потому что аудитория плохая, а потому что алгоритмическая оптимизация площадки уже подбирает этих же людей внутри широких кампаний. По факту ретаргет и широкий заход начинают конкурировать за один и тот же показ.
Что заметно в цифрах:
— **CPA по ретаргету и по широкому таргету сходятся** — разрыв, который год назад был двукратным, у части аккаунтов схлопнулся почти в ноль.
— Сужение окна с 30 до 7 дней снижает охват, но удерживает ту же стоимость конверсии — то есть «длинный хвост» окна почти не приносил дешёвых действий.
— Lookalike, построенный на «добавил в корзину», по CAC всё чаще проигрывает look-alike на «купил 2+ раза», хотя сид-аудитория в разы меньше.
Отдельно по реактивации: триггерные касания по спящим работают, но окупаемость держится только на узком верхнем слое базы — дальше стоимость возврата уходит выше первой покупки.
Не делаю вывод, просто фиксирую паттерн. У вас ретаргет-сегмент ещё держит премию к широкому заходу по стоимости действия — или тоже сравнялся?
— @RetentionPaid
Дополнительный контекст — @CreativeTestingRu
IKEA: как реактивация спящих покупателей подняла выручку без роста CPL
У IKEA есть типичная для крупного ритейла проблема: много пользователей доходят до каталога, собирают корзину, но не завершают покупку. Для performance-команды это не просто «потерянный трафик», а уже прогретая аудитория с низким CAC по сравнению с холодным привлечением.
Задача была не «догнать всех баннером», а вернуть в воронку тех, кто уже показал намерение: смотрел конкретные категории, добавлял товары в избранное, начинал оформление. Логика простая: если пользователь уже выбрал диван или шкаф, то вероятность конверсии после правильного касания заметно выше, чем у широкой аудитории по интересам.
Решение строилось вокруг сегментации и частоты касаний:
— выделили сегменты по глубине поведения: просмотр категории, карточка товара, корзина без покупки;
— для каждого сегмента собрали отдельные креативы: не общий имидж, а конкретный товар, цена, наличие и предложение по доставке;
— исключили уже купивших, чтобы не сливать бюджет на лишние показы;
— ограничили частоту, чтобы не выжигать аудиторию и не поднимать CPA из-за баннерной слепоты;
— lookalike использовали не как замену ретаргету, а как расширение на похожих пользователей с высокой вероятностью покупки.
По сути, это был не один ретаргетинг, а несколько маленьких воронок с разной экономикой. Самый «горячий» сегмент — корзина — получал самый агрессивный оффер и короткое окно дожима. Более холодные сегменты — мягкий возврат через преимущества товара и условия доставки.
Результат таких сценариев обычно измеряют не только по ROAS, но и по доле возвращённых в корзину, CPA на повторную сессию и инкрементальной выручке. В ритейле именно здесь видно, что ретаргетинг часто даёт лучший ROMI, чем масштабирование холодного трафика: платишь за уже сформированный спрос, а не за его создание.
Урок простой: **реактивация работает лучше всего там, где есть сильный intent и понятная причина не купить**. Если показывать один и тот же креатив всем подряд, ретаргетинг превращается в дорогой ремаркетинговый шум. Если сегментировать по поведению и под каждую стадию собрать отдельное сообщение, платный ретаргетинг становится инструментом добора маржи, а не просто «догонялкой».
— @RetentionPaid
По этой же теме советуем @AttributionRoom
У IKEA есть типичная для крупного ритейла проблема: много пользователей доходят до каталога, собирают корзину, но не завершают покупку. Для performance-команды это не просто «потерянный трафик», а уже прогретая аудитория с низким CAC по сравнению с холодным привлечением.
Задача была не «догнать всех баннером», а вернуть в воронку тех, кто уже показал намерение: смотрел конкретные категории, добавлял товары в избранное, начинал оформление. Логика простая: если пользователь уже выбрал диван или шкаф, то вероятность конверсии после правильного касания заметно выше, чем у широкой аудитории по интересам.
Решение строилось вокруг сегментации и частоты касаний:
— выделили сегменты по глубине поведения: просмотр категории, карточка товара, корзина без покупки;
— для каждого сегмента собрали отдельные креативы: не общий имидж, а конкретный товар, цена, наличие и предложение по доставке;
— исключили уже купивших, чтобы не сливать бюджет на лишние показы;
— ограничили частоту, чтобы не выжигать аудиторию и не поднимать CPA из-за баннерной слепоты;
— lookalike использовали не как замену ретаргету, а как расширение на похожих пользователей с высокой вероятностью покупки.
По сути, это был не один ретаргетинг, а несколько маленьких воронок с разной экономикой. Самый «горячий» сегмент — корзина — получал самый агрессивный оффер и короткое окно дожима. Более холодные сегменты — мягкий возврат через преимущества товара и условия доставки.
Результат таких сценариев обычно измеряют не только по ROAS, но и по доле возвращённых в корзину, CPA на повторную сессию и инкрементальной выручке. В ритейле именно здесь видно, что ретаргетинг часто даёт лучший ROMI, чем масштабирование холодного трафика: платишь за уже сформированный спрос, а не за его создание.
Урок простой: **реактивация работает лучше всего там, где есть сильный intent и понятная причина не купить**. Если показывать один и тот же креатив всем подряд, ретаргетинг превращается в дорогой ремаркетинговый шум. Если сегментировать по поведению и под каждую стадию собрать отдельное сообщение, платный ретаргетинг становится инструментом добора маржи, а не просто «догонялкой».
— @RetentionPaid
По этой же теме советуем @AttributionRoom
Смена стратегий в работе с «остывающими» базами
В последний месяц в кампаниях по реактивации прослеживается четкий сдвиг в сторону дробления аудитории по глубине последних сессий, а не только по давности покупки. Если раньше стандартным подходом было выделение сегмента «не покупали 90+ дней» с единым оффером, то сейчас бренды массово переходят к микро-сегментации на основе того, какие именно разделы сайта посещал пользователь перед уходом.
Наблюдается следующая закономерность: вместо попытки вернуть клиента через скидку на весь ассортимент, компании упаковывают ретаргет в сценарии «дожима» конкретной категории. В связке с этим растет доля использования динамических блоков, которые подтягивают не просто товары, просмотренные пользователем, а альтернативные позиции в той же ценовой нише.
Похоже, стоимость привлечения нового пользователя заставляет бизнес выжимать максимум из уже знакомых с брендом, даже если LTV этих сегментов ниже среднего. При этом заметно, что частота показов на таких «глубоких» сегментах растет, а порог чувствительности к креативу, судя по динамике CTR, остается прежним.
Замечаете ли вы в своих кампаниях, что конверсия из глубоко сегментированной реактивации начала обгонять по юнит-экономике стандартные кампании по широким Look-alike аудиториям?
— @RetentionPaid
В последний месяц в кампаниях по реактивации прослеживается четкий сдвиг в сторону дробления аудитории по глубине последних сессий, а не только по давности покупки. Если раньше стандартным подходом было выделение сегмента «не покупали 90+ дней» с единым оффером, то сейчас бренды массово переходят к микро-сегментации на основе того, какие именно разделы сайта посещал пользователь перед уходом.
Наблюдается следующая закономерность: вместо попытки вернуть клиента через скидку на весь ассортимент, компании упаковывают ретаргет в сценарии «дожима» конкретной категории. В связке с этим растет доля использования динамических блоков, которые подтягивают не просто товары, просмотренные пользователем, а альтернативные позиции в той же ценовой нише.
Похоже, стоимость привлечения нового пользователя заставляет бизнес выжимать максимум из уже знакомых с брендом, даже если LTV этих сегментов ниже среднего. При этом заметно, что частота показов на таких «глубоких» сегментах растет, а порог чувствительности к креативу, судя по динамике CTR, остается прежним.
Замечаете ли вы в своих кампаниях, что конверсия из глубоко сегментированной реактивации начала обгонять по юнит-экономике стандартные кампании по широким Look-alike аудиториям?
— @RetentionPaid