Как онлайн-школа увеличила выручку на 30% через RFM (часть 1)

Кейс описывает анализ исходной ситуации в нише профессионального онлайн-образования с целью повышения эффективности монетизации клиентской базы до внедрения RFM (Recency, Frequency, Monetary — анализ по давности, частоте и объёму заказов). В центре внимания — портрет школы, продуктовая модель, структура воронки, каналы продаж, ключевые бизнес-метрики, ограничения данных и рамки проекта, а также формализация проблемы и критериев успеха.

Портрет онлайн‑школы и продуктовая модель

В рамках рассмотренного кейса функционирует онлайн-школа с широкой линейкой образовательных продуктов, рассчитанных на разные уровни подготовки и потребностей клиентов. Организация специализируется на профессиональном дополнительном образовании. Школа использует формат дистанционного обучения с акцентом на модули и курсы разной длительности. Ассортимент позволяет формировать индивидуальные треки и предлагать допродажи на основе истории клиента — это создает предпосылки для системной работы с повторными покупками.

Форматы обучения и ценовые уровни

Образовательные продукты делятся на несколько категорий: базовые курсы (до 10 занятий, минимальная стоимость), продвинутые программы (30–50 занятий, средний чек в 4–6 раз выше) и профессиональные спецкурсы (60+ занятий с сертификатом). Средний диапазон цен — от 4000 до 50000 рублей, в зависимости от глубины проработки, наличия кураторского сопровождения и предоставляемых дополнительных сервисов (групповые вебинары, карьерный трекинг).

Стоимость программ формируется на основании их длительности, экспертности преподавателей, востребованности тематики и рыночного сравнения с аналогичными предложениями (по результатам сравнительного pricing survey). При расчёте средней цены (ARPPU) используется агрегированная выручка за 12 месяцев, делённая на число оплативших (методика: рассчитывается по итогам отчетного года, выборка — все клиенты с учётом всех заказов).

Каналы привлечения и продажи

Значительная часть новых клиентов поступает через платный трафик на контекстную и таргетированную рекламу (более 60% за последний отчётный квартал по данным CRM). Менее масштабный, но значимый вклад обеспечивают партнерские программы, органический поиск и рекомендации (около 20% совокупно).

Воронка построена на типовом многоступенчатом процессе — лид-магнит, первичное касание, беседа в мессенджере/по телефону, индивидуальное предложение и продажа курса. Конверсия по воронке за Q2–Q4 2023 года: из уникальных лидов до оплаты — 2.6% по агрегированным данным CRM и биллинга. Основная задача отдела продаж — квалификация лидов и подбор продуктов под повторную продажу.

Параллельно внедрены автоматизированные механики ремаркетинга (серия писем в течение 30 дней с момента неоконвертированного интереса) и разовые активности по спецпредложениям (например, сезонные скидки, акции для подписчиков).

Базовые метрики до проекта (T0)

На начало анализа (T0 — фиксируется по итогам полного года 2023 с уточнением понедельных данных Q2–Q4 2023) школа демонстрировала стабильные, но стагнирующие параметры по ключевым экономическим и продуктовым метрикам.

Выручка, ARPU/ARPPU, маржинальность

Совокупная выручка за 2023 год по данным бухгалтерии и биллингасоставила 198 млн рублей (с учётом возвратов и скидок). При этом динамика квартального роста не превышала 3%, что указывает на стабилизацию имущественного потока при высоком историческом темпе — 13–17% в год до 2022 включительно.

Среднегодовой ARPU (Average Revenue Per User — средняя выручка на одного клиента, определяется как общий объём выручки, делённый на количество уникальных клиентов за отчётный период) за 2023 год установлен на уровне 24 500 рублей. ARPPU (Average Revenue Per Paying User — средняя выручка на одного платящего клиента) за тот же срок — 39 600 рублей (основа расчёта — данные CRM и биллинга, отчётная выборка: пользователи с хотя бы одной успешной покупкой).

Совокупная маржинальность бизнеса за отчётный период колеблется в диапазоне 28–32% (расчёт: сумма валовой прибыли, делённая на выручку за вычетом прямых переменных расходов, по финансовым данным). Для рынка edtech в РФ (индустриальный диапазон по Data Insight — 24–33%) показатель считается конкурентоспособным.

Повторные покупки, ретеншн, churn

Число клиентов, совершивших хотя бы одну повторную покупку в течение года (retained customers), составляет 17% от всех оплативших (методика: выборка — все платящие с января по декабрь 2023, повторная покупка — не менее 2 транзакций с интервалом не менее 30 дней).

Коэффициент удержания (Retention Rate, доля клиентов, вернувшихся за новым продуктом в течение 120 дней с момента покупки) — 11%. По анализу годовой динамики churn (Customer Churn Rate — доля клиентов, не совершивших повторных покупок, за 12 месяцев) составляет 74%. Методика расчета стандартная, окно наблюдения — 12 месяцев.

Бизнес‑проблема и гипотеза роста

Стагнация выручки, рост CAC, низкая повторная покупка

В 2023 году школа столкнулась одновременно с двумя стоп-факторами роста: стабилизация объёма новых продаж и удорожание привлечения трафика. CAC (Customer Acquisition Cost — средняя стоимость привлечения одного платящего) вырос за год с 7 300 до 9 500 рублей (расчёт: совокупные маркетинговые расходы на новых клиентов, делённые на число новых оплативших; окно наблюдения — по данным бухгалтерии и UTM-аналитики).

На фоне окончания органического роста появляются признаки насыщения и проседания ROI каналов первичного вливания. Дополнительный вызов — высокая доля «одноразовых» клиентов, доля которых по итогам года превысила 78%. Сложность масштабирования новых источников трафика сочетается с перегревом основных каналов и снижением конверсии во всех сегментах.

Данные и ограничения

Источники: CRM, LMS, биллинг

Анализ строится на нескольких информационных потоках. Транзакционная история, статусы оплат и возвратов фиксируются в CRM и биллинге (источник составляет единую точку аналитики продаж). Поведенческие данные, посещаемость обучения и выполнение домашних заданий фиксируются внутри LMS (Learning Management System — система управления обучением).

Дополняющую роль играют выгрузки из ESP (email service provider) об откликах на рассылки, а также логи вебинаров и интерактивных сессий из платформы стороннего поставщика. Консолидированная аналитика ведется на стыке BI-дэшбордов (по данным CRM, LMS, ESP) и регулярных экспортов длявнешней проверки.

Качество данных, правовые рамки (152‑ФЗ/GDPR)

Обработка и хранение персональных данных производится с учетом требований российского ФЗ-152 и европейского GDPR. Регламентированы сбор, хранение и передачу клиентской информации, реализованы механизмы согласия и возможности удаления данных по требованию пользователя.

Основные ограничения связаны с неполнотой отдельных профилей (менее 7% анкет содержат пустые поля о возрасте и профессии) и вероятностью появления дубликатов при изменениях контактных данных (оценка — до 10% по итогам сверок в IV квартале 2023). Эти аспекты требуют дополнительной валидации при построении сквозной аналитики и RFM-сегментации.

Цели и KPI проекта

Что считаем успехом и как измеряем

Основная цель проекта — повысить монетизацию клиентской базы без изменения ценовой политики и продуктовой линейки. Успех измеряется комплексом ключевых метрик:

• Прирост совокупной выручки за 6-месячное окно после внедрения сегментации (расчёт: дельта выручки, скорректированная на сезонный тренд и с учётом контрольной группы);
• Рост доли повторных покупок (метод: сравнение долей repeat purchases на одинаковом горизонте до и после);
• Рост LTV (Lifetime Value — расчёт по классической формуле: средний ARPU умноженный на среднее количество покупок клиентом за весь период наблюдения);
• ROMI (Return On Marketing Investment — соотношение прироста маржи к маркетинговым затратам на коммуникации с текущей базой);
• Контроль и понижение CAC (расчет по BI-дэшборду, окно — 3 месяца после старта кампании с поправкой на возвраты).

Критерии фиксируются в аналитической системе и проходят верификацию по BI-дэшборду, что обеспечивает прозрачность показателей. Все KPI подтверждаются выгрузками из CRM и биллинга.

Локальные выводы: точка старта и рамки проекта

Изначальное положение характеризуется развитой продуктовой матрицей и стабильной структурой воронки при выраженной проблеме низкой повторной покупки и роста затрат на трафик. В распоряжении находится полная транзакционная история клиентов, а также детальные поведенческие данные, что позволяет строить продвинутые сегменты для повышения монетизации.

Рамки текущего кейса сосредоточены на работе с существующей базой (без изменения цен, структуры продукта или технологического стека). Введение RFM-сегментации рассматривается как ключевой инструмент для увеличения показателей и выявления новых инсайтов о клиентской аудитории.

Построить отдел работы с базой →