Как AI помогает вернуть спящих клиентов

Во многих компаниях основное внимание сосредоточено на новых лидах.

Запускается реклама, растёт бюджет, менеджеры обрабатывают входящие заявки, РОП требует больше новых сделок.

При этом в CRM уже может находиться база из сотен или тысяч клиентов, которые раньше покупали, но давно не проявляли активности.

Именно здесь часто лежит самый недооценённый резерв продаж.

Потому что вернуть бывшего клиента во многих случаях проще, чем с нуля привлечь нового.

Проблема только в одном:

менеджеры не всегда знают, кого именно нужно возвращать в первую очередь.

AI помогает решить эту задачу.

Он может анализировать историю продаж, частоту покупок, средний чек, переписки, звонки, рекламации и данные 1С, чтобы определить:

какие клиенты «уснули», почему это произошло и кого выгоднее всего вернуть сейчас.

Разберём, как это работает.

Кто такой спящий клиент

Спящий клиент — это не просто тот, кто давно ничего не покупал.

У каждого бизнеса свой нормальный цикл.

Например:

• один клиент покупает каждую неделю;
• другой — раз в месяц;
• третий — раз в квартал;
• четвёртый — только в сезон.

Поэтому правило:

«Не покупал 90 дней — спящий»

работает не всегда.

Гораздо точнее смотреть:

насколько клиент отклонился от собственного привычного поведения.

Например:

клиент обычно покупал каждые 30–40 дней.

Прошло 95.

Это уже реальный сигнал.

Почему обычная CRM не решает задачу полностью

CRM может показать:

• последнюю сделку;
• дату последнего контакта;
• сумму прошлых продаж.

Но этого недостаточно.

Нужно понять:

• как часто клиент обычно покупал;
• насколько снизился оборот;
• какие товары он раньше брал;
• были ли жалобы;
• почему прекратились сделки;
• какова потенциальная ценность возврата.

AI может собрать эти факторы вместе.

1. AI находит клиентов, которые нарушили обычный цикл покупки

Например:

клиент покупал:

• 2 февраля;
• 3 марта;
• 5 апреля;
• 4 мая.

То есть примерно раз в месяц.

Следующая покупка ожидалась в начале июня.

Но сейчас уже август.

AI может отметить:

Клиент отклонился от привычного цикла более чем в 2 раза.

Это один из самых сильных критериев «спящего» клиента.

2. AI определяет не только полный сон, но и раннее снижение активности

Клиент может ещё покупать, но уже заметно реже.

Например:

раньше:

4 заказа в месяц.

Теперь:

1 заказ.

Формально клиент активен.

Но он уже частично уходит.

AI может пометить:

Риск перехода в спящие.

Это позволяет начать работу раньше.

3. AI анализирует падение оборота

Например:

Средний оборот: 8 млн ₸ в месяц.

Последние месяцы:

• 6 млн ₸;
• 4 млн ₸;
• 1,5 млн ₸.

AI может показать:

Оборот клиента снизился на 81% относительно среднего исторического уровня.

Такой клиент требует внимания даже раньше полного прекращения покупок.

4. AI анализирует средний чек

Иногда частота заказов остаётся прежней, но сумма уменьшается.

Например:

раньше:

3 млн ₸ за заказ.

Теперь:

700 000 ₸.

Это может означать:

• часть закупок ушла к конкуренту;
• снизилась потребность;
• клиент тестирует другого поставщика.

AI может поставить клиента в зону риска.

5. AI анализирует ассортимент

Клиент раньше покупал:

• A;
• B;
• C;
• D.

Теперь:

только A.

AI может определить:

Клиент перестал покупать три из четырёх категорий.

Это уже почти частичный уход.

Такого клиента можно попробовать вернуть через cross-sell или персональное предложение.

6. AI анализирует историю взаимодействия

Например:

перед тем как клиент перестал покупать, были:

• две рекламации;
• долгий ответ менеджера;
• перенос поставки.

AI может сделать вывод:

Снижение активности началось после нескольких проблем с сервисом.

Тогда возвращать клиента просто скидкой — плохая идея.

Сначала нужно исправить отношение.

7. AI анализирует причины прошлых отказов

Например:

клиент перестал покупать из-за:

• цены;
• срока;
• отсутствия товара;
• качества;
• конкурента.

Это важно для персонального сценария возврата.

Если причина была:

долгий срок поставки,

то сообщение:

«У нас скидка 10%»

может вообще не сработать.

Гораздо сильнее:

«Мы сократили срок поставки по вашей категории до 3 дней.»

8. AI определяет, кого возвращать в первую очередь

Не всех спящих клиентов одинаково выгодно реактивировать.

Можно учитывать:

• историческую выручку;
• маржу;
• частоту заказов;
• потенциал;
• вероятность возврата.

Например:

Клиент A

Историческая выручка: 50 млн ₸.

Клиент B

Историческая выручка: 2 млн ₸.

Оба спят 6 месяцев.

Приоритет очевиден.

9. AI может рассчитывать reactivation score

То есть оценку приоритета возврата.

Например, на неё влияют:

• прошлый оборот;
• давность последней покупки;
• маржинальность;
• история отношений;
• вероятность возврата.

В результате:

Высокий приоритет

Средний

Низкий

Менеджер получает готовый список.

10. AI считает потенциальную выручку от возврата

Например:

клиент раньше давал:

5 млн ₸ в месяц.

Если вернуть хотя бы 50% прежнего объёма:

2,5 млн ₸ в месяц.

AI может оценить потенциальный резерв базы.

Например:

20 спящих клиентов имеют совокупный исторический оборот 48 млн ₸ в месяц.

Это уже серьёзный коммерческий потенциал.

11. AI сегментирует спящих клиентов

Например:

Спящие VIP

Высокая историческая ценность.

Спящие после негативного опыта

Нужен сервисный сценарий.

Спящие по цене

Нужна ценностная аргументация.

Спящие сезонные

Не нужно тревожить раньше времени.

Спящие без понятной причины

Нужна диагностика.

Так менеджеры работают не по одному шаблону.

12. AI определяет лучший момент для возврата

Например:

клиент обычно делал крупный заказ в сентябре.

Сейчас август.

AI может заранее создать задачу:

Связаться до начала сезонного заказа.

Это намного лучше, чем звонить через два месяца после того, как клиент уже купил у другого поставщика.

13. AI может определять сезонность клиента

Для некоторых компаний это критично.

Например:

клиент закупает:

• весной;
• осенью.

Если летом заказов нет — это нормально.

Поэтому AI должен учитывать индивидуальную сезонность, чтобы не создавать ложные задачи.

14. AI анализирует, кто из менеджеров потерял контакт

Например:

у менеджера есть 50 старых клиентов.

Из них:

12 давно без контакта.

AI может показать:

В портфеле менеджера X 12 клиентов с высоким потенциалом реактивации.

Это делает базу частью ежедневной работы отдела.

15. AI может автоматически создавать задачи

Например:

Клиент: ТОО «Альфа»

Последняя покупка: 110 дней назад.

Обычный цикл: 35 дней.

Исторический оборот: 28 млн ₸ в год.

CRM создаёт:

Задача: реактивировать клиента.

Срок:

сегодня.

16. AI готовит менеджера к контакту

Перед звонком можно сформировать краткое резюме:

Что покупал: продукт A и B.

Средний чек: 2,8 млн ₸.

Последняя покупка: 4 месяца назад.

Последняя проблема: задержка поставки.

Последний контакт: жалоба на срок.

Рекомендация: сначала обсудить сервис, затем предложить обновлённые условия.

Менеджеру не нужно вручную перечитывать историю.

17. AI предлагает сценарий разговора

Не как жёсткий скрипт, а как подсказку.

Например:

В прошлый раз была проблема со сроком поставки. Сейчас условия изменились. Хотел уточнить, актуальна ли ещё для вас эта категория и как сейчас закрываете потребность?

Это выглядит намного естественнее:

Вы давно у нас ничего не покупали, хотите скидку?

18. AI помогает персонализировать предложение

Например:

клиент обычно покупал определённую группу товаров.

AI может предложить:

• новую версию продукта;
• товар-замену;
• дополнительную категорию;
• персональные условия.

Так реактивация становится релевантнее.

19. AI анализирует, что клиент покупал раньше

Например:

клиент регулярно покупал продукт A.

Но никогда не покупал B.

Другие клиенты такого же типа обычно покупают оба.

AI может предложить:

При реактивации дополнительно предложить B.

Так возврат клиента совмещается с cross-sell.

20. AI может подготовить персональное сообщение

Например:

Добрый день, Александр. Раньше вы регулярно заказывали у нас категорию X. Вижу, что давно не работали по этому направлению. Хотел уточнить, актуальна ли сейчас потребность. У нас изменились условия по срокам и появились новые варианты поставки.

Менеджер проверяет сообщение и отправляет.

Это лучше массового:

«Мы скучаем! Вернитесь к нам со скидкой 10%.»

21. AI определяет подходящий канал

Например:

исторически клиент:

• лучше отвечает в WhatsApp;
• звонки часто пропускает.

Система может предложить:

Начать с WhatsApp.

Другой клиент, наоборот, лучше общается по телефону.

Это повышает вероятность ответа.

22. AI анализирует время реакции

Например:

клиент исторически чаще отвечает:

с 10:00 до 12:00.

При большом объёме базы можно оптимизировать время контакта.

Это не ключевой фактор, но полезное дополнение.

23. AI анализирует ответ клиента после реактивации

Например:

клиент отвечает:

Сейчас работаем с другим поставщиком.

AI фиксирует:

Конкурент.

И может предложить:

Уточнить критерии выбора и текущие условия.

24. AI фиксирует новую причину сна

Например:

клиент сообщает:

Мы просто закрыли это направление.

Тогда не нужно продолжать активные попытки.

AI обновляет CRM:

Причина: направление закрыто.

Это очищает базу.

25. AI отличает временно неактивного клиента от потерянного

Например:

Вернёмся к закупкам в январе.

Это не настоящий churn.

AI может установить:

Пауза до января.

И создать задачу на декабрь.

Так менеджер не делает бессмысленные звонки каждый месяц.

26. AI анализирует вероятность ответа

На основе истории можно понимать:

• кто обычно отвечает;
• кому уже писали много раз;
• кто явно отказался.

Это позволяет не тратить одинаковое количество ресурсов на всех.

27. AI может запускать автоматическую цепочку реактивации

Например:

День 1

Персональное сообщение.

День 3

Задача менеджеру позвонить.

День 7

Повторный контакт.

День 14

Перевод в другую категорию, если реакции нет.

Но для крупных клиентов лучше использовать персональный подход, а не полностью автоматическую рассылку.

28. AI помогает выбирать между автоматикой и человеком

Например:

Небольшие клиенты

Можно использовать автоматизированную кампанию.

VIP-клиенты

Задача персональному менеджеру.

Клиенты после конфликта

Контакт руководителя.

Это очень важное разделение.

29. AI анализирует эффективность разных сценариев

Например:

одна группа получила:

скидку.

Другая:

персональный звонок.

Третья:

новое предложение.

AI может сравнить:

• ответ;
• встречу;
• повторную покупку;
• выручку.

Так компания постепенно понимает, какие сценарии работают лучше.

30. AI определяет, стоит ли давать скидку

Не каждому спящему клиенту нужна скидка.

Иногда он ушёл:

• из-за сервиса;
• сроков;
• отсутствия продукта.

Скидка только снижает маржу.

AI помогает сначала определить вероятную причину.

И уже потом выбирать предложение.

31. AI анализирует реактивацию по сегментам

Например:

Дилеры

Лучше реагируют на наличие и специальные условия.

Корпоративные клиенты

На персональный контакт.

Малый бизнес

На быстрое готовое предложение.

Это помогает строить разные сценарии.

32. AI анализирует реактивацию по менеджерам

Например:

Менеджер А

Вернул 28% спящих клиентов.

Менеджер Б

9%.

Дальше можно анализировать:

• подход;
• скорость;
• качество разговора.

Это хороший материал для обучения.

33. AI анализирует причину успешного возврата

Например:

клиенты чаще возвращаются после:

• звонка;
• нового продукта;
• решения старой проблемы.

AI помогает найти паттерны успешной реактивации.

34. AI анализирует причину неуспешного возврата

Например:

частые ответы:

• уже работаем с другим;
• дорого;
• направление закрыто.

Это даёт полезную рыночную информацию.

35. AI связывает CRM и 1С

Это особенно важно.

CRM может показывать:

Клиент активен.

Но 1С показывает:

Последняя фактическая покупка — 8 месяцев назад.

Поэтому зрелая архитектура:

Bitrix24 — коммуникации и задачи.

1С — реальные покупки.

AI — анализ и приоритизация.

36. AI может находить клиентов, которые покупают через другой канал

Например:

менеджер считает клиента спящим.

Но в 1С есть покупка через филиал или другой отдел.

Без объединения данных система может сделать ошибочный вывод.

Поэтому важно собирать единую историю клиента.

37. AI оценивает экономический эффект реактивации

Например:

за месяц:

• обработано 100 спящих клиентов;
• вернулось 22;
• дополнительная выручка — 18 млн ₸.

Теперь реактивация становится измеримым каналом продаж.

38. AI помогает считать ROI кампании

Например:

затраты:

• время менеджеров;
• маркетинг;
• скидки.

Получено:

• валовая прибыль от возвращённых клиентов.

Так можно понять, насколько выгодна реактивация.

39. AI помогает прогнозировать повторную выручку

Если вернуть клиента, важно не только получить одну продажу.

Можно оценивать:

ожидаемый будущий LTV.

Например:

один возвращённый дилер может снова покупать несколько лет.

Поэтому ценность реактивации выше одного заказа.

40. AI превращает старую клиентскую базу в отдельный канал продаж

Это ключевая идея.

Обычно компания имеет:

Новые продажи.

Но можно добавить:

Реактивация базы.

И поставить отдельные KPI:

• количество найденных спящих клиентов;
• количество контактов;
• количество возвращённых;
• выручка;
• маржа.

Тогда база начинает системно приносить деньги.

Как может выглядеть карточка спящего клиента

Например:

Клиент: ТОО «Альфа»

Статус: высокий потенциал реактивации.

Последняя покупка: 128 дней назад.

Обычный цикл: 42 дня.

Историческая выручка: 38 млн ₸ в год.

Средний чек: 3,2 млн ₸.

Причина снижения: вероятно, задержка поставки.

Последняя рекламация: 5 месяцев назад.

Рекомендация: персональный звонок руководителя аккаунта, сначала закрыть вопрос по прошлому сервису.

Это намного сильнее простого фильтра:

«Нет сделки 90 дней».

Как может выглядеть отчёт РОПа

Спящие клиенты

Всего: 146.

Высокий потенциал

28 клиентов.

Историческая выручка этой группы

210 млн ₸ в год.

Уже обработано

Вернулось

Дополнительная выручка

24 млн ₸.

Основная причина сна

Снижение активности после прекращения регулярного follow-up.

Приоритет недели

10 клиентов с максимальной потенциальной выручкой.

Это уже полноценный управленческий процесс.

Как может выглядеть AI-дайджест менеджера

Например:

На сегодня 5 клиентов для реактивации.

Клиент A

Исторический оборот — 12 млн ₸.

Не покупал 94 дня при норме 30.

Клиент B

Снизил закупки на 60%.

Клиент C

Ранее покупал ежегодно в сентябре.

Так менеджер получает конкретный список действий на день.

Почему нельзя просто сделать массовую рассылку по всей базе

Это одна из типичных ошибок.

Например:

«Мы скучаем. Получите скидку 15%.»

Проблема:

• часть клиентов сезонные;
• часть ушла из-за плохого сервиса;
• часть вообще закрыла бизнес;
• часть VIP и требует персонального контакта.

AI нужен именно для сегментации.

Почему скидка часто не лучший способ возврата

Если клиент ушёл из-за:

• задержек;
• качества;
• плохой коммуникации,

скидка не решит проблему.

Иногда намного сильнее:

«Мы исправили процесс, из-за которого у вас возникала задержка.»

Это восстанавливает доверие.

AI не должен автоматически рассылать сообщения без правил

Автоматизация полезна.

Но для:

• VIP;
• конфликтных клиентов;
• крупных B2B-сделок;

лучше использовать AI для подготовки менеджера, а не полностью автоматического контакта.

AI не должен придумывать причину ухода как факт

Если клиент ничего не сказал, AI может только сформировать:

вероятную причину.

Например:

Возможная причина: снижение активности после рекламации.

Это должно быть обозначено как гипотеза.

Типовые ошибки реактивации спящих клиентов

Ошибка №1. Использовать одинаковый срок для всех

У разных клиентов разный цикл.

Ошибка №2. Звонить всем подряд

Менеджеры быстро выгорают.

Ошибка №3. Не учитывать историческую ценность

Сильные клиенты теряются среди мелких.

Ошибка №4. Не учитывать причину сна

Предложение получается нерелевантным.

Ошибка №5. Сразу давать скидку

Компания теряет маржу.

Ошибка №6. Не подключать 1С

CRM может не показывать реальные покупки.

Ошибка №7. Не создавать задачи

Аналитика остаётся отчётом.

Ошибка №8. Не измерять результат

Непонятно, сколько денег вернулось.

Ошибка №9. Путать сезонность с уходом

Появляются ложные сигналы.

Ошибка №10. Не обновлять карточку после контакта

Через месяц система снова пытается вернуть клиента, который закрыл направление.

Как внедрять AI-реактивацию поэтапно

Этап 1. Определить «спящего клиента»

Для разных сегментов.

Этап 2. Объединить CRM и 1С

Чтобы видеть реальные покупки.

Этап 3. Рассчитать привычный цикл

По каждому клиенту или сегменту.

Этап 4. Найти первых кандидатов

Начать с наиболее ценных.

Этап 5. Определить причины

Если данные позволяют.

Этап 6. Настроить AI-рекомендации

Как лучше возвращать.

Этап 7. Создавать задачи менеджерам

Автоматически.

Этап 8. Добавить персонализированные сообщения

С проверкой человеком.

Этап 9. Считать результат

Возвраты и дополнительную выручку.

Этап 10. Улучшать модель

По фактической статистике.

Как Profi Soft внедряет AI-реактивацию клиентской базы

В Profi Soft мы рассматриваем старую клиентскую базу как полноценный актив компании.

Сначала изучаем:

кто покупал → как часто → сколько → почему перестал → что происходило перед этим.

Дальше связываем:

Bitrix24 + 1С + коммуникации + AI.

Система помогает:

• найти спящих клиентов;
• оценить их потенциал;
• определить причину снижения активности;
• создать задачи;
• предложить сценарий возврата;
• измерить дополнительную выручку.

Что может входить в проект Profi Soft

• аудит клиентской базы;
• очистка CRM;
• интеграция Bitrix24 с 1С;
• анализ истории продаж;
• определение цикла закупок;
• выявление спящих клиентов;
• reactivation score;
• анализ причин ухода;
• автоматические задачи;
• AI-рекомендации;
• персонализированные сообщения;
• BI-дашборд;
• аналитика возврата;
• обучение менеджеров.

Что получает менеджер

Не огромный список старых клиентов.

А:

5–10 конкретных компаний, с которыми выгоднее всего связаться сегодня.

По каждой:

• история;
• причина риска;
• продукт;
• рекомендация;
• следующий шаг.

Это гораздо эффективнее случайной работы по базе.

Что получает РОП

Руководитель видит:

• сколько клиентов спит;
• какой у них потенциал;
• сколько обработано;
• сколько вернулось;
• какая выручка получена.

То есть реактивация превращается из разовой акции в управляемый канал продаж.

Что получает собственник

Самое важное — возможность использовать то, за что бизнес уже однажды заплатил.

Компания уже потратила деньги на:

• маркетинг;
• продажи;
• переговоры;
• внедрение;
• сервис.

И получила клиента.

Если он перестал покупать, этот актив не обязательно потерян.

AI помогает системно найти:

кого стоит возвращать в первую очередь и сколько денег потенциально лежит в старой клиентской базе.

Главный вывод

AI помогает возвращать спящих клиентов не потому, что умеет писать красивые сообщения.

Его главная ценность — в аналитике.

Он может определить:

• кто реально стал спящим;
• насколько клиент отклонился от нормального цикла;
• сколько раньше приносил;
• почему мог перестать покупать;
• насколько выгодно его возвращать;
• какой сценарий контакта использовать.

Правильная схема выглядит так:

CRM + 1С → AI находит спящего клиента → оценивает потенциал → объясняет причину → создаёт задачу → менеджер возвращает клиента → система считает результат.

Так старая клиентская база становится отдельным источником новой выручки.

Закажите аудит клиентской базы и AI-реактивации

Если в Bitrix24 накоплены сотни или тысячи клиентов, которые когда-то покупали, но сегодня никто системно с ними не работает, в этой базе может находиться значительный резерв продаж.

Команда Profi Soft поможет:

• объединить данные CRM и 1С;
• определить спящих клиентов;
• оценить их историческую ценность;
• настроить reactivation score;
• автоматизировать задачи менеджерам;
• внедрить AI-рекомендации;
• построить аналитику возврата.

Оставьте заявку на аудит. Мы покажем, сколько потенциальной выручки находится в вашей старой клиентской базе и как построить системный процесс её реактивации с помощью Bitrix24, 1С и AI.

Чек-лист AI-реактивации клиентов

Проверьте, умеет ли ваша система:

• определять индивидуальный цикл покупки;
• выявлять пропущенную покупку;
• находить спящих клиентов;
• видеть снижение оборота;
• анализировать средний чек;
• анализировать ассортимент;
• учитывать сезонность;
• учитывать рекламации;
• анализировать причины ухода;
• определять историческую ценность;
• считать потенциал возврата;
• формировать reactivation score;
• сегментировать спящих клиентов;
• создавать задачи менеджеру;
• готовить краткое резюме клиента;
• предлагать сценарий возврата;
• подготавливать персональное сообщение;
• фиксировать результат контакта;
• измерять выручку реактивации;
• считать эффективность кампании.

Если сегодня старые клиенты вспоминаются менеджерам случайно, компания использует далеко не весь потенциал собственной базы.

Часто задаваемые вопросы

Кто считается спящим клиентом?

Клиент, чья активность заметно отклонилась от привычного цикла покупок. Универсальный срок вроде 90 дней подходит не всем.

Может ли AI автоматически найти таких клиентов?

Да. Для этого используются данные CRM и история фактических продаж.

Зачем подключать 1С?

Чтобы видеть реальные покупки, суммы, товары и частоту заказов, а не только сделки в CRM.

Может ли AI понять, почему клиент перестал покупать?

В некоторых случаях да — по звонкам, переписке, рекламациям и истории сделки. Если причина не подтверждена, корректнее говорить о гипотезе.

Нужно ли давать спящим клиентам скидку?

Не обязательно. Иногда причина ухода вообще не связана с ценой.

Может ли AI автоматически подготовить сообщение?

Да. Но для крупных и чувствительных клиентов лучше, чтобы менеджер проверял сообщение перед отправкой.

Как понять, кого возвращать первым?

Полезно учитывать историческую выручку, маржу, вероятность возврата и стратегическую ценность клиента.

Что такое reactivation score?

Оценка приоритета реактивации клиента на основе его истории и потенциальной ценности.

Можно ли измерить результат AI-реактивации?

Да. Например: сколько клиентов обработано, сколько вернулось, какая дополнительная выручка и валовая прибыль получены.

С чего лучше начать?

С объединения данных Bitrix24 и 1С и списка 20–50 наиболее ценных клиентов, которые заметно отклонились от своего обычного цикла покупок.