Анализ потребительской лояльности (Loyalty Analysis) — систематическое измерение лояльности клиентов через два принципиально разных, часто не совпадающих измерения: поведенческую лояльность (behavioral loyalty, фактическая повторная покупка, наблюдаемые действия) и отношенческую лояльность (attitudinal loyalty, эмоциональная приверженность, предпочтение бренда при прочих равных) — Джейкоб Джейкоби и Роберт Честнат впервые системно разграничили эти два измерения, показав, что повторная покупка сама по себе НЕ равнозначна реальной лояльности.
Задокументированный реальный кейс «ложной лояльности»: программы для часто летающих пассажиров годами демонстрировали классический пример поведенческой лояльности без отношенческой — пассажиры копили мили и продолжали летать одной авиакомпанией не из эмоциональной приверженности, а из-за накопленных баллов и корпоративной политики командировок. Когда в 2025 году крупные американские авиакомпании (включая American, Delta и United) резко обесценили программы лояльности — American перестала начислять мили за тарифы Basic Economy и убрала таблицу апгрейдов за мили, Delta продолжила девальвацию через динамическое ценообразование наград — реальная (отсутствующая) отношенческая лояльность обнажилась немедленно. Один из бывших постоянных клиентов Delta прямо заявил, что накопленные годами баллы теперь «практически ничего не стоят», а в 2024 году Министерство транспорта США начало проверку программ лояльности American, Delta, Southwest и United. Это прямая иллюстрация принципа Джейкоби-Честната: поведенческая лояльность (повторные покупки/полёты) без отношенческой составляющей не выдерживает проверки, как только стимул исчезает. Проверка регулятора касается обесценивания миль, скрытых сборов и конкуренции, а не измерения лояльности. Но как пример она показательна: клиенты, которых авиакомпании десятилетиями считали «лояльными» по частоте полётов, во многом удерживались структурой начисления баллов, а не эмоциональной приверженностью бренду перевозчика.
Происхождение и исследовательская база
Джейкоб Джейкоби и Роберт Честнат в книге «Brand Loyalty: Measurement and Management» (1978) провели систематический критический анализ более 50 существовавших на тот момент подходов к измерению лояльности, оценив каждый по надёжности, валидности и чувствительности, и предложили собственную концептуальную модель. Ключевой вклад работы — явное разграничение поведенческой лояльности (наблюдаемая повторная покупка) и отношенческой лояльности (внутренняя психологическая приверженность бренду) — до этой работы значительная часть исследований и практики измеряла лояльность исключительно по поведенческим индикаторам (частота, доля кошелька), не различая, вызвана ли повторная покупка реальной приверженностью или просто отсутствием удобных альтернатив, инерцией или ограничениями рынка (например, монопольным положением поставщика).
Ключевое практическое следствие разграничения: клиент, регулярно совершающий повторные покупки (высокая поведенческая лояльность), но не испытывающий реальной эмоциональной приверженности бренду (низкая отношенческая лояльность) — это «ложно лояльный» клиент (spurious loyalty), чья повторная покупка объясняется удобством, отсутствием альтернатив или инерцией, а не реальным предпочтением, — такой клиент значительно более уязвим к переключению на конкурента при появлении удобной альтернативы, чем клиент с одновременно высокой поведенческой И отношенческой лояльностью (истинная лояльность, true loyalty).
Матрицу четырёх типов лояльности предложили Дик и Басу (1994): они опирались на разграничение Джейкоби и Честната и рассматривали лояльность как силу связи между относительным отношением клиента к бренду и его повторными покупками. Типы: истинная лояльность (высокая поведенческая + высокая отношенческая — наиболее устойчивый, ценный сегмент клиентов); ложная лояльность (высокая поведенческая + низкая отношенческая — уязвима к переключению при появлении альтернативы); скрытая лояльность (низкая поведенческая + высокая отношенческая — клиент эмоционально привержен бренду, но по внешним ограничениям, например цене, не может покупать часто); отсутствие лояльности (низкая поведенческая + низкая отношенческая). Организации, измеряющие только поведенческую лояльность, систематически неверно классифицируют ложно лояльных клиентов как надёжный, устойчивый сегмент.
Ключевые идеи и принципы
Принцип: повторная покупка сама по себе не доказывает реальную лояльность.
Наблюдаемое поведение повторной покупки может объясняться как реальной приверженностью бренду, так и внешними ограничивающими факторами (отсутствие альтернатив, высокие издержки переключения, инерция) — только сочетание поведенческого и отношенческого измерения позволяет отличить истинную лояльность от ложной.
Принцип: истинно лояльные клиенты значительно устойчивее к конкурентным предложениям.
Клиенты с высокой отношенческой лояльностью (реальной эмоциональной приверженностью) сохраняют выбор бренда даже при появлении удобных, конкурентных альтернатив, тогда как ложно лояльные клиенты с высокой вероятностью переключаются, как только исчезает ограничивающий фактор, поддерживающий их текущее поведение.
Принцип: сегментация клиентской базы по обоим измерениям лояльности выявляет разные управленческие приоритеты.
Ложно лояльные клиенты требуют работы над реальным укреплением эмоциональной связи с брендом, чтобы снизить риск оттока при появлении альтернатив; скрыто лояльные клиенты требуют устранения внешних барьеров, мешающих им покупать чаще, — эти два сегмента требуют принципиально разных управленческих действий, несмотря на то что оба могут выглядеть «менее лояльными» при измерении только по одному из двух измерений.
Ограничения, слепые зоны и критика
Измерение отношенческой лояльности (эмоциональной приверженности) методологически сложнее и дороже поведенческой — требует опросов и качественных исследований, тогда как поведенческие данные часто уже доступны из транзакционных систем компании, что создаёт практический соблазн ограничиться только более простым, но менее полным поведенческим измерением.
Разграничение поведенческой и отношенческой лояльности концептуально ясно, но на практике определение конкретных операциональных порогов «высокой» и «низкой» лояльности по каждому измерению требует управленческого суждения и калибровки под специфику конкретного бизнеса и отрасли.
Модель фокусируется на индивидуальном уровне анализа лояльности конкретных клиентов, но не всегда напрямую учитывает структурные факторы рынка (уровень конкуренции, издержки переключения в отрасли), которые сами по себе значительно влияют на наблюдаемые уровни поведенческой лояльности независимо от реальной эмоциональной приверженности. Именно эта структурная составляющая объясняет, почему отрасли с высокими издержками переключения (авиаперевозки, телеком, банковское обслуживание) исторически демонстрируют обманчиво высокие показатели поведенческой лояльности — реальная проверка отношенческой составляющей в таких отраслях особенно важна именно потому, что структурные барьеры маскируют её отсутствие лучше, чем в отраслях с низкими издержками переключения.
Типовые ошибки
Ошибка 1: измеряют лояльность только по поведенческим индикаторам, не оценивая отношенческую составляющую.
Организация классифицирует клиентов с высокой частотой повторных покупок как «лояльных», не проверяя, вызвано ли это реальной эмоциональной приверженностью или просто отсутствием удобных альтернатив, что приводит к неожиданному оттоку при появлении конкурентного предложения.
Как избежать
дополнять поведенческие данные о повторных покупках прямыми измерениями отношенческой лояльности через опросы эмоциональной приверженности бренду.
Ошибка 2: не различают ложно лояльных и истинно лояльных клиентов при планировании удержания.
Ресурсы на удержание клиентов распределяются равномерно между всеми клиентами с высокой частотой покупок, не учитывая, что ложно лояльные клиенты значительно более уязвимы к переключению и требуют иных, целевых действий по укреплению эмоциональной связи.
Как избежать
сегментировать клиентскую базу по матрице поведенческой/отношенческой лояльности и применять различные стратегии удержания для каждого сегмента.
Ошибка 3: игнорируют скрыто лояльных клиентов с высокой эмоциональной приверженностью, но низкой частотой покупок.
Клиенты, эмоционально приверженные бренду, но ограниченные внешними факторами (ценой, доступностью) в частоте покупок, ошибочно классифицируются как «нелояльные» просто из-за низкой поведенческой активности.
Как избежать
выявлять скрыто лояльных клиентов через отношенческие измерения и устранять внешние барьеры, мешающие им покупать чаще, вместо игнорирования этого сегмента.
Ошибка 4: программы лояльности проектируются исключительно как стимулирование поведенческой лояльности, без учёта отношенческой составляющей.
Компания инвестирует в бонусные баллы, скидки и накопительные программы, рассчитывая, что это создаёт реальную лояльность, — хотя такие программы системно укрепляют только поведенческую сторону (повторные покупки ради выгоды), оставляя отношенческую приверженность без изменений, что делает клиентскую базу уязвимой в момент изменения условий программы, как показал кейс авиакомпаний в 2025 году.
Как избежать
Проектировать программы удержания так, чтобы они укрепляли и отношенческую лояльность (эмоциональную связь с брендом), а не только поведенческую (материальный стимул к повторной покупке).
План внедрения
Неделя 1: собрать поведенческие данные о повторных покупках из транзакционных систем
Проанализировать частоту, объём и регулярность покупок клиентов на основе имеющихся данных.
Неделя 2: провести опрос отношенческой лояльности — эмоциональной приверженности бренду
Измерить готовность клиентов предпочесть бренд при наличии удобных альтернатив, эмоциональную привязанность.
Неделя 3: сегментировать клиентскую базу по матрице поведенческой/отношенческой лояльности
Классифицировать клиентов на истинно лояльных, ложно лояльных, скрыто лояльных и нелояльных.
Неделя 4: разработать дифференцированные стратегии удержания для каждого сегмента
Определить конкретные управленческие действия для укрепления эмоциональной связи с ложно лояльными и устранения барьеров для скрыто лояльных клиентов.
Далее: регулярный мониторинг миграции клиентов между сегментами — периодически отслеживать, как клиенты перемещаются между четырьмя типами лояльности со временем.
Как реализовать этот план с помощью фрейма «Анализ лояльности (Джейкоби-Честнат)» в OrgDevTools
Фрейм сам относит каждый сегмент к одному из четырёх типов лояльности. Для этого вы вносите по сегменту поведенческие данные и результаты опроса. Фрейм строит матрицу «поведение × отношение» и показывает, какая доля выручки держится на ложной лояльности. Это бесплатный тренажёр: в нём можно прогнать свою клиентскую базу по матрице Дика и Басу, построенной на разграничении Джейкоби и Честната, до того, как вкладываться в программы удержания. Во фрейме три вкладки.
Вкладка «1. Сегменты и типы» — недели 1–3: поведенческие данные, опрос и сегментация
Вверху два поля порогов: доля повторных покупок (по умолчанию 50%) и отношенческая оценка (по умолчанию 7). Сама шкала 0–10, оба порога и правило «значение, равное порогу, считается высоким» — рабочие настройки фрейма: методика не задаёт ни шкалы, ни порогов. Статья прямо говорит, что пороги нужно калибровать под свой рынок.
Ниже идёт список сегментов, каждый добавляется кнопкой «+ сегмент». Для каждого сегмента заполняются:
название;
число клиентов;
доля повторных покупок за период, % (неделя 1);
средняя отношенческая оценка из опроса, 0–10 (неделя 2);
доля выручки, %.
Тип фрейм определяет сам. Значение, равное порогу или выше него, считается высоким:
высокие повторные покупки и высокое отношение — «Истинная лояльность», зелёный;
высокие повторные покупки, но низкое отношение — «Ложная лояльность», оранжевый;
низкие повторные покупки, но высокое отношение — «Скрытая лояльность», синий;
оба показателя низкие — «Отсутствие лояльности», серый.
Цветом типа окрашивается левый край строки. Если оценки из опроса нет, сегмент помечается «нет данных опроса».
Под списком четыре плашки типов. На каждой — доля выручки типа и подсказка фрейма. Это рабочие формулировки фрейма, а не предписания методики: ложно лояльным — укреплять эмоциональную связь через опыт, ценность и отношения; скрыто лояльным — выявить и устранить барьеры покупки (цена, доступность, ассортимент, канал); истинно лояльных — беречь, вовлекать в рекомендации и не «подкупать» скидками; на нелояльных не тратить ресурсы удержания, при необходимости привлекать заново. Ещё ниже четыре свободных списка: «Поведенческие данные», «Опрос об отношении», «Сегментация по 4 типам» и «Стратегии удержания». Последний закрывает неделю 4.
Вкладка «Визуализация» — неделя 3: матрица четырёх типов
Здесь строится матрица. По горизонтали отложена доля повторных покупок, по вертикали отношенческая оценка. Границы квадрантов проходят по заданным порогам, поэтому при изменении порогов квадранты сдвигаются. Каждый сегмент с данными опроса показан кругом в цвете своего типа. Размер круга зависит от числа клиентов, подпись — первые 14 символов названия.
Вкладка «Итоги» — неделя 4: приоритет удержания
Итоги фрейм выбирает по первой сработавшей проверке:
Учтено меньше двух сегментов (рабочая настройка фрейма). Фрейм просит внести сегменты с долей повторных покупок и оценкой из опроса.
Ни у одного сегмента нет оценки из опроса. Фрейм предупреждает, что есть только поведенческие данные, а повторная покупка ≠ лояльность.
Ложно лояльные дают больше 30% выручки (рабочая настройка фрейма). Появляется красный сигнал с перечнем таких сегментов и призывом укреплять эмоциональную связь.
Есть хотя бы один скрыто лояльный сегмент. Фрейм называет первый из них и советует выяснить барьеры покупки.
У какого-то сегмента нет данных опроса. Фрейм называет первый такой сегмент.
Список «Стратегии удержания» пуст. Фрейм просит сформулировать стратегии.
Если ни одна проверка не сработала, выводится зелёный итог с долей выручки истинно и ложно лояльных. В нём фрейм лишь напоминает проверить, что у каждого типа своя стратегия: для зелёного итога достаточно, чтобы в списке «Стратегии удержания» была хотя бы одна запись.
Под итогами идёт сводка по каждому типу: сколько сегментов и какая доля выручки. Кнопка «Создать задачу» берёт заголовок по приоритету:
если есть ложно лояльный сегмент — «Укрепить эмоциональную связь: <первый ложно лояльный сегмент>»;
иначе, если есть скрыто лояльный — «Устранить барьеры покупки: <первый скрыто лояльный>»;
иначе — «Опрос об отношенческой лояльности».
В описание задачи попадает текст итогов.
Чего фрейм не делает
Не загружает транзакции и не проводит опрос. Цифры по сегментам вы вносите вручную.
Поведенческую лояльность оценивает только по доле повторных покупок. Объём и регулярность остаются в свободном списке и в расчёт не входят.
Доли выручки не проверяет на сумму 100%. Он пересчитывает их относительно суммы, внесённой по учтённым сегментам.
Строку без названия или без доли повторных покупок в расчёт не берёт. Такая строка остаётся серой с подписью «нет данных опроса», даже если оценка внесена.
Не проверяет, что стратегия есть у каждого типа. Для зелёного итога хватает одной строки в «Стратегиях удержания».
Не учитывает издержки переключения и конкуренцию в отрасли.
Не отслеживает миграцию сегментов между типами во времени. Для мониторинга придётся сохранять срезы самостоятельно.
Заполнили фрейм? Сохраните, чтобы не потерять
Книги по теме
Джейкоб Джейкоби, Роберт Честнат — «Brand Loyalty: Measurement and Management» (1978). Первоисточник разграничения поведенческой и отношенческой лояльности и критического анализа методов её измерения.