Индекс потребительской лояльности (Customer Loyalty Index, CLI)

Индекс потребительской лояльности (Customer Loyalty Index, CLI) — композитная метрика лояльности клиентов, усредняющая ответы на три отдельных вопроса: вероятность рекомендации, вероятность повторной покупки и вероятность приобретения других продуктов компании (кросс-продажи/апсейл), — в отличие от индекса чистой поддержки (Net Promoter Score, NPS, см. отдельную статью), построенного на единственном вопросе о готовности рекомендовать, CLI намеренно расширяет измерение лояльности за пределы одной лишь готовности рекомендовать, охватывая ещё два самостоятельных поведенческих намерения клиента.

Происхождение и исследовательская база

Индекс потребительской лояльности сформировался как альтернатива и дополнение к однофакторному индексу чистой поддержки, отвечая на критику NPS за то, что единственный вопрос о готовности рекомендовать не полностью улавливает многомерность реальной клиентской лояльности. CLI строится на трёх стандартизированных вопросах: «Насколько вероятно, что вы порекомендуете нас друзьям и знакомым?» (тот же вопрос, что лежит в основе NPS), «Насколько вероятно, что вы купите у нас снова в будущем?» (намерение повторной покупки) и «Насколько вероятно, что вы попробуете другие продукты нашей компании?» (намерение кросс-покупки/апсейла). Итоговый индекс рассчитывается как среднее значение трёх составляющих оценок — по сути, среднее арифметическое NPS, показателя намерения повторной покупки и показателя намерения кросс-покупки.

Задокументированное реальное эмпирическое применение CLI в связке с другими метриками клиентского опыта: исследование Паулу Ботелью Пиреша, Беатрис Мартинш Пирештрелу и Жузе Дуарти Сантуша (Politécnico do Porto, Португалия), опубликованное в рецензируемом журнале Administrative Sciences в ноябре 2025 года. Авторы опросили 359 реальных покупателей онлайн-магазинов и построили единую модель (методом PLS-SEM), связывающую пять метрик клиентского опыта: Customer Effort Score (усилие клиента), Customer Experience, Customer Satisfaction, CLI и NPS. Результат: все проверенные направленные связи оказались положительными и статистически значимыми, показав каскад «усилие клиента → качество опыта → удовлетворённость → намерение повторной покупки и рекомендации», при этом медиационный анализ подтвердил, что снижение усилий клиента и улучшение опыта влияют на лояльность (CLI) и готовность рекомендовать (NPS) именно ОПОСРЕДОВАННО, через удовлетворённость, а не напрямую. Это прямая иллюстрация принципа «CLI охватывает три различных поведенческих проявления лояльности, каждое из которых может двигаться по-разному»: реальные данные 359 покупателей показали, что композитная лояльность (CLI) и готовность рекомендовать (NPS) — хотя и связаны через общий каскад удовлетворённости — остаются разными зависимыми переменными модели, а не одним и тем же измерением.

Задокументированное реальное эмпирическое обоснование того, почему CLI сознательно строится из трёх раздельных составляющих, а не одного вопроса: метааналитический обзор, опубликованный в рецензируемом Journal of Consumer Satisfaction, Dissatisfaction and Complaining Behavior, обобщивший данные многочисленных исследований связи лояльности, повторной покупки и удовлетворённости клиентов. Результат: связь между лояльностью и намерением совершить повторную покупку оказалась самой сильной среди всех проверенных связей — коэффициент корреляции 0,71; связь между лояльностью и удовлетворённостью — 0,54; связь между намерением повторной покупки и удовлетворённостью — 0,63. При этом обзор отдельно отмечает, что связь между реальным (а не заявленным) повторным покупательским поведением и удовлетворённостью оказывается «сложной» — то есть довольство клиента само по себе ненадёжно предсказывает его последующие реальные действия. Это прямая иллюстрация принципа CLI «клиент может демонстрировать высокую готовность к повторной покупке при низкой готовности рекомендовать»: коэффициент 0,71, при всей своей силе, далёк от полной связи в 1,0 — три составляющие лояльности действительно измеряют разные, хотя и связанные между собой, поведенческие проявления, что и оправдывает их раздельный сбор в композитном индексе, а не сведение к одному вопросу.

Ключевое методологическое различие CLI и NPS: NPS измеряет узкий, но легко интерпретируемый и широко сопоставимый между отраслями и компаниями показатель готовности рекомендовать, тогда как CLI сознательно жертвует этой простотой ради более полного охвата трёх разных поведенческих проявлений лояльности одновременно — повторная покупка и готовность пробовать новые продукты той же компании не всегда коррелируют напрямую с готовностью рекомендовать знакомым, что делает композитный индекс потенциально более информативным, но менее однозначно интерпретируемым, чем единственный NPS.

Ключевой практический принцип использования CLI: как и NPS, индекс измеряет заявленное намерение клиента, а не фактическое подтверждённое поведение — прогностическая ценность индекса реализуется именно при регулярном отслеживании динамики показателя во времени, а не при разовом измерении, поскольку динамика тренда даёт более надёжный сигнал об изменении реальной лояльности клиентской базы, чем единичное абсолютное значение индекса.

Ключевые идеи и принципы

1. Принцип: CLI охватывает три различных поведенческих проявления лояльности, каждое из которых может двигаться независимо от других.

   Клиент может демонстрировать высокую готовность к повторной покупке при низкой готовности рекомендовать (например, вынужденная лояльность из-за отсутствия альтернатив) — композитный индекс CLI улавливает эту многомерность, тогда как однофакторный NPS её упускает.

2. Принцип: CLI, как и NPS, измеряет заявленное намерение, а не подтверждённое поведение.

   Ответы на опросные вопросы о будущих намерениях клиента — прогностический, но не гарантированный индикатор реального будущего поведения, требующий сопоставления с фактическими поведенческими данными (реальными повторными покупками) для полноценной валидации.

3. Принцип: динамика индекса во времени информативнее единичного абсолютного значения.

   Абсолютное значение CLI малоинформативно без сравнения с историческими значениями той же компании или отраслевым бенчмарком — устойчивый тренд роста или падения индекса даёт более надёжный управленческий сигнал, чем разовое измерение.

Ограничения, слепые зоны и критика

Типовые ошибки

1. Ошибка 1: интерпретируют единый композитный индекс CLI, не раскладывая его на три составляющие для диагностики.

   Организация отслеживает только итоговое усреднённое значение CLI, упуская возможность выявить, какая именно из трёх составляющих (рекомендация, повторная покупка, кросс-покупка) демонстрирует проблемную динамику.

   Как избежать

   анализировать три составляющие CLI по отдельности наряду с итоговым композитным индексом для точной диагностики источника изменения лояльности.

2. Ошибка 2: полагаются на разовое измерение CLI без отслеживания динамики во времени.

   Организация принимает решения на основе единичного абсолютного значения индекса, не имея исторической базы для сравнения и не понимая, является ли текущее значение улучшением или ухудшением относительно предыдущих периодов.

   Как избежать

   регулярно измерять CLI и анализировать динамику тренда во времени, а не полагаться на разовые абсолютные значения.

3. Ошибка 3: не сопоставляют заявленные намерения CLI с фактическим последующим поведением клиентов.

   Организация полностью полагается на опросные данные о намерениях без периодической проверки, насколько эти заявленные намерения действительно реализуются в фактическом поведении (реальных повторных покупках, реальных рекомендациях).

   Как избежать

   периодически сопоставлять заявленные в CLI намерения с фактическими поведенческими данными для валидации прогностической ценности индекса.

4. Ошибка 4: путают заявленное намерение повторной покупки с фактическим поведением из-за высокой корреляции между ними.

   Метааналитический обзор показывает сильную (0,71), но не полную связь между лояльностью и намерением повторной покупки — притом что связь реального повторного поведения с удовлетворённостью описывается как «сложная»: организация, которая трактует высокий заявленный CLI как гарантию будущих реальных покупок, переоценивает предсказательную силу опросной метрики.

   Как избежать

   Явно относиться к CLI как к вероятностному, а не гарантированному индикатору будущего поведения — сильная корреляция не означает полного совпадения заявленного намерения и реального действия.

5. Ошибка 5: три составляющие CLI собираются, но не анализируются на предмет их взаимной согласованности или расхождения.

   Если у клиента высокая готовность рекомендовать, но низкая готовность к кросс-покупке, это содержательный сигнал о конкретном разрыве в отношениях с брендом — организация, считающая только итоговое среднее значение без анализа паттернов расхождения между тремя составляющими, теряет именно ту диагностическую информацию, ради которой CLI и был задуман как композитный, а не единый показатель.

   Как избежать

   Регулярно анализировать не только итоговое значение CLI, но и характерные паттерны расхождения между тремя составляющими у разных сегментов клиентов.

План внедрения

1. Неделя 1: внедрить сбор данных по трём составляющим CLI

   Настроить регулярный опрос клиентов по трём стандартизированным вопросам индекса.

2. Неделя 2: рассчитать итоговый композитный индекс и разложить его на составляющие

   Проанализировать каждую из трёх составляющих отдельно, выявив расхождения между ними.

3. Неделя 3: сопоставить заявленные намерения с историческими поведенческими данными

   Проверить, насколько ранее заявленные намерения клиентов реализовались в фактическом поведении.

4. Неделя 4: установить регулярный цикл измерения и отслеживания динамики индекса

   Зафиксировать периодичность повторного измерения CLI для формирования устойчивой исторической базы сравнения.

   Далее: связь с NPS — сопоставлять динамику CLI с уже отслеживаемым NPS для более полной картины клиентской лояльности.

Как реализовать этот план с помощью фрейма «Индекс потребительской лояльности (Customer Loyalty Index, CLI)» в OrgDevTools

Фрейм — калькулятор: три оценки 0-10 (рекомендация, повторная покупка, кросс-покупка), CLI = их среднее, с явным расчётом разброса между составляющими.

Неделя 1 — раздел «Три составляющих индекса». Сюда вносится сбор данных по всем трём вопросам отдельно.

Неделя 2 — CLI рассчитывается автоматически. Вердикт явно предупреждает при разбросе ≥4, что итоговое среднее маскирует неоднородность — интерпретация только композитного индекса без раскладки на составляющие прямо повторяет ошибку 1.

Неделя 3 — вердикт напоминает сопоставить заявленные намерения с фактическими данными о повторных покупках — отсутствие такого сопоставления прямо повторяет ошибку 3.

Неделя 4 — регулярный цикл измерения. Опора на разовое измерение без отслеживания динамики во времени прямо повторяет ошибку 2.

Книги по теме

Джилл Эйвери, Сьюзан Фурнье, Джон Уиттенбрейкер — статья «Unlock the Mysteries of Your Customer Relationships» (2014, Harvard Business Review). Аналитическая работа о многомерном измерении силы и типа клиентских отношений за пределами однофакторных метрик лояльности.