Публикация от 24 мая 2026

🗞 Утренний дайджест Доброе утро, это ваш главный бизнес-завтрак. ▎Кейс: как онлайн-кинотеатр KION сократил отток на 22% с помощью AI-предсказаний Онлайн-кинотеатр KION (входит в экосистему МТС) столкнулся с классической проблемой подписочного сервиса — отток. Клиенты уходили, не досмотрев даже первую неделю, а удержать их стандартными акциями было сложно. Компания решила подойти к вопросу не с помощью массовых скидок, а через глубокий анализ данных. Как устроено. Внедрили ML-модели, которые анализируют тысячи параметров: жанры, которые любит пользователь, время просмотра в сутки, устройства, с которых смотрит, количество «брошенных» сеансов, поведение на паузе и перемотке. Модель предсказывает вероятность оттока каждого конкретного пользователя в течение следующих 7 дней с точностью до 88%. Главный секрет. Успех определило не само предсказание, а сценарии действий при обнаружении высокого риска. В KION не стали слать всем подряд скидку 50%. Вместо этого: – Пользователям из группы «устал от интерфейса» предложили персональную подборку фильмов с любимыми актёрами. – Тем, кто смотрел только по вечерам и редко, увеличили время хранения скачанного контента на устройстве (чтобы досматривали в метро). – Тем, кто постоянно искал один и тот же жанр и не находил новинок, встроили в интерфейс виджет «Рекомендации от нейросети KION». Никаких скидок в классическом понимании. Результат за 4 месяца: отток в высокорисковой группе снизился на 22%, среднее время просмотра выросло на 34 минуты в неделю на одного пользователя, а затраты на удержание (инженеры + API) окупились за 3 месяца и теперь приносят стабильный рост выручки. Что это значит для вас. В любом бизнесе с подпиской есть «момент угасания», когда клиент перестаёт пользоваться сервисом. Главная ошибка — включать «тяжёлую артиллерию» в виде огромных скидок, когда человек уже ушёл. Начните собирать данные: как часто заходит, что делает, каковы симптомы угасания. Самая простая ML-модель (бинарная классификация) может запускаться в обычном BI-инструменте. Даже простое выделение сегмента «серьёзно снизили активность» и отправка им уместного контента вместо денежной скидки уже снижает отток на 6-10%. Материал для разбора кейса взят из открытых источников: https://mindbox.ru/journal/cases/mts-kion/ @marketing_business_freelance