AI-реактивація клієнтів: повторні покупки без нового рекламного бюджету

Сімдесят зі ста людей, за яких ви заплатили рекламою, купують один раз і зникають. Ви вже оплатили клік, вже відпрацювали замовлення, вже доставили товар - і більше ніколи про цю людину не згадуєте.

У базі таких понад пʼятнадцять тисяч. Кожен із них уже знає ваш магазин і вже вам платив, тобто це найдешевший спосіб продати ще раз. Але щоб написати кожному щось справді доречне, потрібна людина, якої в компанії немає.

Тепер це робить система: сама обирає, кому написати, сама пише персональний лист і сама рахує, скільки грошей це принесло.

Проблема: базу неможливо обробити руками

Проблема типова, але майже ніким не розвʼязана. Повертається менш ніж третина покупців, а база з понад пʼятнадцяти тисяч людей із повною історією покупок просто лежить.

Два звичні шляхи однаково погані, тому ціль довелось поставити інакше: підняти частку повторних покупок з 30% до 60% за рік, тобто подвоїти LTV без зростання вартості залучення.

Як автоматизація це вирішує

Система щодня сама вирішує, кому з бази час написати. Для цієї людини вона згадує, що саме та купувала, і добирає доречний привід повернутись.

Далі вона пише персональний лист, надсилає його і чекає. Якщо людина повернулась і купила, система сама помічає це в CRM і зараховує собі результат.

Ключова ідея: AI пише текст, але нічого не вирішує

Саме це відрізняє систему від типового «AI-маркетингу». Модель не вирішує, який товар запропонувати. Рецепт, інгредієнти для допродажу, ціни й посилання добираються строго за даними каталогу.

Модель отримує вже готові факти - імʼя в кличному відмінку, попередню покупку, назву рецепта-збігу - і пише тільки копірайт. Це прибирає головну болячку AI-розсилок: вигадані артикули, ціни й «биті» посилання.

Що дістається людині

Власниця бізнесу не пише листи. Вона задає тон голосу - і робить це один раз, а не щотижня.

Перед стартом вона зробила 4 раунди фідбеку на стилістику. Кожен раунд - це 20 реальних листів, зібраних у багатосторінковий PDF і надісланих їй на iPad для коментування. Усі правки поїхали в систему назавжди.

Що це дало бізнесу

Бойовий запуск відбувся. Перші листи пішли в warmup-режимі: 25 за батч із поступовим зростанням до 600 на добу за 7-10 днів - обовʼязкова умова для холодного домену, інакше провайдери ставлять розсилку в спам.

Що змінилось у щоденній роботі:

• база з 15 000+ «сплячих» клієнтів перетворилась на канал продажів, яким можна керувати;
• фонові задачі за розкладом самі обробляють відписки, фіксують конверсії та ізолюють контрольну групу;
• власниця бачить стан розсилки в дашборді з телефону, а не питає, «як там воно»;
• розсилка не залежить від світла у власній серверній: генерація тексту живе в хмарі, а не на GPU під столом.

Чесно про межі. Система поки не має підтвердженої цифри інкрементального lift: вона його вимірює, але вікно конверсії триває 21 день, тож перші достовірні числа зʼявляються тільки після його закриття. Перші 24-48 годин після запуску теж критичні - вони показують, чи спрацював заголовок і куди потрапляють листи: Inbox, Promotions чи Spam.

Паралельно зараз у роботі: A/B-тести 2-3 формул теми на одній когорті; перехід із найхолоднішої когорти (90+ днів) на теплішу (31-90 днів, 2-3 покупки), де конверсії вищі; окремі SEO-лендинги для всіх 59 рецептів із кнопкою «купити всі інгредієнти разом».

Як це влаштовано всередині

Проєкт - це 6 тижнів інтенсивної розробки плюс поточна експлуатація. Уся «розумна» логіка живе на Python-сервісі з прямим доступом до бази. Оркестрацію, розклад і роутинг виконує той самий власний сервіс на FastAPI + APScheduler: тригер за розкладом → внутрішній виклик → результат.

Це усуває цілий клас помилок підходу «вся логіка у візуальному конструкторі воркфлоу», коли будь-яка зміна ламає граф вузлів.

Атрибуція - серйозно, з контрольною групою

Кожна хвиля має 10% контрольну групу: клієнтів, відібраних детерміновано за модулем ID, які не отримують лист, але про яких ми знаємо все те саме.

Через 21-денне вікно звіряємо їхні покупки в CRM з покупками отримувачів. Різниця - це інкрементальний lift, реальна цінність системи, а не «органіка під виглядом ефекту».

Чому хмарна модель, а не локальна

Спочатку текст писала модель на власному GPU-сервері. Головний аргумент проти цього виявився не технічним, а українським: власний GPU працює рівно доти, доки в розетці є світло.

Розсилка, яка зупиняється разом зі світлом, - це вже не канал продажів. Хмарні моделі Anthropic (Claude) і Google (Gemini) знімають цю залежність повністю: для щоденних операційних задач це питання безперервності роботи сервісу, а не економії.

Другий аргумент - передбачуваність. Модель не треба утримувати, оновлювати й тримати під неї залізо, а ціна за лист лишається дрібною і, головне, прогнозованою наперед.

Про дані чесно: у хмару йде тільки той знеособлений мінімум, що потрібен для генерації тексту - звертання, назви куплених товарів і назва рецепта. Ні телефонів, ні адрес, ні історії платежів модель не отримує.

Фаза 2 - омніканальна реактивація

Email - лише перший канал. Архітектура передбачає послідовність каналів із власною контрольною групою на кожному.

Мета фази 2 - підняти охоплення з 93% (email-адресабельні) до 99% (усі клієнти з телефоном) і вдвічі знизити вартість контакту за рахунок економії ESP на повторних спробах.

Кому це підходить

Будь-якому бізнесу з накопиченою базою покупців і товаром, який купують не один раз: продукти й здорове харчування, косметика, нутрицевтика, зоотовари, витратні матеріали.

Ознака, за якою легко перевірити, чи це про вас: відкрийте базу клієнтів і подивіться, скільки з них купували востаннє понад пів року тому. Якщо таких більшість - так, це про вас.

Найкраща реактивація не виглядає як розсилка: клієнт отримує доречний лист саме про те, що він уже купував, - а за лаштунками систему, яка сама обрала його, написала текст і виміряла, скільки грошей це реально принесло.