Программы лояльности: баллы умерли, да здравствует ИИ-персонализация

Исследование Global Customer Loyalty Report 2026 от Antavo фиксирует рекордное за пять лет доверие к программам лояльности со стороны бизнеса. Одновременно потребители массово жалуются на недостижимость наград. Рынок переходит в то, что аналитики называют «Эрой ценности» — и российский ритейл уже дёргается в ту же сторону.

Что случилось

По данным отчёта Antavo, удовлетворённость компаний программами лояльности выросла до 84% (против 50–56% в 2022–2024 годах), а 92,7% заявляют об окупаемости вложений. При этом 49,1% участников программ недовольны скоростью накопления баллов, 41,1% — их сгоранием. В сумме: 27% баллов остаются неиспользованными, 11% сгорают.

Аналитики Antavo объявили о конце «Эры данных» (2020–2025) и начале «Эры ценности» (2026+): программы превращаются в самообучающиеся системы, где ИИ-агенты адаптируют предложения в реальном времени, а накопление баллов уходит на второй план.

Почему это важно для маркетинга и денег

• Удержание через ценность — когда баллы сгорают и недостижимы, программа лояльности работает против себя: снижает LTV (пожизненную ценность клиента) вместо того, чтобы его растить. Персонализация через ИИ меняет логику с «копи и жди» на «получай релевантное здесь и сейчас».
• Стоимость привлечения и удержания — гибридные модели (бонус + скидка + подписка), которые уже выбрали 38% российского рынка, снижают CAC (стоимость привлечения клиента) за счёт повторных покупок без дополнительного рекламного давления.
• Данные как актив — переход к ИИ-управлению требует качественной базы поведенческих данных. У кого она есть — строит персонализацию. У кого нет — платит за аудиторию чужую.

Где обычно ломается система (узкие места)

• Разрыв бизнес-потребитель: компания радуется ROI (возврату на инвестиции), клиент злится на сгорающие баллы → программа формально работает, но лояльность падает → отток маскируется под «просто не купил».
• Данные есть, смысла нет: ритейл собирает поведение клиента годами, но использует это для массовых рассылок → ИИ подключают к плохо сегментированной базе → персонализация получается «угадайка», а доверие к каналу падает.
• Гибридная модель без логики: компании переходят к бонус+скидка+подписка, но механики не связаны между собой → клиент не понимает, зачем ему три инструмента → участие в программе снижается, хотя бюджет растёт.

Как применить в среднем бизнесе за 30 дней

1. Аудит базы баллов — посчитать долю неиспользованных и сгоревших баллов за последние 12 месяцев / если больше 20% — программа теряет вовлечённость прямо сейчас.
2. Сегментация по частоте и чеку — разбить базу на 3–4 поведенческих кластера / измерить LTV и частоту по каждому.
3. Тест персонализированного оффера — выбрать один кластер, запустить предложение под его паттерн покупок без универсальных акций / сравнить конверсию с контрольной группой.
4. Пересмотр механики сгорания — убрать или удлинить срок жизни баллов для активных сегментов / замерить изменение частоты покупок через 30 дней.

Риски и ограничения (без розовых очков)

• ИИ без данных — это автоматизированный хаос. Если поведенческая история неполная или плохо размечена, алгоритм будет персонализировать мусор. Сначала — порядок в данных, потом — алгоритмы.
• Гибридная модель дороже в операционке. Три механики требуют трёх точек контроля: легко получить ситуацию, когда подписка конкурирует со скидкой внутри одного чека. Нужна чёткая иерархия механик.
• Цифры Antavo — глобальные. Российский рынок движется схожим курсом, но темп и инфраструктура отличаются. Лидеры (Х5, Магнит, Лента, METRO) уже в гибриде — средний бизнес копирует их с задержкой в 2–3 года.

Вывод

Программы лояльности работают — но классическая модель «накопи баллы» раздражает почти половину участников. Кто хочет удерживать клиента, переходит к персонализации через данные. Это задача для тех, у кого уже есть база и история покупок. Тем, кто только запускает программу с нуля, — сразу строить под поведение, минуя эпоху баллов.