Сценарии

Tariff migration recommender: предложить тариф, который дешевле клиенту и доходнее оператору

Большинство клиентов не на оптимальном тарифе. Recommender — proactive migration с win-win economics. Не оптимизация ради ARPU, а honest fit.

Обсудить задачу

Сценарий

Клиент Х на тарифе «Без лимитов» за 100k UZS в месяц. По факту использует 3GB data и 200 минут. На тарифе «Средний» за 60k UZS у него было бы тоже всё включено. Клиент платит 40k больше за услугу, которую не использует.

Через год клиент сам поймёт это, перейдёт на дешёвый тариф или уйдёт. С точки зрения ARPU — выгоднее «оставить как есть». С точки зрения retention — это churn-bomb с замедленным взрывателем.

Recommender — система, которая proactively предлагает миграцию на оптимальный тариф, до того как клиент сделает это сам или уйдёт.

Логика recommendation

Per клиент за rolling 90 дней анализируется:

Actual usage (минуты, GB, SMS).
Текущий план (limits, price).
Все available planы (catalog matching).
Best-fit план: minimum monthly cost that covers actual usage + 20% buffer.

Если best-fit план значимо (>15-20%) дешевле текущего — клиент кандидат на migration.

Reverse case тоже работает: клиент на дешёвом тарифе, регулярно превышает лимиты и платит overage. Best-fit может быть план дороже basic, но дешевле total spending.

Когда коммуницировать

Не сразу после провода — клиент воспримет как «я только подключился, а вы уже тариф меняете».

После 6+ месяцев на текущем тарифе. Достаточно данных для надёжной recommendation.

После значительного изменения usage pattern (например, +50% data за месяц) — сигнал, что клиент перешёл в новую фазу.

При роуминге, при затратах на дополнительные пакеты, при жалобе в support про «дорого».

Действие

Push с прозрачной коммуникацией: «За последние 3 месяца вы использовали в среднем 3GB и 200 минут. На тарифе «Средний» это всё включено за 60k вместо ваших текущих 100k. Хотите перейти? [Сравнить] [Перейти]».

Сравнение: транспарентное side-by-side таблица. Без skрытых deductions.

Кнопка перехода — instant action. Без визита в офис, без бумажных форм.

Что меряется

Migration acceptance rate — какая доля рекомендаций принята.

Customer satisfaction post-migration — обычно сильно растёт.

Churn rate post-migration vs control — recommender должен снижать churn, иначе economics не работает.

ARPU impact — может снижаться в краткосрочном плане, но retention compensate.

LTV impact — главная метрика, на 12-18 месяцев.

Что не делать

Не рекомендовать migration в более дорогой план, если usage не оправдывает. Это разрушает trust.

Не делать migration без явного consent клиента — даже если выгоднее обоим.

Не игнорировать «honest fit» — recommender, оптимизированный под ARPU, быстро деградирует в trust.

Не бить рекомендацию каждый месяц.

Как SamaraliSoft подключается

Sprint Tariff Recommender Use Case — 6-8 недель. Анализ usage distribution, дизайн matching algorithm, communication framework, pilot с измерением acceptance / churn / LTV.