The relevance of the study is determined by the transformation of the customer relationship model in the digital economy and the emergence of ecosystem business models that combine heterogeneous services under a single brand. The aim of the paper is to systematise the key elements of the ecosystem approach to customer loyalty management and to identify a set of metrics relevant for its assessment in a multi-service environment. The methodology relies on the analysis of academic literature on ecosystems and customer loyalty, a comparative review of the practices of the largest Russian ecosystems (Sber, Yandex, MTS, VK, T-Bank), and the synthesis of well-known loyalty measurement approaches (NPS, CSAT, CES, CLV, CRR, Churn Rate). The findings include the identification of five key elements of the ecosystem approach — end-to-end customer identification, a unified value proposition, a subscription-based ecosystem loyalty programme, a seamless customer experience, and a big-data analytics platform — as well as the formation of a three-tier metric system: operational, behavioural and financial. The conclusions confirm the need to revise traditional loyalty measurement approaches and to move towards integrated indicators that take into account the cross-product behaviour of the customer.

Keywords: customer loyalty, business ecosystem, digital platform, loyalty programme, user experience, LTV, NPS, ecosystem subscription.

Введение

Цифровая трансформация национальной и мировой экономики последнего десятилетия привела к качественному изменению принципов взаимодействия бизнеса с потребителями. Если в условиях традиционной отраслевой модели лояльность клиента формировалась преимущественно в рамках одной продуктовой категории и одного канала продаж, то в эпоху цифровых платформ и бизнес-экосистем потребитель оказывается включённым в интегрированную среду, объединяющую финансовые, торговые, развлекательные, транспортные и иные сервисы под единым брендом. По данным аналитических обзоров, к 2024 году у пяти крупнейших российских экосистем («Сбер», «Яндекс», VK, «МТС», Т-Банк) суммарно функционировало более ста интегрированных сервисов, а количество подписчиков ведущих программ экосистемной лояльности измерялось десятками миллионов человек [1, 6, 9].

Объектом настоящего исследования выступает процесс управления клиентской лояльностью в условиях экосистемной бизнес-модели. Предметом исследования являются ключевые элементы экосистемного подхода к управлению лояльностью и метрики, позволяющие количественно оценивать его результативность. Актуальность работы обусловлена тем, что классические инструменты управления лояльностью — бонусные программы, дисконтные карты, накопительные баллы в рамках одной торговой сети — оказываются недостаточными для описания и оценки лояльности в многосервисной среде, где один и тот же клиент одновременно потребляет финансовые услуги, заказывает такси, смотрит кинопремьеры на стриминговом сервисе и оплачивает доставку продуктов накопленными кэшбэк-баллами.

Цель исследования — систематизировать ключевые элементы экосистемного подхода к управлению клиентской лояльностью и предложить трёхуровневую систему метрик его оценки, релевантную для условий многосервисной цифровой среды.

Обзор литературы

Концепция экосистемы как формы организации деловой среды восходит к работам Дж. Мура, который в 1990-х годах ввёл понятие «бизнес-экосистема» по аналогии с биологическими сообществами. В современной отечественной литературе вопросам формирования цифровых экосистем посвящён значительный массив публикаций. А. В. Стариковский отмечает, что цифровые экосистемы представляют собой совокупность разрозненных продуктов и сервисов под единым брендом и функционируют как «разрушающая бизнес-модель», поскольку клиенты компаний с развитыми многосторонними онлайн-платформами оказываются фактически замкнуты в них: спектр товаров и услуг настолько широк, что для удовлетворения потребностей пользователю не нужно покидать одну площадку, что обеспечивает удержание клиента на длительный срок [1, с. 352].

Аналогичную позицию развивают А. В. Сухоруков и М. В. Хайруллина, исследующие унифицированные цифровые бизнес-модели участников платформ и экосистем. Авторы выделяют в качестве ключевых ресурсов владельца экосистемы бренд, IT-инфраструктуру, обширную клиентскую базу, big data и знания о конечном потребителе [2, с. 3098]. При этом владелец экосистемы предоставляет клиенту широкий спектр ценностных предложений, удовлетворяющих разносторонние жизненные потребности, что отличает экосистему от платформы как более простой формы организации бизнеса.

Теоретические основы формирования клиентской лояльности подробно проработаны в работах И. В. Игнатьевой, которая подчёркивает, что лояльность нельзя сводить к удовлетворённости: благожелательность потребителя представляет собой динамическую величину, формирующуюся в долгосрочной перспективе и не выражаемую пороговой величиной [3]. Удовлетворённые покупатели, многие годы сохраняющие приверженность бренду, более выгодны для компании, чем новые: они меньше чувствительны к цене, чаще рекомендуют компанию другим и снижают издержки на привлечение.

В работе, посвящённой подходам к управлению потребительской лояльностью с позиции трёхмерной модели «Dimensions — Drivers — Decisions», предложена классификация существующих подходов и обосновано, что выбор релевантного подхода зависит от характеристик потребителя, отрасли и стратегии компании [4]. Для проектирования платформенных стратегий, в свою очередь, применяются инструменты Platform Innovation Kit, фреймворк VRIO, матрица мотивации, канвасы экосистемы платформенных связей, обучающего механизма, ценностного предложения и платформенной бизнес-модели; именно платформенный дизайн рассматривается как методологическая основа интегрированной среды развития клиентского опыта [5, с. 215].

В сфере оценки клиентского опыта и лояльности получили распространение метрики Net Promoter Score (NPS), Customer Satisfaction Score (CSAT), Customer Effort Score (CES), Customer Lifetime Value (CLV), Customer Retention Rate (CRR) и Churn Rate, рассматриваемые как взаимодополняющие индикаторы качества взаимодействия с клиентом [7, 8]. При этом классическая работа Ф. Райхельда обосновывает, что именно показатель NPS наиболее тесно коррелирует с долгосрочным ростом компании [10].

Несмотря на значительный объём публикаций, посвящённых как экосистемам, так и лояльности по отдельности, в литературе наблюдается дефицит работ, в которых эти две предметные области рассматривались бы во взаимосвязи. Существующие исследования либо сосредоточены на технологической и регуляторной сторонах формирования экосистем, либо ограничиваются рассмотрением традиционных программ лояльности в рамках одной компании, не учитывая эффект «бесшовного» переключения клиента между сервисами одного бренда. Восполнение указанного методологического разрыва составляет основную научную задачу настоящей работы.

Постановка задачи

С учётом выявленного в обзоре литературы разрыва между исследованиями цифровых экосистем и работами по управлению клиентской лояльностью в настоящей работе ставятся следующие задачи:

– уточнить содержание экосистемного подхода применительно к управлению клиентской лояльностью и его отличия от традиционных подходов;

– выделить и систематизировать ключевые элементы экосистемного подхода, обеспечивающие формирование и удержание лояльности клиента;

– определить состав и структуру метрик, релевантных для оценки клиентской лояльности в условиях экосистемной многосервисной среды;

– сформулировать рекомендации по практическому применению предложенной системы метрик для российских компаний, развивающих собственные экосистемы или интегрирующихся во внешние.

Основная часть

Анализ российской и зарубежной практики, а также синтез теоретических положений, представленных в обзоре литературы, позволяет выделить пять ключевых элементов экосистемного подхода к управлению клиентской лояльностью.

Первый элемент — сквозная клиентская идентификация(Single Sign-On, SSO). Единый цифровой идентификатор пользователя, такой как «Яндекс ID», «Сбер ID» или единый клиентский ID МТС, обеспечивает централизованное хранение профиля и автоматическую авторизацию во всех сервисах, входящих в экосистему [5, с. 218]. Это снижает «трение» при переключении между сервисами, унифицирует историю взаимодействия и формирует у потребителя психологическое ощущение целостности среды. С точки зрения управления лояльностью SSO выступает технологическим фундаментом, без которого невозможна реализация остальных элементов экосистемного подхода.

Второй элемент — единое ценностное предложение, охватывающее широкий спектр потребительских задач (Jobs-To-Be-Done) — от финансовых операций и оплаты ЖКХ до досуга, доставки и здоровья. Универсальность предложения создаёт перспективы масштабирования бизнеса и одновременно ограничивает мотивацию клиента к переходу к конкурентам, поскольку альтернатива требует одновременной замены не одного, а нескольких сервисов [1, с. 354]. С позиции потребителя данный элемент проявляется в восприятии экосистемы как «единого окна» для удовлетворения разнородных потребностей.

Третий элемент — экосистемная программа лояльности,реализуемая, как правило, в форме платной подписки с накопительной балльной системой. Программа «Яндекс Плюс» является характерным примером зонтичной программы лояльности, где участники платят за премиум-доступ и получают кэшбэк в виде баллов за пользование сервисами экосистемы, а накопленные баллы могут быть направлены на оплату товаров и услуг в её рамках [6]. Аналогичный механизм реализован в подписке «СберПрайм», предоставляющей клиентам доступ к финансовым сервисам, онлайн-кинотеатру, сервисам доставки и партнёрским предложениям. В отличие от классической бонусной программы экосистемная подписка реализует двусторонний механизм мотивации: во-первых, через прямую финансовую выгоду от использования сервисов, во-вторых, через формирование «эффекта вложения» — потребитель, оплативший подписку, стремится максимизировать её отдачу путём активного использования всех доступных сервисов.

Четвёртый элемент — бесшовный пользовательский опыт(seamless customer experience), обеспечиваемый интеграцией всех сервисов в единой цифровой среде. Бесшовный опыт подразумевает беспроблемное переключение клиента между различными сервисами при сохранении единого визуального стиля, единого способа оплаты, единой службы поддержки и непрерывности контекста [2, с. 3101]. Технологически он реализуется через супераппы (например, «Сбербанк Онлайн», «Яндекс Go», «Тинькофф»), в которых разноотраслевые сервисы доступны в рамках одного приложения без необходимости повторной авторизации.

Пятый элемент — аналитическая платформа на базе больших данных.Big data о поведении клиента во всех сервисах экосистемы позволяют строить высокоточные модели предсказания оттока, персонализированные рекомендательные системы и таргетированные предложения, базирующиеся не на изолированной истории покупок в одном сервисе, а на интегрированном профиле потребителя. Концентрация big data в распоряжении владельца экосистемы рассматривается рядом исследователей как один из ключевых ресурсов, обеспечивающих её устойчивое конкурентное преимущество [2, с. 3103]. С точки зрения управления лояльностью аналитическая платформа реализует функцию «нервной системы» экосистемы, связывающей в единое целое все остальные элементы.

Для оценки результативности экосистемного подхода к управлению лояльностью предлагается трёхуровневая система метрик, объединяющая показатели восприятия, поведения и финансового результата. Такая структура позволяет проследить причинно-следственную цепочку: качество опыта формирует поведение клиента, а поведение трансформируется в финансовый результат для владельца экосистемы.

Первый уровень — операционные метрики качества клиентского опыта.Кданной группе относятся NPS (готовность рекомендовать), CSAT (удовлетворённость продуктом или взаимодействием), CES (индекс усилий клиента), а также TNPS — транзакционный NPS, измеряемый в момент конкретного касания. В экосистемной среде эти метрики целесообразно собирать как на уровне отдельных сервисов, так и на уровне экосистемы в целом, что позволяет выявлять «слабые звенья», снижающие восприятие всей среды клиентом [7, 8].

Второй уровень — поведенческие метрики.Сюда относятся коэффициент удержания клиентов (Customer Retention Rate, CRR), коэффициент оттока (Churn Rate), коэффициент повторных покупок (Repeat Purchase Rate), показатели активности (DAU/MAU — Daily/Monthly Active Users), а также интегральный для экосистемной среды показатель кросс-продуктового проникновения (Cross-Product Penetration), отражающий долю клиентов, использующих более одного сервиса. Формула расчёта CRR имеет вид: CRR = ((количество клиентов в конце периода − количество новых клиентов за период) / количество клиентов в начале периода) × 100 %. Показатель CRR выше 50 % традиционно интерпретируется как удовлетворительный, а в экосистемной среде целевой уровень составляет 70–80 % и выше [8].

Третий уровень — финансовые (стоимостные) метрики.Ключевым показателем выступает Customer Lifetime Value (CLV, или LTV) — пожизненная ценность клиента, отражающая совокупную прибыль, которую компания получает от клиента за весь период взаимодействия. Базовая формула: LTV = средняя прибыль с заказа × количество заказов в год × среднее время отношений с клиентом в годах. Помимо CLV в данную группу включаются ARPU (средний доход на пользователя), доля выручки от подписки в общем доходе и ROMI программы лояльности (возврат на инвестиции в маркетинг). Согласно эмпирическим наблюдениям, разница в LTV между промоутерами и критиками по NPS обычно составляет 2–4 раза, что подтверждает финансовую отдачу инвестиций в качество клиентского опыта [10].

Особенностью экосистемной среды является необходимость переосмысления традиционных метрик в кросс-продуктовом разрезе. Так, CLV экосистемного клиента должен учитывать не только доходность одного сервиса, но и совокупный поток от всех сервисов, потребляемых клиентом, а Churn Rate — рассчитываться не на уровне отдельного продукта, а на уровне выхода клиента из экосистемы в целом. Кросс-продуктовое проникновение, в свою очередь, выступает специфическим для экосистемы показателем: чем выше число сервисов, используемых клиентом, тем глубже его «погружение» в среду, тем выше барьер переключения и, как следствие, тем выше пожизненная ценность.

Предложенная модель имеет ряд преимуществ перед традиционными подходами к управлению лояльностью. Во-первых, она учитывает специфику многосервисной среды и позволяет оценивать лояльность интегрально, а не в разрезе отдельного продукта или категории. Во-вторых, трёхуровневая структура метрик обеспечивает прозрачную связь между операционными показателями качества опыта, поведенческими индикаторами и финансовыми результатами, что соответствует логике стратегического управления, основанного на сбалансированной системе показателей. В-третьих, акцент на кросс-продуктовом проникновении и интегральном CLV позволяет компании-владельцу экосистемы идентифицировать сегменты клиентов с наибольшим потенциалом роста и адресно работать с теми, кто пока использует ограниченное число сервисов.

Вместе с тем необходимо обозначить ограничения и риски экосистемного подхода. Сбор и обработка кросс-продуктовых данных требуют развитой IT-инфраструктуры и строгого соблюдения законодательства о персональных данных. Кроме того, экосистемные программы лояльности связаны с риском избыточного «замыкания» клиента, который при ограничении свободы выбора может восприниматься потребителем негативно и приводить к репутационным потерям. Регуляторные органы ряда стран рассматривают практики цифровых экосистем сквозь призму антимонопольного законодательства, что также накладывает ограничения на проектирование программ лояльности.

Сопоставление практик ведущих российских экосистем — «Сбера» с подпиской «СберПрайм» и программой «Спасибо», «Яндекса» с программой «Яндекс Плюс» и геймификационным проектом «Плюс Сити», «МТС» с подпиской MTS Premium и Т-Банка с надстройкой над банковским супераппом — показывает, что предложенная пятиэлементная модель достаточно хорошо описывает фактически применяемые практики и может служить методологической рамкой для сравнительного анализа.

Заключение

Проведённое исследование позволяет сформулировать следующие выводы. Во-первых, экосистемный подход в управлении клиентской лояльностью представляет собой качественно новую парадигму, отличающуюся от классических программ лояльности интегральностью охвата потребительских задач, сквозной идентификацией клиента и наличием единой аналитической платформы. Во-вторых, ключевыми элементами экосистемного подхода являются: сквозная клиентская идентификация, единое ценностное предложение, экосистемная программа лояльности на основе подписки, бесшовный пользовательский опыт и аналитическая платформа на базе больших данных. В-третьих, оценка лояльности в условиях экосистемной среды требует применения трёхуровневой системы метрик, охватывающей восприятие (NPS, CSAT, CES, TNPS), поведение (CRR, Churn Rate, Repeat Purchase Rate, кросс-продуктовое проникновение, DAU/MAU) и финансовый результат (CLV, ARPU, ROMI, доля подписочной выручки).

Научно-практическая значимость работы состоит в том, что предложенная модель может быть использована компаниями, развивающими собственные экосистемы или интегрирующимися во внешние, для построения системы управления клиентской лояльностью, основанной на интегральных показателях, а не на разрозненных метриках отдельных продуктов. Перспективы дальнейших исследований связаны с эмпирической верификацией предложенной модели на данных конкретных российских экосистем, а также с разработкой количественных моделей зависимости CLV от уровня кросс-продуктового проникновения для разных сегментов потребителей.

Литература:

1. Стариковский А. В. Цифровые экосистемы как новая модель развития крупнейших компаний // Вестник Алтайской академии экономики и права. — 2020. — № 11–2. — С. 351–356. — URL: https://cyberleninka.ru/article/n/tsifrovye-ekosistemy-kak-novaya-model-razvitiya-krupneyshih-kompaniy (дата обращения: 09.05.2026).
2. Сухоруков А. В., Хайруллина М. В. Унифицированные цифровые бизнес-модели участников платформ и экосистем // Креативная экономика. — 2023. — Т. 17, № 8. — С. 3091–3106. — URL: https://cyberleninka.ru/article/n/unifitsirovannye-tsifrovye-biznes-modeli-uchastnikov-platform-i-ekosistem (дата обращения: 09.05.2026).
3. Игнатьева И. В. Теоретические основы формирования лояльности потребителей // Наука. Общество. Образование: материалы Всероссийской научно-практической конференции (февраль 2017 г.). — Сетевой институт дополнительного профессионального образования. — 2017. — URL: https://posidpo.ru/ignateva-i-v-teoreticheskie-osnovyi-fo/ (дата обращения: 10.05.2026).
4. Цыпленкова М. В. Подходы к управлению потребительской лояльностью: перспектива «3D» // Российское предпринимательство. — 2018. — URL: https://cyberleninka.ru/article/n/podhody-k-upravleniyu-potrebitelskoy-loyalnostyu-perspektiva-3d (дата обращения: 10.05.2026).
5. Розанова Н. М. Методологии проектирования стратегии бизнеса: от дизайна продукта к проектированию платформ // Российский внешнеэкономический вестник. — 2021. — URL: https://cyberleninka.ru/article/n/metodologii-proektirovaniya-strategii-biznesa-ot-dizayna-produkta-k-proektirovaniyu-platform (дата обращения: 10.05.2026).
6. Цифровые экосистемы. Аналитический обзор НИУ ВШЭ // Высшая школа бизнеса НИУ ВШЭ. — URL: https://hsbi.hse.ru/articles/tsifrovye-ekosistemy/ (дата обращения: 11.05.2026).
7. Скоробогатых И. И., Мусатова Ж. Б. Клиентоориентированность: основные подходы к определению // Вестник Российского экономического университета имени Г. В. Плеханова. — URL: https://cyberleninka.ru/article/n/klientoorientirovannost-osnovnye-podhody-k-opredeleniyu (дата обращения: 11.05.2026).
8. Барабанов А. А. Управление лояльностью и удовлетворенностью клиентов. Метод ISL // Маркетинговые коммуникации. — 2023. — № 2. — С. 124–135.
9. Сравнение пользователей программ лояльности крупных сетей: маркетинговое исследование. — М.: Data Insight, 2024. — URL: https://datainsight.ru/DI_loyalty_system_users (дата обращения: 11.05.2026).
10. Reichheld F. F. The One Number You Need to Grow // Harvard Business Review. — 2003. — Vol. 81, № 12. — P 46–54.