Но без дополнительных уточнений эта цифра почти ничего не говорит.
Допустим, в январе клиника получила 10 000 новых пациентов. В течение следующих 90 дней повторно обратились 2 800 человек. Возвращаемость — 28%.
Через год из той же январской когорты вернулись уже 4 600 пациентов. Возвращаемость — 46%.
Обе цифры правильные. Но отвечают они на разные вопросы.
Если сравнивать клиники, направления или месяцы без единого периода наблюдения, можно принять разницу в методике расчёта за изменение поведения пациентов.
Что именно считать повторным обращением

Перед расчётом нужно договориться как минимум о четырёх вещах:

1. Кого считать первичным пациентом. Человека, который впервые появился в базе, впервые посетил конкретную клинику или впервые обратился по определённому направлению?
2. Что считать повтором. Любой следующий визит, продолжение назначенного лечения, новый эпизод обращения или следующую покупку?
3. В течение какого срока ждать возвращения. 30, 90, 180 или 365 дней?
4. С какой даты начинать отсчёт. С записи, первого фактического визита, оплаты или завершения лечения?

От этих решений результат может измениться в разы.
Например, повторный визит через семь дней после первичного приёма может быть частью одного курса лечения. Для бизнеса это второй оплаченный визит, но он ещё не доказывает, что пациент сформировал устойчивую связь с клиникой.
И наоборот: пациент, который возвращается на ежегодную диагностику через 11 месяцев, при расчёте за 90 дней будет признан невозвратившимся, хотя его поведение полностью соответствует характеру услуги.
Поэтому единого правильного срока возврата для всей клиники обычно не существует.
Главная ошибка — смотреть на долю повторных пациентов за месяц
В отчётах часто встречается показатель:
Повторные пациенты месяца / все пациенты месяца.
Он описывает структуру текущего потока, но не показывает, какая доля новых пациентов действительно вернулась.
Представим две ситуации.
Такая схема удобна для настройки CRM: есть понятная дата, готовый сегмент и момент запуска реактивационной коммуникации. Но удобство настройки ещё не означает, что сегментация отражает реальное поведение пациента.
Через 90 дней без визита один пациент уже мог пропустить необходимое продолжение лечения. Для другого следующий визит естественно ожидается только через полгода. Третьему вообще не требуется плановое повторное обращение.
Формально все трое имеют одинаковую давность последнего визита. Фактически находятся в разных состояниях.
Мы видим отсутствие визита, но не видим отток
Клиника знает, что пациент не обращался к ней определённое количество дней. Но из транзакционных данных обычно нельзя напрямую узнать, почему это произошло.
Пациент мог:

• завершить лечение;
• не иметь новой потребности;
• отложить рекомендованный визит;
• обратиться в другую клинику;
• продолжить лечение у другого врача внутри сети;
• столкнуться с ценой, расписанием или неудобным расположением;
• просто забыть о следующем шаге.

Во всех случаях в данных будет одно и то же событие: отсутствие нового визита.
Поэтому «180 дней без обращения» — наблюдаемый факт. «Пациент ушёл» — интерпретация, которую ещё нужно проверить.
Это особенно важно для медицинских услуг, где нет обязательной подписки или договора с фиксированной периодичностью. Если человек перестал платить за ежемесячный сервис, момент оттока известен. Если пациент не пришёл в клинику, точной даты ухода не существует: она скрыта и может быть определена только вероятностно.
Почему единый срок искажает картинуРазные услуги предполагают разную частоту обращения
Сравним три условные ситуации:

• пациенту рекомендован повторный приём через две недели;
• пациент проходит процедуру, которая обычно повторяется раз в несколько месяцев;
• пациент обратился с разовой задачей, для которой следующий визит заранее не предполагается.

Через 90 дней первый пациент значительно отклонился от ожидаемого сценария. Второй может находиться внутри нормального интервала. Третий вообще не должен автоматически попадать в реактивацию.
Единый порог смешивает эти ситуации. В результате клиника одновременно:

• слишком поздно замечает часть пациентов;
• слишком рано начинает возвращать других;
• тратит коммуникации и скидки на людей, для которых отсутствие визита нормально.

Первый и десятый визит — разные точки отношений
Давность последнего обращения сама по себе не показывает силу отношений пациента с клиникой.
Человек, который был один раз 180 дней назад, и пациент с пятилетней историей, который обычно посещает клинику раз в восемь месяцев, попадут в один сегмент. Но вероятность их возвращения, причины отсутствия и подходящая коммуникация могут заметно различаться.
Для нового пациента важно понять, состоялся ли переход ко второму обращению. Для постоянного — отклонился ли его текущий интервал от собственного привычного ритма.
Сезонность меняет смысл одинакового интервала
Одинаковые 180 дней могут означать разное в зависимости от месяца первого обращения, направления и характера спроса.
Если определённая услуга имеет выраженную сезонность, отсутствие визита между сезонами не обязательно говорит об ухудшении отношений. При этом сравнение пациентов, пришедших в разные месяцы, без учёта сезонного цикла может создавать ложный рост или снижение оттока.
Недавним когортам просто не дали достаточно времени
Есть ещё одна техническая ошибка. Допустим, клиника оценивает возврат в течение 180 дней. Пациенты января уже получили полное окно наблюдения, а пациенты мая — ещё нет.
Если сравнить их напрямую, более свежая когорта неизбежно покажет худший результат: не потому, что пациенты стали возвращаться реже, а потому, что у них было меньше времени.
Поэтому анализировать отток и возвращение нужно только на сопоставимых окнах наблюдения либо с помощью методов, которые учитывают незавершённые периоды.
Что происходит, когда всех признают ушедшими по одному правилу
Проблема не только в неточном отчёте. Ошибочный порог напрямую влияет на CRM.
Клиника начинает реагировать слишком поздно
Если пациент должен был совершить следующий визит через 14–30 дней, реактивация на 180-й день запускается уже после того, как актуальный эпизод лечения, вероятно, прервался.
Такого пациента правильнее было бы сопровождать в момент ожидаемого продолжения, а не возвращать общей акцией через полгода.
Клиника стимулирует естественный возврат
Часть пациентов и без коммуникации вернулась бы через 6–12 месяцев. Если отправить им скидку на 180-й день, клиника может принять естественное обращение за результат реактивации и отдать скидку без дополнительного эффекта.
Выручка после сообщения ещё не означает, что сообщение создало эту выручку. Для проверки необходима контрольная группа.
Нерелевантные сообщения увеличивают давление
Пациент получает предложение вернуться не потому, что для него наступил подходящий момент, а потому, что в CRM прошло установленное количество дней.
Чем больше таких правил, тем быстрее база перегревается: растёт количество неуместных касаний, снижается внимание к сообщениям и усложняется оценка эффективности коммуникаций.
Сегмент «ушедшие» становится неоднородным
В одну группу попадают пациенты с разной историей, потребностью и вероятностью возвращения. Для такого сегмента невозможно сформулировать одно релевантное предложение.
В итоге реактивация обычно сводится к широкой скидке: других общих оснований для коммуникации у группы просто нет.
Давность визита полезна, но это только один признак
Отказываться от показателя recency не нужно. Он прост, понятен и действительно связан с вероятностью следующего обращения. Ошибка возникает, когда давность превращают из признака в окончательный вывод.
Вместо правила:
Нет визита 180 дней — пациент ушёл.
лучше использовать формулировку:
После 180 дней без визита вероятность следующего обращения для этой группы заметно снизилась относительно её нормального поведения.
Но чтобы сделать такой вывод, нужно сначала определить нормальное поведение конкретной группы.
Как определить момент риска по данным1. Разделить пациентов по контексту предыдущего обращения
Минимальный разрез — направление или категория услуги. Если данных достаточно, дополнительно учитываются:

• тип первого обращения;
• наличие рекомендованного продолжения;
• количество предыдущих визитов;
• история интервалов между визитами;
• филиал и врач;
• источник привлечения;
• сезон обращения.

Цель не в том, чтобы создать сотни микросегментов. Нужно отделить группы с принципиально разными моделями спроса.
2. Построить распределение времени до следующего визита
Для каждой группы рассчитывается, какая доля пациентов возвращается:

• в первые 30 дней;
• с 31-го по 90-й день;
• с 91-го по 180-й день;
• позднее.

Ещё полезнее смотреть накопленную кривую возврата: как доля вернувшихся увеличивается с каждым следующим периодом после предыдущего визита.
Она показывает, где возвращение идёт активно, а где кривая начинает выходить на плато.
3. Оценить вероятность возвращения в следующий период
Для CRM особенно важен не вопрос «сколько вернулось к этому дню», а другой:
Какова вероятность, что пациент, который ещё не вернулся, обратится в ближайшие 30 дней?
Допустим, среди пациентов определённого направления вероятность следующего визита остаётся высокой до 120-го дня, а затем начинает снижаться. Тогда 120 дней — обоснованная точка для проверки профилактической коммуникации.
В другом направлении падение может происходить уже после 30 дней. Общий порог в 180 дней пропустит большую часть доступного окна воздействия.
4. Сопоставить групповую норму с личной историей
Для пациентов с несколькими обращениями можно сравнивать текущую паузу с их обычным интервалом.
Если человек исторически возвращался каждые 60–80 дней, отсутствие визита в течение 150 дней более значимо, чем для пациента, который обычно обращался раз в год.
Так появляется более точный признак: не просто количество дней с последнего визита, а степень отклонения от ожидаемого срока.
5. Проверить выбранный момент экспериментом
Даже удачно найденная точка снижения вероятности ещё не доказывает, что коммуникация сможет изменить поведение.
Для этого пациенты в выбранном окне случайно делятся на тест и контроль:

• тест получает напоминание или релевантное предложение;
• контроль не получает дополнительную коммуникацию;
• затем сравниваются доля возврата, выручка и маржинальный эффект.

Так клиника отделяет естественные возвращения от тех, которые действительно создала коммуникация.
Вместо двух состояний — несколько рабочих статусов
Для управления базой полезнее отказаться от бинарной схемы «активен / ушёл» и использовать несколько состояний.
Эти статусы не являются медицинским заключением о пациенте. Это рабочая модель для аналитики и коммуникаций.
Она позволяет подобрать разное действие:

• не беспокоить пациента раньше времени;
• напомнить о запланированном продолжении;
• проверить причину отклонения;
• предложить релевантный следующий шаг;
• не тратить скидку на человека с высокой вероятностью естественного возврата.

Можно ли всё-таки использовать 90 и 180 дней
Можно — как временные технические границы, если у клиники пока нет более точной модели.
Но нужно честно понимать их статус. Это не доказанные моменты оттока, а стартовые гипотезы для сегментации.
Перед запуском коммуникаций стоит проверить:

1. Какая доля пациентов самостоятельно возвращается после этого срока?
2. Одинаково ли ведут себя разные направления?
3. Не наступает ли снижение вероятности раньше?
4. Есть ли у пациента объективно ожидаемый следующий шаг?
5. Создаёт ли коммуникация дополнительный возврат относительно контроля?

Если ответы неизвестны, сегмент лучше называть «не обращались 180 дней», а не «ушедшие пациенты». Первое — факт. Второе — пока только гипотеза.
Что должен знать руководитель клиники
У клиники нет одной даты, после которой все пациенты становятся потерянными.
Есть разные циклы спроса, разные истории отношений и разные моменты, когда отсутствие следующего визита становится нетипичным.
Поэтому правильный вопрос звучит не так:
Через сколько дней считать пациента ушедшим?
А так:
В какой момент вероятность следующего обращения начинает снижаться для конкретной группы пациентов — и можем ли мы повлиять на неё до того, как окно закроется?
Ответ на этот вопрос превращает реактивацию из массовой рассылки по давности в управляемую работу с поведением пациентов.
Диагностика сроков возврата и риска оттока
Я анализирую обезличенную историю обращений и определяю:

• как распределены интервалы между визитами;
• когда обычно происходит второе и последующие обращения;
• как сроки возврата различаются между направлениями и группами пациентов;
• в какой момент вероятность следующего визита начинает снижаться;
• какие действующие правила 90/180 дней не соответствуют фактическому поведению;
• где имеет смысл запускать коммуникацию и как проверить её эффект через контрольную группу.

Для предварительной проверки достаточно описания полей выгрузки или небольшого обезличенного примера данных. По ним можно определить, какие циклы возвращения доступны для анализа и чего не хватает для полноценной диагностики.ать, каких полей не хватает и имеет ли смысл проводить полный анализ.