Аналитик клиентского опыта: какие курсы помогают считать удержание, NPS и повторные продажи

Ещё пару лет назад на любой провал по выручке в e-commerce существовал один универсальный ответ — «нальём больше трафика». Логика была простой: не хватает продаж — увеличиваем бюджет на рекламу, привлекаем новых клиентов, закрываем дыру в отчёте количеством. В 2026 году эта логика ломается на глазах. Рост российского рынка онлайн-торговли заметно сбавил темп — с 41% годом ранее до порядка 28% сейчас, — а стоимость привлечения растёт быстрее, чем выручка с одного заказа. Маркетинг из «витрины бренда» окончательно превратился в часть финансовой модели: если экономика сделки не сходится, компания просто платит за иллюзию роста, сколько бы красивых графиков ни было в презентации.

По наблюдениям рынка, в этой новой логике деньги на рост всё чаще приходится «доставать» не из новых клиентов, а из тех, кто уже купил хотя бы раз. Отсюда — резкий и вполне измеримый спрос на людей, которые умеют не просто собрать NPS-опрос и красиво оформить слайд с баллом, а объяснить, как этот балл связан с конкретной суммой в отчёте о прибылях и убытках. Так на стыке маркетинга, продукта и данных оформилась отдельная профессия — аналитик клиентского опыта, CX-аналитик. Он не запускает рекламные кампании и не пишет код новой фичи: его работа — считать, почему клиент остаётся или уходит, и переводить это знание в язык, понятный финансовому директору.

Илья Красинский, CEO & Co-founder Rick.ai (признанный эксперт по продуктовой аналитике и юнит-экономике на русскоязычном пространстве): «Компании продолжают тратить миллионы на привлечение пользователей, которые купят один раз и уйдут в отток (churn). Попытка закрыть дыру в юнит-экономике новым трафиком — это масштабирование убытков. Пока вы не научитесь сводить когорты и выявлять драйверы оттока, вы работаете на обогащение рекламных площадок, а не своего бизнеса».

Проблема в том, что классический маркетолог этому обычно не учился — он силён в каналах и креативах, но теряется, когда нужно построить когортную таблицу в SQL. А классический data-аналитик, наоборот, уверенно работает с цифрами, но слабо разбирается в клиентских исследованиях и не всегда понимает, зачем вообще читать открытые ответы в опросах, если есть готовый средний балл. В этой статье разберёмся, какие метрики и навыки нужны для роли CX-аналитика, чем она отличается от смежных профессий, и какое обучение реально закрывает разрыв между «мы посчитали NPS» и «мы вернули часть ушедших клиентов и можем это доказать цифрами».

Проверьте себя: готовы ли вы работать с удержанием и NPS

Прежде чем выбирать курс и тратить на него деньги и время, полезно честно, без самообмана ответить на восемь вопросов — «да» или «нет». Это не тест на профпригодность и не экзамен с проходным баллом, а скорее диагностика: что из необходимого набора уже есть, а что придётся добирать целенаправленно, а не «на всякий случай».

• Сможете объяснить разницу между NPS и CSAT так, чтобы это поняли не-аналитики? Речь не о заученном определении, а о способности на пальцах объяснить коллеге из другого отдела, почему высокий NPS не гарантирует высокий CSAT на конкретном этапе доставки — и наоборот.
• Умеете построить когортную таблицу — хотя бы вручную, в Excel? Не обязательно в SQL — важно понимать саму логику: сгруппировать клиентов по месяцу первой покупки и проследить их поведение во времени, а не просто посчитать среднее.
• Можете интерпретировать retention по каналам, а не только в среднем по базе? Если видите цифру retention 45% — возникает ли у вас автоматически вопрос «а какой он у разных сегментов», или цифра воспринимается как финальный ответ?
• Умеете сегментировать клиентскую базу по RFM? Не в теории, а на практике — хотя бы на учебных данных: разделить клиентов на группы по давности, частоте и сумме покупок и понять, что с каждой группой делать по-разному.
• Способны связать изменение NPS с конкретной цифрой в выручке? Это один из самых сложных пунктов чек-листа — большинство специалистов, даже с опытом, здесь честно отвечают «нет», и это нормальная отправная точка, а не повод для тревоги.
• Проводили хотя бы одно интервью с клиентом, который перестал покупать? Не опрос с закрытыми вопросами, а именно живой разговор, где можно уточнить и копнуть глубже неожиданного ответа.
• Строили дашборд в BI-системе — DataLens, Power BI или аналогичной? Важно именно построить самостоятельно, а не просто смотреть на готовый дашборд, собранный кем-то другим.
• Умеете сформулировать гипотезу и защитить её цифрами, а не интуицией? Проверка простая: сможете ли вы за минуту сформулировать гипотезу в формате «если сделаем X — ожидаем Y в сегменте Z» — без общих слов вроде «нужно улучшить сервис».

Как читать результат:

— 0–3 «да» — есть смысл начинать системно, с нуля: сначала логика метрик и базовые инструменты, а не отдельные точечные курсы вразнобой, которые не складываются в цельную картину.
— 4–6 «да» — база уже есть, но не хватает практики и части инструментов. Здесь эффективнее точечный апгрейд конкретных пробелов, а не повторное прохождение того, что уже освоено.
— 7–8 «да» — пора не столько учиться, сколько собирать портфолио из реальных или максимально приближённых к реальным кейсов и присматриваться к вакансиям уровня middle, потому что теоретическая база уже достаточна для практической работы.

Если по большинству пунктов ответ «нет» — это совершенно нормальная стартовая позиция, а не повод откладывать обучение на неопределённый срок. Дальше — конкретный маршрут под три разных стартовых позиции, чтобы не пытаться закрыть все восемь пунктов одновременно и не потонуть в объёме.

Что учить в первую очередь: маршрут от новичка до middle-аналитика

Универсального маршрута не существует — он сильно зависит от того, откуда вы стартуете и сколько времени готовы вкладывать еженедельно. Разберём три реалистичных сценария и постараемся не сглаживать их до одинаковой абстрактной последовательности.

Маршрут для новичка

Если сейчас вы маркетолог по email-рассылкам или CRM, специалист поддержки без опыта самостоятельной работы с данными, или продуктовый менеджер без сильной аналитической базы — стартовая точка одна и та же: Excel, доведённый до по-настоящему уверенного уровня. Это не формальность, а фундамент: без свободного владения сводными таблицами и базовыми формулами следующий шаг — SQL — будет восприниматься как абстрактная синтаксическая головоломка, а не логичное продолжение уже понятной логики группировки данных.

Дальше — метрики CX: что такое NPS, CSAT, retention, как их считают вручную на небольшой выборке и, что важнее формул, зачем каждая из них нужна и какую управленческую проблему решает. Пропускать этот шаг в пользу сразу инструментов — частая ошибка: человек, который умеет писать SQL-запросы, но не понимает логику метрик, в итоге просто быстрее считает бесполезные цифры.

Следующий этап — SQL-база: SELECT, JOIN, группировки, оконные функции. Здесь важно учиться не в вакууме абстрактных учебных таблиц, а сразу на задачах, приближённых к реальным: построить когортную таблицу, посчитать retention по каналам, найти сегмент с аномальным churn.

После этого — BI-система для сборки дашбордов и продуктовая аналитика: когорты, RFM, основы юнит-экономики. Завершает маршрут работа с CJM и дипломный кейс — например, разбор реального (если есть доступ к данным работодателя) или максимально приближённого к реальности учебного пути клиента с найденной конкретной точкой оттока и предложенной гипотезой её устранения.

Начать имеет смысл с общей программы — курсов аналитики с нуля, которые как раз выстраивают эту последовательность от простого к сложному, а не бросают человека сразу в SQL без контекста метрик, что для новичка почти всегда заканчивается потерей мотивации на середине курса.

Ориентировочный срок — 4–6 месяцев при регулярных занятиях. В портфолио к концу маршрута: когортная таблица, дашборд retention с автоматическим обновлением, разбор CJM с как минимум одной проверенной гипотезой.

Так выглядит базовый NPS-опрос: числовая оценка показывает масштаб проблемы, а открытый ответ помогает понять её причину.

Маршрут для практикующего маркетолога или CRM-специалиста

Здесь база уже заметно сильнее: есть понимание клиента, опыт сегментации в CRM, практика работы с рассылками и, как правило, интуитивное чутьё на то, какие клиенты «хорошие», а какие нет. Не хватает обычно двух конкретных вещей.

Первое — SQL на уровне, достаточном для самостоятельной работы с данными, без постоянной зависимости от аналитика или разработчика, к которому приходится каждый раз обращаться за новой выгрузкой. Это узкое место сильно тормозит скорость проверки гипотез: пока запрос на выгрузку идёт в очереди у занятого аналитика, конкурентное преимущество от быстрой реакции теряется.

Второе — системный взгляд на когорты и продуктовые метрики вместо интуитивной сегментации по ощущениям. Опытный маркетолог часто «чувствует», какие клиенты лояльнее, но не может это доказать цифрами перед руководством — а интуиция, даже верная, плохо конвертируется в бюджет на новую инициативу.

Дальше в маршруте — NPS-программы в полном смысле слова: не просто отправка опроса раз в квартал, а системный анализ драйверов недовольства и прямая связка результатов с деньгами. Завершает маршрут работа с BI-дашбордами, чтобы не пересчитывать одни и те же метрики вручную каждый месяц заново.

CRM-маркетологам чаще всего не хватает именно умения посчитать реальный, инкрементальный эффект от собственных сценариев реактивации — не «мы отправили рассылку, и часть получателей купила», а «эта рассылка увеличила покупки именно у той группы, которая иначе бы не вернулась». Для этого закрывают пробел курсы по CRM-маркетингу с аналитическим блоком, где отдельно разбирают, как измерять эффект маркетинговых сценариев, а не только их запускать.

Срок — 4–6 месяцев при параллельной работе на текущей позиции. В портфолио: RFM-сегментация реальной рабочей базы (обезличенной, если того требует политика компании), отчёт по NPS с разбивкой по драйверам недовольства, кейс с измеренным и доказанным эффектом от конкретного сценария удержания.

Маршрут для руководителя клиентского сервиса

Руководителю не обязательно самому писать SQL-запросы или строить дашборды с нуля — куда важнее уметь грамотно читать то, что строит команда, и задавать правильные вопросы, а не принимать любые цифры на веру. Маршрут здесь короче и заметно практичнее остальных двух.

Начинается он с метрик CX и retention на уровне глубокого понимания логики, а не самостоятельного расчёта: что означает каждая метрика, какие у неё типичные искажения, на что обращать внимание при чтении чужого отчёта. Дальше — навык интерпретации готовых дашбордов: не просто смотреть на итоговую цифру, а уметь задать команде уточняющий вопрос вроде «а как это выглядит в разбивке по каналам» именно в тот момент, когда это действительно важно, а не для проформы.

Следующий этап — CJM и VoC на уровне понимания, достаточном, чтобы разговаривать с аналитиками команды на одном языке и не терять смысл в переводе технического жаргона в управленческие решения. Завершает маршрут менеджерский блок — как выстроить работу команды аналитики вокруг постоянного мониторинга удержания, а не разовых квартальных отчётов, которые готовятся впопыхах перед совещанием.

Срок — 2–3 месяца, поскольку маршрут не требует освоения технических инструментов с нуля. Результат здесь — не столько личное портфолио, сколько практическая способность формулировать команде правильные вопросы, оценивать качество полученных ответов и не соглашаться на отчёты уровня «NPS вырос на два пункта» без дальнейших уточнений.

Карта клиентского пути помогает соединить количественные провалы в retention с конкретными точками опыта, в которых клиент сталкивается с проблемой.

Какие курсы помогают освоить удержание, NPS и повторные продажи — и как выбрать своё

Комплексные курсы по CX и продуктовой аналитике

Если вы стартуете с нуля или хотите закрыть тему целиком, а не собирать её по кусочкам из разных источников, логичнее смотреть в сторону программ, которые дают связку сразу: метрики (NPS, retention, LTV), инструменты (SQL, BI) и работу с VoC — в одной последовательной программе, где темы логично сменяют друг друга, а не разрозненными модулями, между которыми приходится самостоятельно достраивать смысловые мостики. Такой формат экономит время именно новичкам: не приходится держать в голове, как курс по SQL из одного источника стыкуется с курсом по маркетингу из совершенно другого — с иной терминологией, иными примерами и порой противоречивыми рекомендациями.

Дополнительный плюс комплексного формата — постепенное усложнение задач: сначала учат считать метрики на простых данных, потом добавляют инструменты для более сложных объёмов, и только затем — качественные методы вроде CJM, когда база уже усвоена и не отвлекает от нового материала. Посмотреть подходящие варианты можно среди курсов по CX-аналитике — там как раз собраны программы с таким последовательным, комплексным подходом к теме.

Курсы по SQL и BI под задачи аналитика

Если метрики и логика их применения уже понятны, а не хватает именно инструментальной части — работы с данными и визуализацией, — есть смысл закрывать это точечно, не переплачивая за повторное объяснение того, что вы уже знаете. Отдельные курсы по SQL дают навык самостоятельно выгружать, фильтровать и группировать данные без постоянных запросов к разработчикам или аналитикам, а курсы по BI-аналитике — превращать эти данные в живые дашборды, которые обновляются автоматически и не требуют пересборки вручную каждую неделю.

Пример BI-дашборда: ключевые показатели, динамика и сегменты собраны в одном автоматически обновляемом отчёте.

Комбинация этих двух точечных направлений часто оказывается быстрее и дешевле одной большой комплексной программы — но только при одном условии: вы действительно уже понимаете, зачем вам эти инструменты, и не нуждаетесь в объяснении логики метрик с нуля. Если сомневаетесь, честно вернитесь к чек-листу самопроверки выше — он как раз помогает понять, какого именно типа пробел у вас на самом деле.

Курсы по retention- и CRM-маркетингу

Если хочется не только диагностировать проблему и посчитать её эффект, но и самостоятельно внедрять сценарии удержания — реактивационные цепочки писем, программы лояльности, персонализированные push-уведомления, — стоит смотреть отдельный блок программ по курсам по retention-маркетингу. Они учат собирать конкретные сценарии на основе тех самых метрик, которые CX-аналитик уже посчитал, сегментировал и объяснил: например, зная, что клиенты определённого RFM-сегмента близки к оттоку, retention-маркетолог настраивает для них персональную реактивационную цепочку с правильным предложением и правильным таймингом.

Эта роль требует меньше глубины в SQL, чем чистая CX-аналитика, но больше практических навыков работы с инструментами автоматизации маркетинга — что стоит учитывать при выборе, если вы больше тяготеете к внедрению решений, чем к их диагностике.

На что смотреть в программе и какое портфолио получить

Есть несколько конкретных ориентиров, которые помогают отличить сильную программу от курса «про воду» — с красивым названием, но без рабочей ценности.

• Практика на реальных или максимально приближённых к реальным данных. Учебные примеры «на пальцах» с идеально чистыми числами хороши для объяснения концепции, но не готовят к реальной грязи в данных: пропущенным значениям, дублям, некорректным датам — с чем реально приходится сталкиваться на практике.
• Дипломный проект с дашбордом и разбором CJM. Это не формальность для галочки, а конкретный артефакт, который реально можно показать на собеседовании и обсудить в деталях — какие решения принимались и почему.
• Наставник-практик из индустрии, а не только записанные видеолекции. Обратная связь по конкретной работе — принципиально другой уровень обучения, чем просмотр общего видео без возможности задать уточняющий вопрос по своей конкретной ситуации.
• Работа с открытыми ответами NPS, то есть с качественными данными наравне с количественными — если программа игнорирует эту часть, выпускник рискует остаться «отчётным клерком» из описанного выше сценария.
• Актуальность стека инструментов: DataLens, Power BI, Metabase, GA4 — а не набор инструментов, устаревших несколько лет назад и давно не используемых на реальном рынке труда.
• Соотношение теории и практики. Программа, перегруженная лекциями без домашних заданий и обратной связи по ним, оставляет знание пассивным — тем, которое сложно использовать самостоятельно без готовых примеров под рукой.
• Отзывы выпускников с конкретикой — куда трудоустроились, с каким результатом, — а не общие фразы вроде «курс понравился, всё отлично».

К концу обучения в портфолио стоит собрать пять-шесть конкретных артефактов: дашборд retention с понятной логикой сегментации, RFM-сегментацию реальной или учебной базы с выводами по каждой группе, разбор CJM с найденной точкой оттока, отчёт по NPS с разбором драйверов недовольства, набор проверенных (а не только сформулированных) гипотез и презентацию с цифрами для «руководства» — даже если пока это учебная симуляция, а не реальное совещание.

Если у вас конкретная рабочая задача прямо сейчас, проще ориентироваться по короткой таблице:

Частые вопросы

• Кто такой аналитик клиентского опыта простыми словами? Специалист, который считает, насколько клиенты довольны компанией, и объясняет, почему одни возвращаются за повторными покупками, а другие уходят — переводя эти наблюдения в конкретные метрики и деньги, а не в общие ощущения вроде «клиентам вроде бы нравится».
• Чем CX-аналитик отличается от продуктового и маркетингового аналитика? Продуктовый аналитик работает с метриками самого товара — активацией, вовлечённостью, A/B-тестами конкретных фич внутри приложения или сайта. Маркетолог занят каналами привлечения и креативами. CX-аналитик стоит между ними и смотрит шире: объясняет, почему клиент остаётся или уходит с учётом всего опыта взаимодействия с компанией — от рекламы до доставки и работы поддержки, — и переводит это в NPS, retention и LTV.
• Сколько зарабатывает CX-аналитик в России? Зарплатная вилка сильно зависит от грейда, отрасли и региона — разница между junior и head of CX может быть кратной, а не в полтора-два раза. Точные цифры быстро меняются вместе с рынком труда, поэтому за актуальными данными лучше смотреть свежие обзоры зарплат по конкретным вакансиям на профильных площадках, а не ориентироваться на цифры даже годичной давности — рынок за это время успевает заметно сдвинуться.
• Нужен ли Python или хватит SQL и BI? Для входа в профессию Python не обязателен — уверенного SQL и работы с BI-системой достаточно для решения большинства повседневных задач: когортных отчётов, дашбордов, сегментации. Python пригодится позже, если работа потребует более сложной автоматизации расчётов или статистического анализа за пределами возможностей стандартных BI-инструментов, но это скорее апгрейд для более продвинутого уровня, чем стартовое требование для входа в профессию.
• Можно ли перейти в CX-аналитику из маркетинга или поддержки? Да, и это один из самых частых и логичных путей в профессию. У специалистов поддержки уже есть понимание клиентских проблем изнутри — они каждый день видят реальные жалобы и вопросы. У маркетологов — опыт работы с сегментацией аудитории и CRM-системами. Не хватает обычно инструментов самостоятельной работы с данными — SQL и BI, — которые добираются точечно и относительно быстро, без необходимости переучиваться с нуля на совершенно новую профессию.
• За сколько месяцев реально освоить профессию с нуля? Ориентировочно 4–6 месяцев при системном обучении с нуля — это включает метрики, базовый SQL, работу с BI, продуктовую аналитику и завершающий дипломный кейс. Для практикующих маркетологов и CRM-специалистов, которые добирают только часть недостающих навыков, реальный срок обычно короче — тот же диапазон 4–6 месяцев, но при менее интенсивной нагрузке, поскольку часть базы уже освоена.
• Какие метрики нужно уметь считать в первую очередь? NPS с обязательной сегментацией по каналам и когортам, retention по когортам и repeat purchase rate — это минимальный рабочий набор, который закрывает большинство повседневных задач и рабочих вопросов от руководства. LTV и более глубокую юнит-экономику логично добавлять следующим шагом, когда базовый набор метрик уже освоен и применяется на практике.
• Как связать NPS с деньгами и доказать это руководству? Нужно поделить NPS по группам клиентов и сопоставить каждый сегмент с его retention и объёмом повторных покупок именно этой группы — тогда падение или рост балла в конкретном сегменте превращается в конкретную сумму недополученной или дополнительной выручки, а не остаётся абстрактным «настроением аудитории», с которым сложно спорить, но и сложно на него опираться при принятии решений.
• Что должно быть в портфолио, если опыта работы нет? Дашборд retention, построенный на учебных или открытых данных, RFM-сегментация с конкретными выводами по каждой группе, разбор CJM с найденной точкой оттока и предложенной гипотезой её устранения, отчёт по NPS с разбором драйверов недовольства — этого набора достаточно, чтобы показать на собеседовании реальный ход рассуждений, а не просто факт получения диплома об окончании курса.
• Курс «всё в одном» или несколько модульных программ — что выбрать? Если стартуете с нуля — обычно проще и логичнее комплексная программа, где метрики, SQL, BI и работа с VoC даются в продуманной последовательности, без необходимости самостоятельно стыковать разные источники. Если часть навыков уже есть — быстрее и часто дешевле закрыть конкретные пробелы точечно, например отдельными курсами по SQL под конкретную рабочую задачу, не переплачивая за повторное объяснение уже знакомого материала.
• Нужен ли диплом и сертификат работодателю? Сам по себе сертификат об окончании курса мало что решает при найме — работодателя куда больше интересует дипломный проект: реальный дашборд, разбор CJM, конкретный кейс с гипотезой и её проверкой на данных. Диплом ценен ровно настолько, насколько за ним стоит показанная и объяснимая работа, а не факт прохождения программы как такового.
• Где брать данные для учебных проектов? Подойдут открытые датасеты с площадок вроде Kaggle или аналогичных ресурсов, данные из учебных проектов, предоставляемые самим курсом, а при наличии рабочего доступа и разрешения — обезличенная выборка из своей компании, как в примере с 200 клиентами выше. Если системной практики именно на реальных, а не искусственных данных не хватает в выбранной программе — это как раз то, на что стоит обратить внимание при выборе курсов по CX-аналитике, задав вопрос об источниках практических заданий ещё до оплаты.

С чего начать уже сейчас

Не пытайтесь выучить всё сразу — это самый быстрый и надёжный способ бросить обучение где-то на середине третьего модуля, когда мотивация первой недели уже иссякла, а результата ещё не видно. Лучше пройти три конкретных шага, каждый из которых не требует записи на курс прямо сегодня.

Первый шаг — честная диагностика. Пройдите чек-лист выше без желания приукрасить результат: цель не набрать побольше «да», а понять реальную стартовую точку, от которой имеет смысл строить дальнейший план.

Второй шаг — выберите один маршрут из трёх описанных, соответствующий вашей текущей роли и объёму свободного времени, а не той позиции, в которую вы хотите попасть через год. Маршрут руководителя не подойдёт человеку, который планирует сам считать retention по когортам — а маршрут новичка избыточен для практикующего маркетолога, который уже свободно работает с CRM-сегментацией.

Третий шаг — возьмите одно направление обучения, а не пытайтесь охватить сразу SQL, BI и продуктовую аналитику параллельно на трёх разных площадках. Параллельное освоение нескольких новых дисциплин почти всегда размывает фокус и увеличивает реальный срок обучения, а не сокращает его, как может показаться на старте.

И вот небольшое упражнение, которое можно сделать уже сегодня, не дожидаясь начала курса и не тратя на него ни рубля: возьмите последние 200 клиентов вашей компании (или, если доступа к рабочим данным нет, любой открытый датасет с транзакциями) и попробуйте вручную разделить их на три сегмента по частоте покупок — купившие один раз, купившие несколько раз нерегулярно и постоянные клиенты. Посмотрите, различается ли средний чек и давность последней покупки между этими тремя группами.

Если это задание далось относительно легко и вы интуитивно понимаете, что делать с результатом дальше, — вы, вероятно, готовы двигаться сразу к когортам и полноценному RFM-анализу, минуя самые базовые темы. Если же застряли уже на первом шаге разбивки на группы — начните с курса по SQL и продуктовой аналитике: без этой базы дальнейшие темы будут даваться заметно сложнее и медленнее, чем могли бы.