Когда международная или локальная компания начинает исследовать потребителей в Узбекистане, Ташкент почти неизбежно оказывается отправной точкой. Здесь проще организовать поле, выше концентрация бизнеса, современных торговых форматов и цифровых сервисов, легче найти нужные аудитории. Для многих проектов это логично. Проблема начинается в тот момент, когда данные, полученные в столице, начинают воспринимать как картину всей страны.

Узбекистан слишком неоднороден для такого упрощения. Разница между Ташкентом и регионами проявляется не только в уровне доходов. Она влияет на структуру расходов, доступность товаров и услуг, привычные торговые каналы, отношение к цене, способы оплаты и даже на то, что потребитель считает хорошим сервисом. При этом и сами «регионы» нельзя рассматривать как одну однородную группу: Самарканд, Наманган, Карши, Нукус или небольшой район внутри области могут представлять совершенно разные потребительские среды.

Для маркетингового исследования это принципиальный вопрос. Если география выборки не соответствует географии бизнеса, исследование может быть статистически аккуратным, но отвечать совсем не на тот вопрос, ради которого его заказывали.

Ташкент действительно живёт в другой экономической среде

Разница хорошо видна уже на базовых экономических показателях. По итогам 2025 года средняя номинальная заработная плата в Ташкенте составляла около 10,75 млн сумов в месяц при среднем показателе по стране 6,38 млн. В Самаркандской области она была около 4,74 млн, в Наманганской — 4,75 млн, в Кашкадарьинской — 4,48 млн сумов. Иными словами, между столицей и рядом крупных регионов разница превышала два раза.

Это не означает, что средняя заработная плата напрямую описывает бюджет конкретного покупателя. Доходы семей складываются из разных источников, статистика формального рынка труда имеет свои ограничения, а стоимость жизни также различается. Но для исследователя такой разрыв сразу говорит о другом: одинаковая цена в разных частях страны может восприниматься совершенно по-разному.

Условная подписка за 150 тысяч сумов, дополнительная платная услуга банка или более дорогая упаковка FMCG могут занимать разную долю располагаемого бюджета. Поэтому ответ ташкентского респондента «цена приемлемая» нельзя автоматически распространять на национальную аудиторию.

Различия видны и в самой торговле. По официальным данным, зарегистрированный розничный товарооборот на душу населения за 2025 год в Ташкенте достиг примерно 41,6 млн сумов. В Самаркандской области показатель составлял около 9,7 млн, в Наманганской — 9,4 млн, в Кашкадарьинской — 8,4 млн сумов. Эти цифры нельзя читать как прямое измерение личных расходов: на них влияют структура торговли, место совершения покупки и концентрация бизнеса. Но масштаб разрыва хорошо показывает, насколько различается потребительская инфраструктура регионов.

Ещё заметнее контраст в сфере услуг. За январь–июль 2025 года объём рыночных услуг на душу населения в Ташкенте составлял 66,2 млн сумов, тогда как в Самаркандской области — 8,9 млн, Наманганской — 8,8 млн, Сурхандарьинской — 6,2 млн. Здесь тоже речь идёт прежде всего о различии экономической структуры, а не о том, что каждый ташкентец лично потребляет услуг в десять раз больше. Но бизнес-среда, в которой формируются привычки столичного потребителя, объективно другая.

И это уже начинает влиять на то, как человек оценивает продукт.

Одна и та же потребность может выглядеть по-разному

Представим исследование нового банковского продукта. В Ташкенте респондент может оценивать его прежде всего через удобство приложения, скорость регистрации и возможность не посещать отделение. В другом городе главным преимуществом окажется наличие понятной сети обслуживания, возможность быстро снять наличные или доверие к самому банку.

Оба клиента хотят удобства. Просто под словом «удобство» они могут понимать разные вещи.

То же происходит в ритейле. Для покупателя в столице дополнительная плата за быструю доставку может выглядеть разумным обменом денег на время. В населённом пункте, где магазины находятся рядом, а стоимость доставки заметнее относительно среднего чека, ценность такого сервиса будет другой.

Поэтому опасно переносить из Ташкента не только количественные показатели, но даже язык исследования. Фразы вроде «быстрая доставка», «премиальный сервис», «удобное приложение» или «доступная цена» не имеют единого объективного значения. Оно формируется из того опыта, к которому привык сам потребитель.

Хорошее исследование должно сначала понять этот контекст, а затем измерять его.

Цифровизация не уничтожила региональные различия

Есть соблазн считать, что смартфоны и интернет постепенно делают географию менее важной. Отчасти это действительно происходит. Цифровые сервисы быстро распространяются по всей стране, и интернет давно перестал быть исключительно столичной историей.

На конец 2025 года статистика фиксировала в Узбекистане более 36 млн абонентских подключений к интернету против примерно 20 млн пятью годами ранее. Рост происходил не только в Ташкенте: например, в Андижанской области показатель вырос примерно с 1,48 млн подключений в 2020 году до 2,76 млн в 2025-м, в Хорезмской — с 1,01 млн до 1,85 млн.

Но наличие интернета ещё не означает одинакового цифрового поведения.

Официальная статистика сама показывает, почему такие данные нужно интерпретировать осторожно. Показатель числа интернет-абонентов на 100 жителей в Ташкенте может превышать 100, поскольку это учёт подключений, а не уникальных людей: один человек способен иметь несколько SIM-карт или других подключений. Поэтому использовать такой показатель как прямой эквивалент «процента населения в интернете» было бы методологически неверно.

Для бизнеса гораздо важнее другое. Какие приложения реально используются? Где человек узнаёт о товаре? Через что сравнивает цены? Насколько привычна оплата картой? Готов ли оформить продукт полностью дистанционно или хочет физическую точку, куда можно обратиться при проблеме?

На эти вопросы национальная цифра интернет-проникновения ответа не даёт.

В результате два потребителя с одинаковым смартфоном и доступом в сеть могут иметь совершенно разные customer journeys.

Даже область — слишком крупная единица, чтобы считать её одним рынком

Региональная неоднородность не заканчивается сравнением Ташкента с областями. Она существует и внутри самих областей.

Например, официальная статистика розничной торговли показывает существенные различия между областным центром и районами. В Самаркандской области оборот розничной торговли на душу населения за 2025 год составлял около 9,7 млн сумов, тогда как непосредственно в городе Самарканде — около 21,9 млн. В Наманганской области — примерно 9,4 млн, а в городе Намангане — более 15,3 млн.

Это важный момент для дизайна полевых исследований.

Если компания говорит, что исследование проводилось «в Самаркандской области», нужно понимать, где именно собирались интервью. Если большая часть респондентов набрана в Самарканде, формально географическое условие выполнено, но исследование всё ещё может плохо описывать потребителя в районах.

Особенно сильно это влияет на категории, зависимые от физической дистрибуции: FMCG, фармацевтику, банковские отделения, автомобильные товары, строительные материалы, бытовую технику. Потребитель не выбирает из всех продуктов, существующих на рынке страны. Он выбирает прежде всего из того набора, который реально доступен ему.

Если определённого бренда нет в ближайших торговых точках, низкая покупка вовсе не обязательно означает слабое отношение к бренду. Иногда это просто проблема доступности.

Без регионального контекста исследования легко перепутать одно с другим.

Цена особенно чувствительна к неправильной географии выборки

Предположим, компания тестирует новый продукт и хочет определить приемлемую цену. Большая часть респондентов набрана в Ташкенте. Исследование показывает хороший purchase intent при цене 250 тысяч сумов, после чего продукт запускают национально.

Дальше продажи в регионах оказываются слабее ожидаемых.

Первое объяснение обычно звучит так: местным потребителям продукт менее интересен. Но первоначальная проблема могла быть совсем не в интересе. При другой структуре доходов цена могла пересечь совершенно другой психологический порог.

Особенно опасны исследования, где регион присутствует в выборке номинально. Например, из 1 000 интервью 700 приходятся на Ташкент, а оставшиеся 300 распределены между несколькими областями. Итоговый показатель математически будет очень близок к столичному, даже если поведение за пределами Ташкента существенно отличается.

В такой ситуации национальное среднее становится красивой цифрой, за которой скрываются несколько разных рынков.

Иногда правильным результатом исследования должна быть не одна «оптимальная цена», а понимание диапазонов ценовой чувствительности для разных групп потребителей.

Региональные различия нельзя свести только к доходу

Было бы слишком просто объяснить всё покупательной способностью. Поведение формируется не только деньгами.

Влияют доступность современного ритейла, плотность банковской инфраструктуры, логистика, ассортимент, привычные источники информации, конкуренция между локальными и национальными брендами. В отдельных категориях важны рекомендации родственников и знакомых, опыт семьи, продавца или специалиста. В других покупатель практически полностью принимает решение через цифровой канал.

Причём значение этих факторов лучше не предполагать заранее.

Фраза «в регионах сильнее сарафанное радио» может звучать правдоподобно, но сама по себе она не является исследовательским выводом. Возможно, это действительно так для определённой категории. А в другой категории молодая аудитория в Фергане или Самарканде выбирает продукт через те же цифровые источники, что и потребитель в Ташкенте.

Именно поэтому локальная специфика должна измеряться, а не собираться из стереотипов.

Репрезентативность зависит от решения, которое предстоит принять

Нет универсального правила, что каждое исследование в Узбекистане обязано охватывать всю страну.

Если ресторанная сеть работает только в Ташкенте, национальная выборка ей не нужна. Если девелопер оценивает конкретный городской проект, включение других регионов просто увеличит стоимость исследования. Если сервис пока доступен только столичным пользователям, именно они и являются генеральной совокупностью.

Проблема возникает, когда масштаб будущего решения шире масштаба собранных данных.

Если компания планирует национальный запуск продукта, строит стратегию дистрибуции по стране или рассчитывает потенциальный объём рынка Узбекистана, исследование только в Ташкенте требует очень веских оснований.

При этом национальная выборка не обязательно означает простое пропорциональное распределение интервью по населению. Иногда для бизнеса важнее получить достаточное число наблюдений в каждом ключевом регионе, чтобы сравнивать их между собой. После этого данные можно взвесить при расчёте национальных показателей.

То есть дизайн выборки зависит от того, что компания хочет узнать.

Если нужен один общий показатель — одна логика. Если нужно понять различия между Ташкентом, Ферганской долиной, Самаркандом и другими территориями — другая. Если исследуется узкая B2B-аудитория, географическая структура может строиться уже по концентрации предприятий, а не населения.

Именно поэтому количество интервью само по себе никогда не отвечает на вопрос о качестве выборки.

Когда Ташкент всё-таки полезен как первый этап

Столица не должна исчезать из исследований. Наоборот, для многих проектов она остаётся наиболее подходящим местом для начала.

Здесь можно быстро проверить концепцию, провести качественные интервью, протестировать анкету или понять базовую механику выбора. Ошибка — не исследовать Ташкент. Ошибка — не заметить момент, когда выводы перестают быть только ташкентскими и начинают называться выводами по Узбекистану.

Разумный дизайн иногда строится поэтапно. Сначала качественное исследование в столице позволяет сформулировать основные гипотезы. Затем поле расширяется на несколько типов регионов, где проверяется, какие из этих гипотез сохраняются, а какие начинают работать иначе.

Такой подход часто даёт больше понимания, чем одна большая выборка, где географические различия растворены в среднем результате.

Особенно полезно смотреть не только на различия, но и на то, что остаётся стабильным. Если один и тот же драйвер выбора работает одинаково в Ташкенте, Самарканде и Намангане, это хороший кандидат для национальной стратегии. Если реакция резко расходится, компании, возможно, понадобится адаптация продукта или коммуникации.

Хорошее исследование показывает не «среднего узбекистанца», а структуру рынка

Самая спорная фигура во многих национальных исследованиях — условный средний потребитель.

Средний возраст, средний доход, средняя удовлетворённость, средняя готовность платить. Эти показатели удобны для презентации, но реальный человек редко находится ровно посередине всех распределений.

Для бизнеса гораздо полезнее понимать, из каких разных типов спроса складывается рынок.

Где клиент выбирает прежде всего по цене, а где платит за экономию времени. Где покупку ограничивает доход, а где — отсутствие продукта. Где цифровой канал способен полностью заменить физический, а где он пока скорее дополняет его. Где национальный бренд конкурирует с другим национальным брендом, а где — с сильным локальным игроком или традиционным способом решения той же задачи.

В Узбекистане с его быстро растущим потребительским рынком такие различия особенно легко скрыть за динамикой общих показателей. Когда рынок в целом растёт, компания может некоторое время показывать хорошие продажи даже при неточном понимании отдельных территорий.

Но по мере усиления конкуренции ошибки становятся дороже. Неверно выбранная цена, одинаковая коммуникация для разных рынков или дистрибуция, построенная по столичной модели, начинают непосредственно отражаться на экономике.

Поэтому вопрос «сколько респондентов нам нужно?» в национальном исследовании имеет смысл задавать только после другого: какие части Узбекистана должны быть представлены в данных, чтобы решение действительно можно было принимать для всей страны?

И иногда ответ на него оказывается важнее ещё нескольких сотен интервью.

Когда клиент нажимает «Отменить подписку», закрывает счёт, переносит номер к другому оператору или просто перестаёт покупать, компания почти всегда хочет знать одно: почему?

Самый очевидный способ — спросить самого клиента. Поэтому появляются exit-опросы с вариантами «слишком дорого», «нашёл лучшее предложение», «не устраивает качество», «больше не пользуюсь». Через месяц аналитик сводит ответы, и руководство получает аккуратную диаграмму: например, главным фактором ухода оказалась цена.

На этом месте и возникает проблема. Ответ клиента при расторжении отношений и реальная причина оттока — не обязательно одно и то же.

Человек вполне может искренне выбрать вариант «дорого». Но почему цена внезапно стала слишком высокой после двух лет использования? Возможно, продукт стал использоваться реже. Возможно, месяц назад произошёл неприятный сбой. Возможно, конкурент предложил более удобный сервис за сопоставимые деньги. А может быть, клиент давно был недоволен, но именно очередное повышение цены стало последним поводом уйти.

Для бизнеса это совершенно разные ситуации. В первой может понадобиться изменить продукт, во второй — клиентский сервис, в третьей — конкурентное предложение, а в четвёртой скидка вообще ничего не исправит.

Поэтому нормальное исследование churn начинается не с вопроса «какую причину назвал клиент?», а с попытки восстановить весь путь к уходу.

Клиенты редко уходят из-за одного события

Уход удобно представлять как конкретную дату. До 14 августа человек был клиентом, 15 августа перестал им быть. В данных появляется понятная точка churn.

В реальной жизни решение обычно созревает дольше.

Абонент несколько месяцев сталкивается с нестабильным интернетом. Пользователь банковского приложения пару раз не может провести нужную операцию. Покупателю маркетплейса задерживают доставку, затем поддержка долго решает вопрос с возвратом. Сам по себе каждый эпизод недостаточен, чтобы уйти. Потом появляется предложение конкурента или компания повышает тариф — и клиент принимает решение.

Если спросить его сразу после ухода, наиболее доступным объяснением может оказаться именно последнее событие: «стало дорого». Но это ещё не доказывает, что снижение цены вернуло бы его лояльность.

Исследования switching behavior подтверждают, что переход между поставщиками услуг обычно связан не с одним фактором. В исследовании мобильных финансовых сервисов, опубликованном в 2025 году, с переключением клиентов были связаны цена, качество сервиса, репутация, неудобство, технологические проблемы, неудовлетворённость и снижение лояльности. Причём авторы описывают switching как процесс, состоящий из нескольких стадий, а не как мгновенную реакцию на один раздражитель.

Это важный сдвиг для исследования. Нужно искать не одну «причину ухода», а комбинацию обстоятельств, после которой отношения с компанией перестали казаться клиенту достаточно ценными.

«Слишком дорого» часто означает больше, чем просто цену

Цена почти неизбежно оказывается среди причин churn в банках, телекоме, подписках и цифровых сервисах. И игнорировать её было бы ошибкой.

Но сама фраза «дорого» мало что объясняет.

Цена существует только относительно воспринимаемой ценности. Клиент может спокойно платить 100 тысяч сумов в месяц, пока регулярно пользуется сервисом, а через полгода считать те же 100 тысяч чрезмерными, потому что продукт потерял для него актуальность. Или конкурент мог предложить больше за те же деньги. Формально причина ухода — цена, но снижение тарифа не решает проблему ценности продукта.

Поэтому исследование оттока должно отличать абсолютную ценовую чувствительность от изменения value for money.

Хороший пример даёт банковский сектор. В исследовании J.D. Power 2024 года среди американских клиентов, намеревавшихся сменить банк, 29% упоминали высокие или многочисленные комиссии, а 26% — плохой опыт обслуживания. При этом само исследование связывало риск ухода не только с ценой, но и с доверием и качеством взаимодействий с банком.

Это не данные по Узбекистану, и переносить сами проценты на местный рынок нельзя. Но механизм полезен: финансовые условия, сервис и доверие работают одновременно.

Для банка или финтех-компании в Узбекистане вопрос поэтому лучше формулировать не «уходят ли клиенты из-за комиссии?», а «при каком опыте эта комиссия начинает восприниматься как несправедливая и что клиент получает у альтернативного поставщика?».

Exit-опрос показывает только одну часть истории

Опрос ушедших клиентов полезен. Отказываться от него не нужно. Просто его нельзя превращать в единственный источник правды.

Есть несколько причин.

Часть клиентов вообще не отвечает на такие опросы. Причём отвечающие могут систематически отличаться от молча ушедших. Кто-то уже не помнит последовательность событий, кто-то выбирает самый близкий вариант из списка, а кто-то сознательно сокращает сложное решение до одного понятного объяснения.

Кроме того, многое зависит от того, что компания решила спросить. Если в списке причин есть «высокая цена», но нет «продукт стал мне не нужен», респондент выбирает из предложенной реальности.

Интересный пример даёт исследование причин банковского churn на основе сообщений в социальных сетях. Авторы сравнили полученную картину с результатами более ранних исследований и обнаружили заметные различия. В их данных главными темами рядом с угрозой ухода были скорость решения вопросов, обвинения в неэтичном поведении и проблемы с биллингом и платежами, тогда как цена составляла менее 10% причин. В классических исследованиях переключения цена часто занимала гораздо более высокое место.

Это не означает, что социальные сети «правильнее» опроса. Они тоже представляют специфическую аудиторию. Зато пример хорошо показывает другое: разные источники позволяют увидеть разные слои одной проблемы.

Именно поэтому наиболее полезная картина появляется, когда слова клиента сопоставляются с его поведением.

Иногда компания уже знает о будущем уходе, просто данные лежат в разных системах

У телеком-оператора могут быть данные о качестве сети, обращениях в контакт-центр, изменении потребления трафика, оплатах, подключённых услугах и истории тарифов. У банка — транзакции, использование приложения, обращения, продукты, остатки и активность. У e-commerce — частота покупок, средний чек, возвраты, доставка, промокоды и посещения сайта.

По отдельности каждый показатель говорит немного. Вместе они могут показать характерный сценарий, предшествующий уходу.

McKinsey описывала телеком-оператора, который обнаружил более 50 переменных, связанных с churn. Среди них оказались комбинации типа устройства, объёма использования услуг и истории взаимодействий с call-центром. Анализ позволил перейти от общей категории «недовольный клиент» к конкретным проблемам — например, качеству работы отдельных call-центров или обрывам связи.

В другом кейсе анализ качества сети позволял выявлять клиентов с существенно повышенным риском ухода. Клиенты с худшим опытом уходили примерно в три раза чаще среднего, а объединение сетевых данных с churn-моделью помогало различать коммерческие и технические причины риска. Это принципиально важно: человеку с плохим качеством сети бессмысленно давать скидку, если его реальная проблема — сама связь.

Именно здесь начинается полезная аналитика churn. Модель должна не только ответить, кто уйдёт, но по возможности приблизиться к ответу, почему именно этот клиент находится в группе риска.

Иначе компания получает дорогой список людей, которым начинает массово раздавать скидки.

Предсказать уход и понять его причину — две разные задачи

Эти задачи часто смешивают.

Machine learning модель может очень хорошо прогнозировать вероятность ухода на основе сотен признаков. Например, снижение активности, уменьшение среднего чека, рост числа обращений или определённая история платежей могут создать очень сильный predictive signal.

Но прогноз ещё не означает причинность.

Если люди перед уходом начинают реже открывать приложение, из этого не следует, что увеличение числа push-уведомлений их удержит. Снижение активности может быть следствием того, что клиент уже внутренне переключился на конкурента.

То же касается программ лояльности. Если участники программы уходят реже, нельзя автоматически заключить, что сама программа создаёт удержание. Возможно, в неё чаще вступают самые активные покупатели.

Исследования цифровых подписок хорошо показывают ценность поведенческих данных. Работа 2024 года анализировала историю более 20 тысяч платных пользователей freemium-платформы. Вероятность прекращения подписки была связана, в частности, с длительностью выбранного тарифа, предыдущими отменами и уровнем вовлечённости в использование сервиса. Такие признаки позволяют замечать риск ещё до того, как клиент нажал Cancel.

Но следующий управленческий вопрос всё равно остаётся открытым: какое вмешательство действительно изменит это поведение?

Ответ обычно требует эксперимента. Если компания считает, что churn связан с onboarding, можно изменить onboarding у одной части новых клиентов и сравнить результат с контрольной группой. Если предполагается ценовая причина — протестировать разные retention offers. Если проблема в сервисе — проверить, изменяет ли проактивное устранение проблемы вероятность ухода.

Так исследование постепенно переходит от корреляции к решению.

Один показатель churn легко скрывает несколько совершенно разных проблем

Допустим, ежемесячный отток вырос с 3% до 4%. Это плохая новость, но для бизнеса пока почти бесполезная.

Кто именно стал уходить чаще?

Новые клиенты через месяц после подключения или люди, пользовавшиеся продуктом пять лет? Клиенты определённого тарифа? Пользователи из одного региона? Клиенты, привлечённые конкретной рекламной кампанией? Те, кто недавно обращался в поддержку? Или люди, чья промо-цена закончилась?

У каждого такого churn своя экономика и своё решение.

Особенно полезно смотреть на когорты. Например, может оказаться, что общая клиентская база выглядит стабильной, но клиенты, привлечённые последние три месяца, уходят значительно быстрее предыдущих когорт. Тогда проблема находится не в удержании существующей базы вообще, а, возможно, в качестве привлечения или первых неделях использования продукта.

Или наоборот: acquisition работает нормально, но через 12–18 месяцев резко растёт уход после окончания определённых льготных условий.

Средний churn rate этого почти не объясняет.

Поэтому вместо одной группы «ушедшие клиенты» обычно полезнее исследовать несколько сценариев ухода. Чем точнее определён сценарий, тем легче проверить его причины.

Последний контакт перед уходом особенно важен, но легко вводит в заблуждение

Многие компании ищут причину в последнем событии. Клиент пожаловался в поддержку, а через неделю закрыл счёт — значит, виновата поддержка.

Это возможное объяснение. Но не единственное.

Возможно, клиент обратился в поддержку именно потому, что его отношения с компанией уже достигли критической точки. То есть обращение стало не причиной, а симптомом накопившейся проблемы.

Правильнее смотреть на последовательность событий.

Как менялась активность за три или шесть месяцев? Были ли повторные обращения? Изменилось ли потребление продукта? Возникали ли проблемы с оплатой? Было ли повышение цены? Что происходило у конкурентов? Когда впервые появились признаки снижения вовлечённости?

Так возникает не статичная фотография клиента в момент ухода, а своего рода фильм.

Именно он обычно гораздо лучше объясняет churn.

Нужно разговаривать не только с теми, кто ушёл

Есть ещё одна ошибка, которая выглядит совершенно логично: если мы изучаем уход, давайте поговорим с ушедшими.

Но без контрольной группы трудно понять, какие проблемы действительно отличают churners от остальных.

Допустим, 40% ушедших клиентов жалуются на работу приложения. Звучит серьёзно. Но если среди оставшихся клиентов на приложение жалуются 45%, эта проблема вряд ли хорошо объясняет именно churn.

Поэтому полезно сравнивать ушедших с похожими клиентами, которые остались. Желательно контролировать срок отношений, продукт, регион, уровень потребления и другие важные характеристики.

Тогда исследование начинает отвечать не только на вопрос «что не нравится ушедшим?», а на гораздо более сильный вопрос: что отличает человека, который ушёл, от похожего человека, который при тех же обстоятельствах остался?

Разница между этими вопросами огромна.

Ушедший клиент не всегда потерян навсегда

Churn-исследование полезно не только для предотвращения будущих уходов. Оно помогает понять, кого имеет смысл возвращать.

Harvard Business Review описывала исследование более 53 тысяч бывших клиентов телеком-компании. Авторы анализировали не только вероятность возвращения, но и то, сколько клиент после возврата сможет приносить компании, как долго останется и какой win-back offer будет экономически оправдан.

Это более зрелый подход, чем массовая рассылка «Вернитесь — дадим скидку 20%».

Не каждый ушедший клиент одинаково ценен. Не каждый вернётся. И не каждого вообще стоит возвращать за любую цену.

Для части клиентов уход может быть естественным окончанием отношений: продукт больше не нужен, бизнес закрылся, человек переехал или изменились жизненные обстоятельства. Попытка удерживать таких клиентов только портит экономику retention-программы.

А вот клиент, ушедший после конкретного неудачного взаимодействия, может иметь высокую вероятность возвращения, если проблема устранена.

Поэтому churn и win-back логично исследовать вместе.

Что в итоге действительно нужно знать бизнесу

Для банка, оператора связи, маркетплейса или цифрового сервиса самая полезная формулировка исследования звучит не «почему от нас уходят клиенты?». Она слишком широкая.

Полезнее выяснить, какие типы ухода существуют, у каких клиентов они происходят, какие сигналы появляются заранее и какие из обнаруженных причин компания способна изменить.

Такой проект обычно соединяет несколько источников: историю использования продукта, транзакционные данные, обращения в поддержку, результаты exit-опросов, качественные интервью и данные о конкурентной среде. Где возможно, гипотезы затем проверяются экспериментально.

Это позволяет отделить повод от причины.

Клиент может нажать «слишком дорого». Но за этой кнопкой иногда скрывается падение использования, неудачный сервисный опыт, более привлекательный конкурент или несколько месяцев накопленного раздражения.

Если компания видит только последний ответ, она начинает лечить churn скидками.

Если видит весь путь клиента, появляется шанс исправить именно то, из-за чего отношения действительно разрушились.

И в этом состоит практическая ценность исследования оттока: не составить рейтинг жалоб ушедших клиентов, а понять, какие изменения способны сохранить тех клиентов, которых бизнес действительно хочет сохранить.

У заказчика исследования довольно часто есть соблазн начать разговор с цифры: «Давайте опросим тысячу человек». Тысяча звучит солидно, результат можно разложить по возрасту, полу и регионам, построить диаграммы и получить проценты, с которыми удобно идти на совещание.

Проблема в том, что иногда тысяча ответов не приближает компанию к решению вообще.

Если бизнес ещё не понимает, почему люди отказываются от продукта, что они имеют в виду под «неудобно», с чем сравнивают предложение и как на самом деле принимают решение, большая анкета просто заставит тысячу человек выбирать между вариантами ответа, которые придумала сама компания. Получится точное измерение гипотез исследователя, но не обязательно реального поведения рынка.

В других ситуациях всё наоборот. Компания уже хорошо понимает основные мотивы клиентов и хочет узнать, насколько каждый из них распространён, есть ли различия между Ташкентом и регионами, какой вариант концепции выигрывает или сколько покупателей готовы принять определённую цену. Здесь десять отличных интервью не заменят количественного исследования.

Поэтому вопрос «какой метод лучше?» поставлен неправильно. Качественные и количественные исследования решают разные задачи. Хороший дизайн начинается с понимания того, что именно бизнес пока не знает.

Когда проблема ещё непонятна, рано считать проценты

Представим, что банк видит снижение активности части клиентов. Из транзакционных данных понятно, что люди стали реже пользоваться картой, но причины неизвестны. Внутри компании уже есть несколько версий: комиссии, неудобное приложение, слабая программа лояльности, предложение конкурента.

Можно сразу составить анкету и спросить тысячу клиентов, что из этого им не нравится. Но в таком дизайне есть скрытая проблема: весь мир клиента уже ограничен четырьмя версиями банка.

Несколько десятков глубинных интервью могут на первом этапе дать гораздо больше. В разговоре выясняется последовательность событий, контекст использования продукта, альтернативы и причины, которые человек сам считает важными. Иногда обнаруживается фактор, которого вообще не было в первоначальном списке. Например, клиент не считает тариф дорогим и не имеет претензий к приложению — ему просто стало удобнее получать зарплату и совершать основные операции в другом банке, после чего первый постепенно превратился во второстепенный.

Именно для таких ситуаций нужны качественные исследования.

Они особенно полезны, когда бизнес выходит в новую категорию, разрабатывает продукт, пытается понять причины поведения, исследует сложный customer journey или ещё не знает, какие гипотезы вообще следует измерять.

Здесь глубинное интервью — IDI — позволяет не просто получить мнение, а восстановить логику выбора. Хороший интервьюер может несколько раз вернуться к одному эпизоду, уточнить обстоятельства и отделить общую декларацию «мне важно качество» от того, что человек реально сравнивал перед покупкой.

Это принципиально другой тип знания, чем процент ответов в анкете.

Фокус-группа нужна не тогда, когда хочется поговорить сразу с восемью людьми

Фокус-группы иногда используют просто как более дешёвую замену индивидуальным интервью. Это не лучшая логика.

Сила группы — во взаимодействии участников. Один человек рассказывает о своём опыте, другой с ним спорит, третий вспоминает похожую ситуацию. Так хорошо обсуждать восприятие рекламной идеи, языка коммуникации, категории, нового продукта или различных способов решения одной потребности.

Например, производитель продуктов питания хочет понять, как люди относятся к новой концепции упаковки. В индивидуальном интервью человек может достаточно формально перечислить плюсы и минусы. В группе быстро становится видно, какие элементы вызывают согласие, какие — спор, какие ассоциации возникают спонтанно и как люди объясняют друг другу свою позицию.

Но есть темы, где группа работает хуже. Финансовые проблемы, личное здоровье, доход, недовольство работодателем, использование определённых банковских продуктов или обстоятельства покупки дорогой вещи могут обсуждаться гораздо откровеннее один на один.

Поэтому выбор между IDI и фокус-группой определяется не названием исследования, а характером разговора, который нам нужен.

Когда уже понятно, что измерять, начинается количественная часть

Количественное исследование становится действительно сильным после того, как компания понимает пространство возможных ответов.

Допустим, качественный этап показал, что при выборе мобильного оператора люди смотрят не просто на цену тарифа. Важны качество связи в привычных местах, объём мобильного интернета, удобство пополнения, дополнительные сервисы, опыт родственников, стоимость перехода и доверие к самому оператору.

Следующий вопрос уже количественный: что из этого действительно важно для рынка в целом? Какие факторы сильнее влияют на выбор? Есть ли разные модели поведения среди молодых пользователей и семейной аудитории? Отличается ли ситуация в Ташкенте, Самарканде или Ферганской долине? Какой сегмент достаточно велик, чтобы под него менять предложение?

На эти вопросы невозможно надёжно ответить по двадцати интервью.

Здесь нужна выборка, в которой каждый респондент учитывается по понятным правилам, а ответы можно сравнивать статистически.

Именно на этом этапе появляются CAPI, CATI и CAWI. Это не три конкурирующих «вида маркетингового исследования», а три способа получить количественные ответы.

В Узбекистане способ опроса особенно важен

Для Узбекистана выбор канала сбора данных нельзя делать только из соображений стоимости.

Страна уже очень цифровая. По данным Национального комитета по статистике, к концу 2025 года число подключений к мобильному интернету достигло примерно 33,3 млн, а количество абонентов мобильной связи — 37,2 млн. Сиат Это делает CAWI — онлайн-опросы — нормальным рабочим инструментом для многих аудиторий: пользователей банковских приложений, e-commerce, телекома, городских потребителей, клиентов цифровых сервисов.

Но из этого не следует, что национальное исследование автоматически можно полностью перевести в онлайн.

На начало 2026 года в Узбекистане проживало около 38,24 млн человек, причём примерно 49,1% населения приходилось на сельскую местность. Statistika O‘zbekiston Цифровая доступность сама по себе ещё не гарантирует одинаковой вероятности попасть в конкретную онлайн-панель, одинаковой цифровой грамотности или одинаковой готовности заполнять анкету.

Поэтому вопрос должен звучать не «можно ли опрашивать Узбекистан онлайн?». Конечно можно. Вопрос — кого именно мы хотим представить в результате.

Если исследуются активные пользователи маркетплейса, CAWI может быть естественным выбором: целевая аудитория уже живёт в цифровом канале. Если нужно понять использование банковских услуг всей взрослой аудиторией страны, полагаться только на добровольную онлайн-панель значительно рискованнее.

В таких проектах разумнее бывает смешанный дизайн.

CAPI остаётся полезным вовсе не потому, что рынок «недостаточно цифровой»

Личное интервью с планшетом — CAPI — иногда воспринимают как старый метод, который онлайн скоро полностью заменит. На практике у него остаётся вполне современная задача.

CAPI позволяет контролировать географию поля и добираться до людей там, где исследователь не хочет зависеть от того, кто сам зарегистрировался в онлайн-панели. Это важно в национальных исследованиях, проектах с региональными квотами, аудиториях с разным уровнем цифровой активности и исследованиях конкретных торговых точек или мест потребления.

Для Узбекистана это особенно актуально, если бизнес хочет увидеть страну шире крупных городов.

Однако личное интервью тоже не является эталоном «настоящего» ответа. Присутствие интервьюера способно влиять на респондента. Люди могут осторожнее обсуждать доход, личные финансовые вопросы или социально чувствительные темы. Поле стоит дороже, занимает больше времени и требует серьёзного контроля работы интервьюеров.

Поэтому CAPI нужно использовать там, где его преимущества действительно нужны, а не автоматически.

CATI хорошо работает между личным и онлайн-опросом

Телефонные интервью удобны, когда нужен относительно быстрый количественный сбор, а email-базы или онлайн-панели недостаточно.

Для существующих клиентов банка, телекома, страховой компании, сервиса или ритейлера CATI может быть особенно полезен, потому что компания уже знает, кого хочет опросить. Можно сформировать выборку из клиентской базы и сравнить, например, новых и постоянных клиентов, активных и ушедших, разные тарифы или регионы.

У телефона есть свои ограничения. Длинная анкета быстро утомляет. Показывать упаковку, рекламный ролик или сложную концепцию невозможно. Неизвестные номера часто игнорируют. Кроме того, интервьюер здесь тоже влияет на ситуацию.

Но для короткого структурированного разговора CATI может оказаться точнее задачи, чем более модный онлайн-опрос.

Методология вообще плохо развивается по принципу «старое — плохое, цифровое — хорошее». Метод либо соответствует бизнес-вопросу и аудитории, либо нет.

Почему «опросим тысячу человек» иногда не имеет никакого смысла

Размер выборки важен, но его значение часто переоценивают.

Предположим, компания собирается вывести на рынок новую образовательную услугу. Она ещё не знает, кто реально принимает решение о покупке, какие альтернативы рассматривают семьи, за что готовы платить и какие опасения возникают перед оплатой.

Можно сразу провести тысячу интервью. Но для анкеты всё равно придётся заранее придумать варианты ответа.

Если исследователь считает, что основными факторами являются цена, программа и квалификация преподавателей, именно они попадут в вопросник. Через месяц компания узнает, что 68% выбрали квалификацию, 51% — цену и 43% — программу.

Цифры будут настоящими. Ошибка может находиться в самой рамке исследования.

После десятка качественных интервью могло выясниться, что решающую роль играют возможность получить признанный сертификат, рекомендации знакомых, удобство расписания или страх, что ребёнок бросит обучение через месяц. Тогда количественная анкета выглядела бы совершенно иначе.

Это и есть одна из причин, почему хороший qual нередко должен предшествовать quant.

Не потому, что нужно обязательно провести оба этапа и увеличить бюджет проекта. А потому, что иногда сначала необходимо узнать, какие вопросы вообще имеют смысл задавать тысячам людей.

Но бесконечно проводить интервью тоже нельзя

У качественных исследований есть обратная слабость. Они дают глубину, но легко создают иллюзию масштаба.

После пятнадцати интервью исследователь может услышать одну и ту же историю пять раз. Она начинает казаться доминирующей на рынке. Но пять человек из пятнадцати — ещё не основание говорить, что так думает треть населения или треть клиентов.

Особенно опасно, когда интервью проводились среди удобной аудитории: в Ташкенте, среди знакомых с категорией пользователей или существующих клиентов компании.

Качественный этап может обнаружить важный мотив. Количественный должен показать, насколько он распространён и для кого характерен.

Если эти две функции не путать, методы отлично дополняют друг друга.

Для продуктовых исследований последовательность часто важнее самого метода

Представим финтех-компанию, которая собирается запустить новую функцию.

На первом этапе несколько IDI помогают понять, как пользователи сейчас решают эту задачу без продукта. Исследователь видит реальные сценарии, проблемы и язык, которым люди их описывают.

Затем концепцию можно обсуждать качественно: понимают ли люди идею, что вызывает сомнения, какую ценность они в ней видят.

После доработки количественное исследование показывает размер потенциальной аудитории, привлекательность разных вариантов предложения и готовность пользоваться функцией.

После запуска исследование уже можно соединить с продуктовой аналитикой и A/B-тестированием, чтобы посмотреть, совпадают ли заявленные намерения с реальным поведением.

В таком проекте нет одного «главного» метода. Каждый отвечает на свой вопрос в тот момент, когда этот вопрос возникает.

Для Узбекистана смешанный дизайн часто полезнее одного универсального канала

Особенность национальных проектов заключается ещё и в том, что одна методика может хорошо работать с одной частью аудитории и хуже — с другой.

Например, исследование новой розничной категории может включать онлайн-опрос активных городских потребителей и CAPI в территориях, где важно обеспечить нужное региональное покрытие. B2B-проект может сочетать экспертные глубинные интервью с количественным телефонным опросом компаний. Исследование коммуникации может начать с фокус-групп на узбекском и русском языках, а затем количественно проверить наиболее сильные концепции.

При таком подходе методы не смешивают ради разнообразия. Каждый закрывает конкретный пробел.

Важно и то, что адаптация исследования для Узбекистана — это не просто перевод русскоязычной анкеты на узбекский. Формулировка должна одинаково передавать смысл, быть естественной для респондента и не менять степень эмоциональности или категоричности вопроса. Особенно чувствительно это становится при сравнении результатов разных языковых версий.

Поэтому хорошая локализация анкеты — часть методологии, а не техническая работа перед запуском поля.

Как понять, с чего начинать

На практике решение обычно становится очевидным, если перестать думать названиями методов и сформулировать неопределённость бизнеса.

Если компания говорит: «Мы не понимаем, почему клиенты выбирают конкурента», сначала нужна глубина. Нужно разговаривать, слушать, восстанавливать реальные ситуации и искать гипотезы.

Если вопрос звучит: «Мы знаем пять основных причин выбора и хотим понять, какая из них важнее для разных групп покупателей», задача уже количественная.

Если нужно понять реакцию на новую коммуникацию, зачастую полезно сначала качественно разобраться, как люди её читают и интерпретируют, а затем количественно сравнить несколько вариантов.

Если бизнесу нужно оценить знание бренда по стране, определить размер сегмента или измерить NPS, десятки интервью не дадут нужной точности — необходим quant.

А если компания вообще не может объяснить, какое решение будет принято после получения процентов, возможно, запускать большой опрос пока рано.

Правильный метод экономит не исследовательский бюджет, а стоимость неправильного решения

Спор между qualitative и quantitative в большинстве случаев искусственный.

Бизнесу не нужны ни фокус-группы, ни тысяча анкет сами по себе. Ему нужно уменьшить неопределённость перед решением.

Иногда для этого достаточно двенадцати хорошо проведённых интервью. Иногда нужны 1 500 респондентов по всей стране. Иногда сильный проект начинается с качественного этапа, продолжается количественным и заканчивается проверкой гипотез на реальном поведении клиентов.

Ошибкой становится не выбор «не того модного метода», а попытка заставить один инструмент отвечать на вопросы, для которых он не предназначен.

В Узбекистане это особенно важно. Большой и быстро меняющийся рынок, почти равное соотношение городского и сельского населения, региональные различия и быстрое распространение цифровых каналов делают универсальные решения удобными только на бумаге.

Поэтому перед вопросом «сколько человек будем опрашивать?» мы бы задавали другой: что именно после исследования должно стать понятнее, чем сейчас?

Когда на него есть хороший ответ, выбор между IDI, фокус-группой, CAPI, CATI или CAWI становится намного проще.