Блог2026-08-28·2 мин чтения

Кейс 2026: как логистический оператор увеличил LTV на 45% с помощью ИИ-рекомендаций

КороткоЛогистическая компания «Сибирский Транзит» внедрила систему ИИ-анализа для кросс-селлинга дополнительных услуг существующим клиентам. За 8 месяцев средний чек вырос на 28%, а доля отказов от услуг хранения снизилась на 17%. Это позволило увеличить общий LTV клиентской базы на 45% без привлечения новых лидов.

Исходные условия и проблема

Компания «Сибирский Транзит» (Новосибирск, 35 сотрудников) предоставляет услуги складской логистики и междугородних перевозок. Основная проблема 2025 года — стагнация LTV (lifetime value). Клиенты платили за одну услугу (например, только перевозки), не используя смежные предложения (ответственное хранение, таможенное оформление, упаковка). Менеджеры по работе с клиентами не успевали анализировать базу и делать персонализированные предложения. Ручной обзвон 200+ клиентов давал менее 5% конверсии в допродажи.

Механика запуска ИИ-рекомендаций

Система на базе LEAD-TOOL была подключена к CRM «Сибирского Транзита». Алгоритм получил доступ к истории заказов клиентов за 3 года. ИИ разметил клиентов по трем параметрам: частота запросов на хранение грузов, сезонность перевозок, средний объем груза. Для каждого клиента система сгенерировала сценарий кросс-селлинга. Например: "клиент А ежегодно с августа по октябрь перевозит 15+ паллет овощей → предложить услугу временного хранения с контролем температуры".

Реализация и цифры

Этап длился 4 месяца (апрель—июль 2026). ИИ обработал базу из 420 действующих клиентов. Система выделила 197 компаний с высоким потенциалом к кросс-селлингу. Для них было сгенерировано и отправлено 197 персональных email-предложений с расчетом экономии при пакетном заказе услуг. 43 клиента ответили согласием на звонок менеджера. 21 компания заключила допсоглашение на услуги хранения или упаковки. Конверсия в продажу с теплого контакта составила 48%, а средний чек вырос на 28%.

Что могло пойти не так и как это обошли

Главный риск — некорректный анализ данных. Например, ИИ мог предложить хранение клиенту, который уже использует склад конкурента. Чтобы избежать этого, в LEAD-TOOL добавили проверку через открытые источники: если у клиента на сайте указан партнер по складской логистике — система исключала его из рассылки. Второй риск — спам-фильтры. Письма отправлялись с домена «Сибирского Транзита», но с уникальным текстом для каждого получателя. Доля попадания в inbox составила 91%.

Для московских логистов механика будет аналогичной, но с поправкой на больший объем базы — подробнее в кейсе lidgen-moskva.