Клиент выбрал товар, положил его в корзину - и не оплатил. Для интернет-магазина это самый частый исход: до оформленного заказа доходит меньшинство. Но за общей цифрой «70% отказов» прячутся очень разные люди, и работать с ними одинаково - значит тратить бюджет впустую.
Эта статья - про то, как разобрать брошенные корзины на понятные группы и вернуть тех, кого действительно можно вернуть. Если вам нужна пошаговая инструкция по настройке самой цепочки писем - тайминги, содержание, количество сообщений, - она разобрана в отдельном гайде «Серия писем о брошенной корзине». Здесь мы говорим о том, что происходит до письма: почему клиент ушёл и как это понять по данным.
Самый цитируемый ориентир - метаанализ Baymard Institute. Институт с 2006 года сводит воедино результаты полусотни независимых исследований и получает средний уровень отказа 70,22%. Отдельные исследования внутри выборки дают разброс от 55% до 84% - разница объясняется отраслью, методикой подсчёта и регионом. Показатель почти не двигается уже полтора десятка лет.
Российский рынок выглядит иначе. По данным RetailCRM за первый квартал 2026 года, доля брошенных корзин в российских магазинах выросла за год с 85% до 88%. В Европе, по оценке uptain, показатель держится около 71,7% - что близко к общемировым показателям.
| Источник | Показатель | Охват |
| Baymard Institute | 70,22% | метаанализ 50 исследований, глобально (весь мир) |
| Uptain (2025) | 71,72% | Европа |
| RetailCRM (I кв. 2026) | 88% | Россия |
| Tinkoff eCommerce | ~70% в среднем, до 90% в отдельных нишах | Россия |
Разброс между 70% и 88% - не противоречие, а разница в определениях. Если корзина считается брошенной уже после короткого бездействия или после первой сессии без заказа, цифра будет заметно выше классических оценок. Поэтому чужие бенчмарки годятся только для грубого сравнения.
Свой показатель считается просто:
Отказ = (1 − заказы / корзины) × 100%
Возьмите этот расчёт по месяцам и в разрезе устройств. Мобильный трафик почти всегда даёт более высокий отказ, чем десктоп: мельче экран, дольше загрузка, тяжелее заполнять формы.
Разберём на числах. Допустим, за месяц было создано 200 корзин, а оформлено 20 заказов:
1 − 20 / 200 × 100% = 90%
То есть 90% корзин остались без заказа. Где взять эти две цифры:
Небольшая оговорка про «заказы» в формуле. В базовом расчёте берутся именно оформленные заказы - неважно, сколько из них потом отменилось: на этом шаге мы измеряем, дошёл ли клиент до кнопки «Оформить». Но полезно посчитать и второй вариант - по оплаченным (или выкупленным) заказам. Разница между двумя цифрами покажет, где вы теряете деньги: в самой корзине или уже после оформления - на отменах, недозвонах и невыкупе. Это разные проблемы и разные способы их решать.
Считайте показатель по месяцам и отдельно в разрезе устройств. Мобильный трафик почти всегда даёт более высокий отказ, чем десктоп: мельче экран, дольше загрузка, тяжелее заполнять формы. Средняя цифра по всем устройствам это маскирует.
Полезно смотреть и на категории. По данным RetailCRM, почти треть всех брошенных корзин в России приходится на одежду и обувь (30%), дальше идут товары для дома и сада (12%) и косметика (10%). В одежде высокий отказ - норма: люди складывают несколько размеров, чтобы сравнить. Для этой категории важнее анализировать собственную динамику, чем пытаться приблизиться к среднерыночным значениям.
Здесь начинается главное расхождение между отраслевыми статьями и практикой. Брошенная корзина не равна потерянным деньгам.
Во-первых, корзина давно перестала быть только шагом оформления. Её используют как список желаний: складывают товары «на подумать», сравнивают аналоги, ждут зарплату или скидку, проверяют отзывы. Такой пользователь ничего не «бросал» - он ещё выбирает.
Во-вторых, значительная часть этих людей возвращается сама. То же исследование RetailCRM показывает: 46% брошенных корзин в итоге конвертировались в заказ. При этом решение стали принимать быстрее - если год назад между добавлением товара и оформлением проходило в среднем семь дней, то теперь два. Максимальный зафиксированный срок - 119 дней.
В-третьих, Baymard прямо разделяет причины на две группы: те, что связаны с интерфейсом и процессом оформления, и те, что от магазина не зависят (цена, готовность покупать, стоимость доставки). Исправимая интерфейсом часть - порядка пятой доли всех отказов. По расчёту института, если крупный магазин устранит проблемы чекаута, он способен поднять конверсию примерно на 35%.
Отсюда и берётся известная цифра 260 млрд долларов. Это не деньги, которые кто-то уже вернул, а оценка потенциала: сколько заказов в год можно было бы спасти на рынках США и ЕС (вместе), если бы магазины починили оформление заказа. Считается она так: суммарный онлайн-оборот этих двух рынков - около 738 млрд долларов, и та самая прибавка к конверсии в 35% даёт 260 млрд заказов, которые сейчас теряются из-за проблем с оформлением заказа, но в принципе возвращаемы.
Эту цифру важно не путать с расхожими «4 триллионами потерянной выручки». Разница не в том, кто вернулся, а кто нет. 4 триллиона - это стоимость вообще всех брошенных корзин, посчитанных скопом, включая тех, кто и не собирался покупать (просто смотрел, сравнивал, отложил на потом). 260 млрд - трезвая оценка только той части, где клиент реально хотел купить, но ему помешал сам сайт. Первая цифра завышает потери в разы; вторая показывает реалистичный потолок того, что можно отыграть.
Практический вывод простой. Задача не в том, чтобы догнать всех, кто не оплатил. Задача - отделить тех, кто просто смотрел, от тех, кому что-то помешало, и не платить скидками за заказы, которые случились бы и без них. Для этого нужны данные о конкретном клиенте, а не средний процент по отрасли.
Baymard регулярно опрашивает пользователей, бросивших оформление. По их исследованию 2026 года порядок причин такой:
На российском рынке к указанному в зарубежном исследовании перечню добавляются свои мотивы. Tinkoff eCommerce фиксирует как отдельные болевые точки разбивку оформления на много экранов, избыток полей, запрос лишних персональных данных, а также отсутствие постоплаты. Аналитики рынка называют ещё несколько факторов: привычку сравнивать цены с маркетплейсами, ожидание расчета на работе (зарплаты или аванса) или распродажи, осторожность из-за опасений насчёт контрафакта и импульсивные добавления в корзину с телефона.
Обратите внимание: почти все причины из первого списка чинятся продуктом, а не рассылкой. Прозрачная стоимость доставки на карточке товара, гостевое оформление, меньше полей в форме, знакомые способы оплаты - это снижает саму частоту отказов.
Коммуникации работают с другим: они возвращают тех, кто ушёл по причинам, которых вы не видите.
И вот здесь общая статистика перестаёт помогать. Она объясняет, почему уходят люди вообще, но не говорит, что остановило конкретного Ивана с корзиной на 47 000 рублей. Ответ на этот вопрос даёт только история его поведения на сайте.
Высокий процент брошенных корзин сам по себе не означает, что каждую из них нужно пытаться вернуть. Часть клиентов завершит заказ самостоятельно через несколько часов или дней, другие используют корзину как список желаний, а кто-то просто сравнивает товары перед окончательным выбором. Если одинаково активно преследовать всех пользователей письмами, скидками и рекламой, можно не только потратить лишний маркетинговый бюджет, но и приучить клиентов откладывать покупку в ожидании промокода.
Есть ситуации, когда коммуникацию лучше отложить или вовсе отказаться от неё. Например, если после ухода с сайта пользователь вскоре самостоятельно оформил заказ, напоминание о брошенной корзине будет выглядеть как ошибка. Не стоит сразу предлагать скидку и тем, кто регулярно бросает корзины, но покупает без дополнительных стимулов. В этом случае магазин лишь снижает собственную маржу, не получая дополнительного роста продаж.
Именно поэтому современные сценарии возврата строятся не вокруг факта брошенной корзины, а вокруг вероятности успешного возврата. Сначала стоит исключить клиентов, которые, скорее всего, вернутся сами, затем определить тех, кому действительно что-то помешало завершить оформление, и только после этого выбирать подходящий канал коммуникации и предложение. Такой подход позволяет вернуть больше заказов без массовой раздачи скидок и навязчивых рассылок.
Чтобы отличить действительно потерянного клиента от того, кто еще находится на этапе выбора, недостаточно знать лишь факт брошенной корзины. Именно здесь обычные инструменты начинают уступать системам, которые анализируют поведение клиента целиком.
Большинство магазинов приходит к набору из пяти инструментов: письма, SMS и push, ретаргетинг, exit-intent попапы (всплывающие окна, срабатывающие при попытке закрыть страницу или уйти с сайта) и упрощение оформления заказа. Каждый из них работает. Проблема в том, что они не знают друг о друге.
Рассылка не в курсе, что клиент уже трижды увидел баннер с тем же товаром. Попап не учитывает, что в корзине лежит товар на 50 000 рублей, и предлагает те же 10% скидки, что и всем. Ретаргетинг продолжает крутиться на человека, который оформил заказ вчера. В результате магазин либо заваливает одного клиента коммуникациями сразу по всем каналам, либо молчит там, где стоило написать.
Собрать это в одну картину - задача CDP, платформы клиентских данных. Она объединяет поведение на сайте, историю заказов и переписку в едином профиле и умеет автоматически реагировать на события.
Чтобы реализовать такую упорядоченную структуру на практике, нужна система, которая умеет работать не только с фактом брошенной корзины, но и с поведением пользователя. Именно эту задачу решают CDP-платформы. Рассмотрим на примере Октопус CDP.
Октопус CDP - платформа клиентских данных для сайтов на 1С-Битрикс. Ниже приведено что именно есть в Октопусе для этой задачи.
Большинство email-сервисов знает про корзину одно: брошена или нет. Октопус разбирает её на отдельные условия - их можно комбинировать между собой и с любыми другими фильтрами:
| Условие | Что задаёт | Операторы |
| Брошенная корзина | наличие неоплаченных товаров | Да / Нет |
| Сумма брошенной корзины | стоимость неоплаченной корзины | =, >, <, ≥, ≤ |
| Время брошенной корзины | когда именно корзина была брошена | =, >, <, ≥, ≤ |
| Количество товаров в корзине | число позиций | =, >, <, ≥, ≤ |
Отдельно есть условия «Добавлял в корзину товары категории» и «Добавлял в корзину товары бренда» - они ловят интерес к конкретной категории или бренду, даже если до заказа дело не дошло. А поверх можно наложить фильтры по заказам, целям, промокодам и активности на сайте. Например: «сумма корзины больше 30 000 ₽, при этом заказов у клиента ноль». Это новый клиент с дорогой корзиной - ему логичнее позвонить, а не написать.
Это и есть механизм, который отделяет «просто смотрел» от «почти купил».
Автоматизация собирается в визуальном редакторе из нод. Стартовая - Событие: сценарий включается, когда в проекте фиксируется действие клиента, в том числе попадание в сегмент. Дальше идут:
Ветвление - принципиальный момент, и здесь важно не свести всё к одной сумме корзины. Само по себе «дорого» ещё не значит, что нужно передавать клиента менеджеру.
Сравните два случая на одинаковый чек. В интернет-магазине косметики клиент набрал пару люксовых кремов и парфюм на 50 000 ₽ - это разовая розничная покупка, которую он спокойно закроет сам. Передавать его отдельному менеджеру незачем, тут хватит письма с напоминанием. А в магазине крепежа снабженец с корзиной коробок оптом на те же 50 000 ₽ - это не разовый чек, а начало сделки и, скорее всего, серия повторяющихся заказов. Вот его как раз стоит передать персональному менеджеру для ведения и дальнейшего взаимодействия. Сумма одна - реакция разная, потому что различается тип покупки, а не цена.
Поэтому ветку выбирают по совокупности условий, а не только по сумме: сумма корзины плюс категория товара, число позиций, наличие прошлых заказов, сегмент клиента. Иногда бизнес-логика прямо задаёт порог. Например, оптовый поставщик посуды для HoReCa применяет спецусловия к заказам от 600 000 ₽. Тогда корзина на 20 000 ₽ и корзина на 590-610 000 ₽ уходят в разные ветки: первой достаточно письма, вторая попадает к менеджеру, который может согласовать эти самые спецусловия. Все эти условия в Октопусе комбинируются в одном сценарии.
В письмах, сообщениях и всплывающих окнах работает шаблонизатор Liquid. Благодаря шаблонизатору Liquid в письмо автоматически подставляются название товара, изображение, цена, ссылка на оформление заказа и другие данные из корзины. Это избавляет маркетолога от необходимости создавать отдельное письмо под каждый товар.
Нода Товары собирает подборку по стратегии, в том числе «брошенная корзина», и передаёт в шаблон массив товаров вместе с профилем клиента. В письмо подставляются конкретные позиции, изображения, цены и ссылка на возврат. Отдельный шаблон под каждый сегмент собирать не нужно.
Модуль промокодов работает с пулами кодов, а выдача встраивается в сценарий как действие. Скидку можно дать только тем, чья корзина превышает заданную сумму, или только тем, кто не отреагировал на первое напоминание. Логика ровно та, о которой мы писали выше: не платить за заказы, которые случились бы и так.
Октопус подключается к UniSender (email и SMS), SMS Aero, Wazzup (WhatsApp, Telegram), Senler (боты и подписчики ВКонтакте), VK API для сообщений от имени сообщества, VK Рекламе и Bitrix24 для передачи лида. Один сценарий может использовать несколько каналов - какой именно, определяет ветвление по данным клиента.
Попап можно вызывать не только по правилам на странице, но и из сценария - в конкретный момент пути клиента: после попадания в сегмент, выдачи промокода, перехода из рассылки. Содержимое собирается через Liquid, поэтому предложение будет разным для разных сегментов. Для работы модуля на сайте 1С-Битрикс должно быть установлено расширение Всплывающие окна - Попап.
Все данные о клиенте, его заказах и корзинах собираются в одном профиле. Это нужно не только для сегментации: по карточке видно, какая цепочка и какой канал реально доводят корзину до оплаты, а какие только расходуют лимиты рассылок.
Простая схема, с которой можно начать. Она использует только те условия, которые перечислены выше.
| Сегмент | Гипотеза | Действие |
| Корзина брошена меньше суток назад, 1 товар | Отвлёкся, скидка не нужна | Напоминание с товаром, без скидки |
| Корзина > 30 000 ₽, заказов ранее не было | Новый клиент, сомневается в доверии | Письмо с гарантиями и оплатой при получении, при наличии телефона - задача менеджеру в Bitrix24 |
| Корзина брошена 3+ дня назад, реакции нет | Ушёл сравнивать или ждёт скидку | Промокод из пула, ограниченный по сроку |
| Добавлял товары категории, но корзину не собрал | Ещё выбирает | Подборка по категории, попап при возврате на сайт |
Дальше сегменты дробятся под ваш ассортимент. Важен принцип: сначала гипотеза о причине ухода, потом канал и предложение - а не наоборот.
Три метрики, которых достаточно на старте:
И ещё одно наблюдение из данных: раз половина корзин возвращается сама, а срок принятия решения сократился до двух дней, слишком раннее и слишком щедрое предложение чаще вредит, чем помогает. Сначала напоминание, скидка - только если оно не сработало.
Высокий процент брошенных корзин - это не столько проблема, сколько источник данных о поведении клиентов. Вместо того чтобы стремиться вернуть каждого клиента одинаковыми письмами или массовыми скидками, гораздо эффективнее разобраться, почему пользователь не завершил покупку, устранить проблемы в процессе оформления и применять персонализированные сценарии только там, где они действительно необходимы.
Именно такой подход позволяет увеличить количество возвращенных заказов, сохранить маржинальность бизнеса и выстроить коммуникации, которые помогают клиенту принять решение, а не создают ощущение навязчивого маркетинга. CDP-платформа становится связующим звеном между аналитикой поведения клиентов и автоматизацией маркетинга, позволяя работать не с абстрактной статистикой, а с каждым конкретным клиентом. А Октопус CDP помогает реализовать эту стратегию в интернет-магазинах на 1С-Битрикс.
