Wallet Unit Economics Calculator

Вводные

Результаты

Merchant Economics

Loyalty Wallet Economics

Почему модель годовая, а не на чек. Главные эффекты программы лояльности — рост частоты визитов и снижение churn — это межтранзакционные явления. На уровне одной квитанции их в принципе не существует: чек видит только AOV uplift и cost бонуса. Если считать на чек, программа почти всегда выглядит убыточной (минус reward rate на каждой покупке), но на годовом горизонте может быть сильно в плюсе за счёт инкрементальных визитов и удержания. Поэтому per-transaction view — операционный инструмент внутри программы (калибровка офферов), а годовой view — стратегический инструмент про программу (стоит ли её делать). Калькулятор отвечает на второй вопрос.

Как читается модель. Калькулятор сравнивает экономику клиентов внутри программы с их baseline-поведением и вычитает стоимость программы. Эффективная база = Active × Penetration × Identification (только реально опознанные транзакции получают лифт). Лифты по частоте и среднему чеку перемножаются (поведение меняется по обоим векторам). Reward cost = новый revenue × reward rate × redemption rate (учитываем, что не все бонусы используются). Off-peak в QSR-блоке моделируется как инкрементальные заказы при marginal cost = food cost. Channel shift в QSR — экономия комиссии агрегатора.

Что калькулятор учитывает и не учитывает. С v0.8 моделируется Incrementality (каннибализация / deadweight) — слайдер в "Поведенческих лифтах". Reward cost платится на ВСЕ транзакции (включая каннибализованные), а реальный лифт даёт только incrFactor от наблюдаемого. Не моделируется: Retail media revenue (отдельный денежный поток от брендов для крупных сетей), эффект ценовой дискриминации (Clubcard pricing — отдельный модуль), sensitivity-анализ.

Бенчмарки в подсказках взяты из открытых источников по grocery (Tesco, Sainsbury's, Kroger) и QSR (Starbucks, McDonald's, Domino's). На реальных данных конкретного клиента калибровать обязательно — это первая версия для разговора, не финальная модель.
Why annual, not per-receipt. The main effects of a loyalty programme — frequency uplift and churn reduction — are inter-transaction phenomena. They simply don't exist on a single receipt: the receipt only sees AOV uplift and the bonus cost. Per-receipt, the programme almost always looks loss-making (minus reward rate on every purchase), but over the annual horizon it can be strongly positive thanks to incremental visits and retention. The per-transaction view is therefore an operational tool inside the programme (offer calibration); the annual view is the strategic tool about the programme (whether to run it at all). This calculator answers the second question.

How to read the model. The calculator compares the economics of customers inside the programme to their baseline behaviour and subtracts the programme cost. Effective base = Active × Penetration × Identification (only identified transactions get the lift). Frequency and AOV lifts are multiplied (behaviour changes along both axes). Reward cost = new revenue × reward rate × redemption rate (not all granted points are used). Off-peak in the QSR block is modelled as incremental orders at marginal cost = food cost. Channel shift in QSR captures the saved aggregator commission.

What the calculator includes and excludes. Since v0.8 it models Incrementality (cannibalisation / deadweight) — the slider in Behavioural lifts. Reward cost is paid on ALL transactions (including cannibalised ones), while the real lift uses only the incrementality factor of the observed one. Not modelled: Retail media revenue (separate revenue stream from brands for large chains), price-discrimination effects (Clubcard pricing — a separate module), sensitivity analysis.

Benchmarks in the tooltips come from open sources on grocery (Tesco, Sainsbury's, Kroger) and QSR (Starbucks, McDonald's, Domino's). Calibration on a specific client's data is mandatory — this is a first-pass model for conversation, not the final answer.