2026-06-10T04:17:48Z https://journal.ibispb.ru/index.php/SciNotesIBI/ru/oai
oai:events.ibispb.ru:article/44 2026-04-03T10:25:39Z SciNotesIBI:ST
SciNotesIBISciNotesIBIУченые записки Международного банковского институтаProceedings of the International Banking InstituteProceedings of the International Banking InstituteУченые записки Международного банковского институтаМеждународный банковский институтRUhttps://www.ibispb.ru/2413-334544ZENFSSСтатьиЭкономическая модель прогнозирования пожизненной ценности клиента при улучшении клиентских путей банка с использованием технологии Process MiningThe customer lifetime value forecasting model in the process of optimizing the bank's customer paths using Process Mining technologyЧерских Д.А.ЧерскихДмитрий Александрович

Postgraduate student

Autonomous non-profit organization of higher education «International Banking Institute named after Anatoly Sobchak» (Saint Petersburg, Russia)

Address: 191023, Nevsky Prospekt, 60, Saint Petersburg, Russia

Аспирант

Автономная некоммерческая организация высшего образования «Международный банковский институт имени Анатолия Собчака» (Санкт-Петербург, Россия)

Адрес: 191023, Невский пр., 60. Санкт-Петербург, Россия

Богатырев С.Ю.БогатыревСемен Юрьевич

Doctor of Economics, Associate Professor

Professor, Department of Economics, Management, and Entrepreneurship

Autonomous non-profit organization of higher education «International Banking Institute named after Anatoly Sobchak» (Saint Petersburg, Russia)

Address: 191023, Nevsky Prospekt, 60, Saint Petersburg, Russia

Professor

Financial University under the Government of the Russian Federation (Moscow, Russia)

Address: 125167, Moscow, Leningradsky Prospekt, 49, Moscow, Russia

д.э.н., доцент

Профессор кафедры экономики, управления и предпринимательства

Автономная некоммерческая организация высшего образования «Международный банковский институт имени Анатолия Собчака» (Санкт-Петербург, Россия)

Адрес: 191023, Невский пр., 60, Санкт-Петербург, Россия

Профессор

Финансовый университет при Правительстве РФ (Москва, Россия)

Адрес: 125167, Москва, Ленинградский пр-т., 49, Москва, Россия

Автономная некоммерческая организация высшего образования «Международный банковский институт имени Анатолия Собчака» (Санкт-Петербург, Россия). Адрес: 191023, Невский пр., 60. Санкт-Петербург, РоссияАвтономная некоммерческая организация высшего образования «Международный банковский институт имени Анатолия Собчака» (Санкт-Петербург, Россия). Адрес: 191023, Невский пр., 60, Санкт-Петербург, РоссияФинансовый университет при Правительстве РФ (Москва, Россия). Адрес: 125167, Москва, Ленинградский пр-т., 49, Москва, Россия2026310320261 (55)2244263Received: 342026Copyright (c) 2026 Ученые записки Международного банковского института2026Ученые записки Международного банковского института<a rel="license" href="https://creativecommons.org/licenses/by-nc/4.0/"><img alt="Лицензия Creative Commons" src="//i.creativecommons.org/l/by-nc/4.0/88x31.png" /></a><p>Это произведение доступно по <a rel="license" href="https://creativecommons.org/licenses/by-nc/4.0/">лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная</a>.</p>

Целью статьи является разработка подхода к управлению пожизненной ценностью клиента (CLTV) в банке за счет анализа клиентских путей. В качестве метода исследования применена технология Process Mining, позволяющая выявлять узкие места в процессе взаимодействия клиента с банком и оценивать их влияние на финансовые показатели. Разработана экономическая модель прогнозирования CLTV, включающая три блока: сокращение издержек, рост доходов и снижение вероятности оттока клиентов (churn). Результаты эксперимента на примере клиентского пути оформления потребительского кредита продемонстрировали значимость предложенного подхода, подтвердив его эффективность в повышении точности оценки CLTV. Основной вывод исследования заключается в том, что применение технологии Process Mining к клиентским путям позволяет не только повысить качество клиентского опыта, но и обосновать прямое влияние предложенных по результатам анализа изменений на финансовые показатели, а именно сокращение стоимости обеспечения процессов.

Для цитирования: Черских Д.А., Богатырев С.Ю. Экономическая модель прогнозирования пожизненной ценности клиента при улучшении клиентских путей банка с использованием технологии Process Mining // Ученые записки Международного банковского института. 2026. № 1 (55). С. 244-263. EDN: ZENFSS.

Финансирование: Настоящее исследование не получило внешнего финансирования.

The purpose of this article is to develop an approach to managing Customer Lifetime Value (CLTV) in banking through the analysis of customer journeys. The research method is based on the application of Process Mining technology, which enables the identification of bottlenecks in customer–bank interactions and the assessment of their impact on financial performance. An economic model for forecasting CLTV has been developed, comprising three key components: cost reduction, revenue growth, and a decrease in customer churn probability. The results of an experiment using the customer journey of consumer loan origination demonstrated the significance of the proposed approach, confirming its effectiveness in improving the accuracy of CLTV estimation. The main conclusion of the study is that applying Process Mining technology to customer journeys not only enhances the quality of customer experience but also substantiates the direct impact of improvements on financial outcomes, specifically by reducing process maintenance costs.

For citation: Cherskikh D.A., Bogatyrev S.Yu. The customer lifetime value forecasting model in the process of optimizing the bank's customer paths using Process Mining technology // Uchenye zapiski Mezhdunarodnogo bankovskogo instituta [Proceedings of the International Banking Institute]. 2026. 1 (55). pp. 244-263 (in Russ.). EDN: ZENFSS.

Funding: This research received no external funding.

Ключевые словаCLTVотток клиентовProcess Miningмодель прогнозированияклиентский путькредитованиеKeywordsCLTVchurn rateProcess Miningforecasting modelcustomer journeylendingissue-coverSeyedin B., Ramazani M., Bodaghi Khajeh Noubar H., Alavimatin Y. Customer lifetime value analysis in the banking industry with an emphasis on brand equity // International Journal of Nonlinear Analysis and Applications. 2021. Vol. 12, No. 2. P. 991–1004.Seyedin B., Ramazani M., Bodaghi Khajeh Noubar H., Alavimatin Y. Customer lifetime value analysis in the banking industry with an emphasis on brand equity // International Journal of Nonlinear Analysis and Applications. 2021. Vol. 12, No. 2. P. 991–1004.Furrer O. Driving Customer Equity: How Customer Lifetime Value Is Reshaping Corporate Strategy // International Journal of Service Industry Management. 2002. Vol. 13, No. 1. P. 107–111.Furrer O. Driving Customer Equity: How Customer Lifetime Value Is Reshaping Corporate Strategy // International Journal of Service Industry Management. 2002. Vol. 13, No. 1. P. 107–111.Roy G., Shen S. Customer lifetime value prediction using machine learning techniques and its impact on FinTech // Advances in Science, Engineering and Technology. 2025. P. 248–253.Roy G., Shen S. Customer lifetime value prediction using machine learning techniques and its impact on FinTech // Advances in Science, Engineering and Technology. 2025. P. 248–253.van der Aalst W. M. P. Process Mining: Data Science in Action. – Springer, 2018. P. 15–21.van der Aalst W. M. P. Process Mining: Data Science in Action. Springer, 2018. P. 15–21.Tang W., Matzner M. Creating Humanistic Value with Process Mining for Improving Work Conditions: A Sociotechnical Perspective // Proceedings of the Forty-First International Conference on Information Systems. India: Association for Information Systems, 2020. – P. 1–9.Tang W., Matzner M. Creating Humanistic Value with Process Mining for Improving Work Conditions: A Sociotechnical Perspective // Proceedings of the Forty-First International Conference on Information Systems. India: Association for Information Systems, 2020. P. 1–9.Gupta S., Lehmann D. R. Managing Customers as Investments. Wharton, 2005. – P. 15–17.Gupta S., Lehmann D. R. Managing Customers as Investments. Wharton, 2005. P. 15–17.Дубко А. В. Какими бывают карты клиентского опыта // Управление продажами. 2020. № 4. С. 320–330.Dubko A. V. Kakimi byvayut karty klientskogo opyta // Upravlenie prodazhami. 2020. No. 4. P. 320–330.Scherer M. Predicting Churn Rate in Companies // Artificial Intelligence and Soft Computing. ICAISC 2023. Lecture Notes in Computer Science. 2023. P. 170–175.Scherer M. Predicting Churn Rate in Companies // Artificial Intelligence and Soft Computing. ICAISC 2023. Lecture Notes in Computer Science. 2023. P. 170–175.Дашук Э. В. Перспективы использования Process Mining для оптимизации бизнес-процессов организации // Экономика. наука. инноватика: материалы II Международной научно-практической конференции, приуроченной 100-летию ГОУ ВПО «Донецкий национальный технический университет», Донецк, 19 марта 2021 года. – Донецк: Донецкий национальный технический университет, 2021. – С. 585–588.Dashuk E. V. Perspektivy ispolzovaniya Process Mining dlya optimizatsii biznes-protsessov organizatsii // Ekonomika. Nauka. Innovatika: materialy II Mezhdunarodnoy nauchno-prakticheskoy konferentsii, priurochennoy 100-letiyu GOU VPO “Donetskiy natsionalnyy tekhnicheskiy universitet”, Donetsk, 19 marta 2021 goda. – Donetsk: Donetskiy natsionalnyy tekhnicheskiy universitet, 2021. – P. 585–588.Куцулым Д. В., Жребец Э. В. Управление клиентским опытом в эпоху Big Data // Форум молодых ученых. 2020. № 10 (50). С. 303–310.Kutsulym D. V., Zhrebets E. V. Upravlenie klientskim opytom v epokhu Big Data // Forum molodykh uchenykh. – 2020. – No. 10 (50). – P. 303–310.van der Aalst W. M. P., Song M. Mining Social Networks: Uncovering Interaction Patterns in Business Processes // In: Desel J., Pernici B., Weske M. (eds). International Conference on Business Process Management (BPM 2004). Vol. 3080 of Lecture Notes in Computer Science. Berlin: Springer-Verlag, 2004. P. 244–260.van der Aalst W. M. P., Song M. Mining Social Networks: Uncovering Interaction Patterns in Business Processes // In: Desel J., Pernici B., Weske M. (eds). International Conference on Business Process Management (BPM 2004). – Vol. 3080 of Lecture Notes in Computer Science. – Berlin: Springer-Verlag, 2004. – P. 244–260.Демушкина К. М. Анализ возможностей инструментов реализации технологии Process Mining // Известия Самарского научного центра Российской академии наук. 2023. Т. 25, № 4 (114). С. 114–118.Demushkina K. M. Analiz vozmozhnostey instrumentov realizatsii tekhnologii Process Mining // Izvestiya Samarskogo nauchnogo tsentra Rossiyskoy akademii nauk. – 2023. – Vol. 25, No. 4 (114). – P. 114–118.Чачис Д. Ю. Использование данных для визуализации клиентских путей // Вестник науки. 2024. Т. 1, № 11 (80). С. 893–896.Chachis D. Yu. Ispolzovanie dannykh dlya vizualizatsii klientskikh putey // Vestnik nauki. – 2024. – Vol. 1, No. 11 (80). – P. 893–896.Koosha H., Albadvi A. Customer lifetime valuation using real options analysis // Journal of Marketing Analytics. 2015. Vol. 3. P. 122–134.Koosha H., Albadvi A. Customer lifetime valuation using real options analysis // Journal of Marketing Analytics. 2015. Vol. 3. P. 122–134.Попов А. В. Управление клиентским опытом в процессе цифровой трансформации // Маркетинговые коммуникации. 2020. № 3. С. 200–208.Popov A. V. Upravlenie klientskim opytom v protsesse tsifrovoy transformatsii // Marketingovye kommunikatsii. 2020. No. 3. P. 200–208.