Медиа-модель сообщества обычно строится на трафике: рекламные интеграции, партнёрские размещения, иногда платные подписки. Внешне всё выглядит стабильно, если охваты держатся месяцами.

Источник давления — алгоритмы и конкуренция за внимание: платформы меняют ранжирование, а пользователи мигрируют между форматами. Это снижает долю постоянных читателей и увеличивает churn даже при неизменном количестве подписчиков.

Иллюзия устойчивой аудитории особенно опасна, потому что метрика «подписки» не равна удержанию. Когда удержание падает, LTV аудитории снижается: пользователь видит меньше контента, реже реагирует и хуже монетизируется.

Churn — центральный механизм, потому что он определяет срок жизни пользователя в активном ядре. Рост churn заставляет покупать новый трафик, что повышает CAC на каждого активного участника и размывает маржу рекламы.

Дальше возникает причинная цепочка: больше закупки трафика ниже качество аудитории ниже eCPM и конверсия ещё выше потребность в закупке. Монетизация трафика становится волатильной, а планирование превращается в гадание.

Зависимость от платформ усиливает эффект: один бан или снижение охвата меняет доход сильнее, чем работа редакции за месяц. В результате масштаб по подписчикам растёт, а прибыль не следует за ним.

Смена экономической интерпретации через unit-экономику

Модель приходится читать не через «охват поста», а через LTV активного пользователя и скорость вымывания ядра. Если churn растёт, то даже рост подписок становится негативным сигналом качества трафика.

Попытка компенсировать падение охватов частотой публикаций увеличивает контентные издержки и риск усталости аудитории. Это может поднять churn ещё выше, потому что ценность размывается шумом.

Стабилизация появляется, когда сообщество инвестирует в удержание: форматы серий, вовлечение, продуктовые фичи, которые возвращают пользователя без покупки трафика. Тогда CAC снижается за счёт повторяемости, а LTV растёт через глубину потребления.

Устойчивость медиа-сообщества — это способность монетизировать ядро без постоянного «допинга» трафиком. Когда churn контролируется, зависимость от алгоритмов ослабевает, и unit-экономика перестаёт ломаться при росте базы.