Аналитика данных в маркетинге: 100% база

Знаете, что меня иногда удивляет? То, что еще, нет-нет, да и встретятся компании, которые тратят бюджеты на рекламу, нанимают маркетологов, запускают кампании — и при этом не знают, что именно из всего этого реально работает. Не потому что не считают, обычно либо не все учитывают, либо не так строят модель для расчета.

Я сама, конечно, через это проходила. Сидишь, смотришь в отчет по своим KPI, а там всё в полном порядке, но у продаж дела совсем не идут. И начинается наше любимое: «ваши лиды г*вно» vs «да вы продавать не умеете». Знакомо? Да, конечно знакомо!

Так вот, сегодня хочу поговорить о том, как выстроить аналитику так, чтобы она помогала избежать иллюзий в данных и конфликтов с продажами. Разберём модели атрибуции, KPI, опережающие метрики и инструменты.

Атрибуция. Тут сразу спойлеры: нет одной правильной модели!
Last-Click врёт в пользу низа воронки, First-Click — в пользу верха. U-образная — классная, но для сложных продуктов. Лайфхак: сравните две модели между собой, там где расхождение — там правда. Для удобства собрала фреймворк в гуглотаблице с инструкцией. Можно брать себе!

KPI ставьте только те, на которые можете влиять напрямую. CAC, ROMI, LTV, CPA/CPL, MQL/SQL — да. «Выручка компании» — нет, это не ваш KPI.

Опережающие метрики: CTR, CR на каждом этапе воронки, ER и CPA на микроконверсиях. Они говорят о проблеме раньше, чем она убьёт план.

Инструменты автоматизации. CRM + веб-аналитика + сквозная аналитика = минимальный рабочий стек. Excel всегда с нами, потому что без него всё равно никак.

Атрибуция — это ответ на вопрос «кому достаётся заслуга за конверсию?». Звучит просто, но дьявол в деталях.

Предположим, что путь клиента такой: человек увидел вашу рекламу в VK → погуглил бренд → перешёл по SEO или AEO → прочитал статью → вернулся через ретаргетинг в директе→ купил. Три разных касания (а бывает далеко не три как мы понимаем). Но даже в этих трех касаниях кто принес результат на самом деле? Вот тут и начинается.

Разберемся какие атрибуции есть (не все, но основные) и какую модель выбрать.

Все лавры достаются последнему каналу. Если человек купил, перейдя по ретаргетинговому объявлению — ретаргетинг герой. Всё остальное как будто не существовало.

Это самая распространённая модель — она стоит по умолчанию в большинстве систем, в том числе в сквозной аналитике. И именно поэтому есть риски попасть в ловушку, где принимаются решения только по тем каналам, которые закрыли человека в заявку/продажу/иное целевое действие. Вы начинаете «оптимизировать» в пользу нижней части воронки, режете бюджеты на охват и узнаваемость — и через несколько месяцев замечаете, что ретаргетинг «вдруг перестал работать». Ну да, потому что аудитория иссякла — некому показываться, сосуд пуст.

Когда хорошо применим: короткий цикл сделки, один-два канала продвижения, важен перформанс маркетинг.

Здесь у нас инверсия и вся слава и почет достаётся первому касанию. Логика в том, чтобы понять, что привлекает новых людей, что генерит нам трафик.

Полезно для анализа каналов привлечения — особенно если вы запускаете что-то новое и хотите понять, что вообще даёт вход в воронку. Но картину по всей цепочке эта модель не даст, как и last click.

Когда использовать: что драйвит верхнюю часть воронки, запуск новых каналов привлечения.

Каждое касание получает равную долю. Например, если четыре канала — каждый по 25%.

Честно? По-своему да. Реалистично? Нет. Потому что реальный вклад каналов неодинаков. Но если у вас много равнозначных касаний и вы только начинаете разбираться в атрибуции — это неплохая отправная точка, чтобы хотя бы увидеть всю картину.

Когда использовать: много касаний, нет явных доминирующих каналов, нужна равнозначная базовая оценка.

Чем ближе к конверсии в целевое действие — тем больший вес у касания. То касание, которое было за день до покупки, более значимое, чем то, что было три недели назад.

Это хорошо работает для длинных циклов сделки — b2b, недвижимость, сложные продукты. Там реально важно понимать, что конкретно «дожало» клиента. Но есть риск недооценить верх воронки и начать срезать бюджеты на охватахных каналах — и это ошибка.

Когда использовать: длинный цикл покупки и сложные продажи, если акцент на финальные триггеры принятия решения.

40% первому касанию, 40% последнему, оставшиеся 20% делятся на всё, что было между ними. Визуально — как буква U, отсюда и название.

Эта модель уважает и то, что привело человека к нам, и то, что “дожало” его до целевого действия. Середина тоже учитывается, просто с меньшим весом. Для большинства b2c бизнесов с несколькими каналами и циклом сделки от пары дней до нескольких недель — это самый сбалансированный вариант.

Когда использовать: многоканальный трафик, важна и точка входа, и точка конверсии.

Нет одной правильной модели. Есть модель, которая подходит вашему бизнесу прямо сейчас.

Я обычно советую так: возьмите две модели и сравните. Например, Last-Click и U-образную. Посмотрите, как меняется картина по каналам. Там, где расхождение большое — там и зарыта правда. Скорее всего, вы найдёте канал, который в Last-Click выглядит слабым, а в U-образной — ключевым для входа аудитории, так бывает.

Главная ошибка с KPI — ставить метрики, которые красиво выглядят, но на которые маркетинг не может влиять напрямую. Например, выручка компании — это не KPI маркетинга. Это KPI всего бизнеса.

Как проверить, что KPI не тот: если маркетолог не может объяснить, какое именно своё решение повлияло на этот показатель — это плохой KPI для него.

CAC (Customer Acquisition Cost) — стоимость привлечения одного клиента. Считается как все маркетинговые расходы за период, поделить на количество новых клиентов. Важно: считайте CAC отдельно по каналам, а не общий — иначе это просто красивая средняя температура по больнице.

ROMI (Return on Marketing Investment) — возврат на маркетинговые инвестиции. Формула: (доход от маркетинга − затраты на маркетинг) / затраты × 100%. Главный вопрос здесь — как считать «доход от маркетинга». Обязательно договоритесь с командой о единой методологии, иначе будете спорить на каждой встрече.

CPA/CPL — стоимость целевого действия или лида. Считайте отдельно по каждому каналу. Нормальный CPL сильно зависит от ниши, среднего чека и цикла сделки — универсальных бенчмарков нет, смотрите на динамику внутри себя.

LTV (Lifetime Value) — сколько в среднем приносит клиент за всё время работы с вами. Без LTV невозможно адекватно оценить, сколько вообще разумно тратить на привлечение. Если LTV = 50 000 руб., а CAC = 30 000 — это адекватно. Если наоборот — проблема.

MQL и SQL — квалифицированные лиды маркетинга и продаж. MQL — это лид, который по поведению и характеристикам похож на вашего целевого клиента. SQL — это лид, которого отдел продаж признал готовым к разговору. Граница между ними — зона вечных конфликтов между маркетингом и продажами. Поэтому пропишите критерии квалификации один раз, зафиксируйте, и пересматривайте раз в квартал.

Подробнее про то, как выстроить взаимодействие маркетинга и продаж — писала отдельно.

KPI — это итог. Он показывает, что уже случилось. Опережающие метрики — это наши маяки, которые говорят о том, что может случиться и есть шанс все исправить.

CTR (Click-Through Rate) — процент людей, которые кликнули на объявление или письмо. Падает CTR — значит, либо аудитория устала от креатива, либо оффер перестал цеплять, либо вы попали не в ту аудиторию. Реагировать нужно сразу, не ждать просадки в лидах.

CR на каждом этапе воронки — это самое важное, что нужно отслеживать системно. Не просто «сколько лидов», а: сколько из трафика стали лидами, сколько из лидов — MQL, сколько из MQL — SQL, сколько из SQL — сделками. Если где-то резкое падение — там и проблема.

ER (Engagement Rate), глубина просмотра, дочитываемость, виральность — особенно важны для контентных каналов: блог, соцсети, email. Люди читают до конца? Делятся? Комментируют? Если нет — либо тема не та, либо формат не работает, либо не тем людям показываете.

CPA на промежуточных действиях — не только на финальной конверсии, но и на микроконверсиях: стоимость клика, стоимость регистрации, стоимость просмотра. Это помогает локализовать проблему: если итоговый CPA растёт, смотрите, на каком шаге стало дороже.

Буду честна: идеального стека не существует. Есть набор инструментов, которые закрывают разные задачи, и всегда будет что-то, что придётся сводить вручную.

CRM — фундамент всего. Без неё вы не увидите, что происходит после передачи лида в продажи. Весь путь от первого касания до оплаты живёт именно там. Самая частая боль: отдел продаж ведёт CRM криво или не ведёт вообще. Тогда никакая аналитика не поможет.

Веб-аналитика (Яндекс Метрика, Google Analytics (гугл, увы, законодательно для рынка РФ не используется теперь)) — трафик, поведение на сайте и достижения целей. Не поленитесь настроить все цели под свои задачи. «Установить счётчик» и «правильно настроить аналитику» — это разные вещи.

CDP — платформа клиентских и пользовательских данных. Нужна не сразу, но если у вас есть сайт, рассылки, чат-боты и несколько точек контакта — CDP помогает собрать единый профиль пользователя и отслеживать его поведение сквозно. Скажу отдельно, что у нас в Carrot quest есть возможность работать и с анонимным трафиком в том числе, что для маркетинга может быть эффективно в повышении конверсии из трафика в лид.

Сквозная аналитика — собирает всё в одном месте: рекламные кабинеты, CRM, коллтрекинг, веб-аналитику, CDP и другие интеграции. Здесь же можно строить свои модели атрибуции, смотреть когорты, считать LTV и строить предиктивы. Без этого инструмента сведение данных из разных источников — это ручная работа на несколько часов в неделю (мягко говоря). Сейчас сквознаяа аналитика развивается активно (смело говорю как ex-CMO Roistat) и появляются в том числе автоматизированные решения. Например, можно оптимизировать без ручника рекламные кампании из Яндекс Директа. Если интересно как - вэлкам в личку, обсудим.

И да, Excel и Google таблички никуда не денутся. Не потому что всё остальное плохо, а потому что есть задачи, для которых таблица — просто идеальный инструмент.

Когда тестируете новую гипотезу — быстрее накидать в таблицу, чем перенастраивать систему. Когда нужно свести данные из двух разных источников, которые не интегрированы между собой, — таблица. Когда сомневаетесь в каком-то числе и хотите перепроверить расчёт вручную — таблица. Это точно не костыль, а настоящий бро.