Типичная картина: маркетолог отчитывается о снижении стоимости заявки, руководитель продаж жалуется на «мусорные лиды», а собственник видит, что прибыль не растёт. Все трое правы в рамках своих данных. Проблема в том, что эти данные живут в разных системах и никто не видит путь клиента целиком — от первого клика до оплаты.
Сквозная аналитика решает именно эту задачу. Она связывает расходы на рекламу с конкретными заявками, а заявки — с деньгами, которые принесли эти клиенты. В результате у каждого канала появляется не «цена клика», а реальная окупаемость.
Чем сквозная аналитика отличается от обычных отчётов
Рекламные системы хорошо считают свои показатели: показы, клики, стоимость заявки. Но они не знают, что произошло с заявкой дальше. CRM знает, какие сделки закрылись, но часто не знает, откуда пришёл клиент. Сквозная аналитика — это мост между ними.
| Вопрос | Рекламный кабинет | CRM | Сквозная аналитика |
|---|---|---|---|
| Сколько стоит заявка? | Да | Нет | Да |
| Сколько заявок стали сделками? | Нет | Да | Да |
| Какой канал дал выручку? | Нет | Частично | Да |
| Окупается ли кампания? | Нет | Нет | Да |
| Какие ключевые слова приводят покупателей? | Нет | Нет | Да |
Пример: когда дешёвая заявка оказывается дорогой
Компания по ремонту квартир тратит на рекламу 600 тыс. ₽ в месяц в трёх каналах. Если смотреть только на стоимость заявки, лидер очевиден:
| Канал | Расход | Заявки | Цена заявки |
|---|---|---|---|
| Контекстная реклама | 300 000 ₽ | 200 | 1 500 ₽ |
| Таргет в соцсетях | 180 000 ₽ | 300 | 600 ₽ |
| Доски объявлений | 120 000 ₽ | 100 | 1 200 ₽ |
Таргет выглядит в 2,5 раза выгоднее контекста. Теперь добавим данные из CRM:
| Канал | Сделки | Выручка | Цена сделки (CPO) | ROMI |
|---|---|---|---|---|
| Контекстная реклама | 16 | 5 600 000 ₽ | 18 750 ₽ | +460% |
| Таргет в соцсетях | 6 | 1 500 000 ₽ | 30 000 ₽ | +150% |
| Доски объявлений | 9 | 1 980 000 ₽ | 13 333 ₽ | +395% |
Картина перевернулась. Контекст при самой дорогой заявке даёт лучшую окупаемость, а таргет — худшую. Перераспределение даже трети бюджета таргета в контекст при сохранении эффективности даёт заметный прирост выручки при тех же расходах.
ROMI здесь посчитан от валовой прибыли при марже 30%, а не от выручки: контекст приносит 1 680 000 ₽ прибыли на 300 000 ₽ расходов, доски — 594 000 ₽ на 120 000 ₽, таргет — 450 000 ₽ на 180 000 ₽. Если считать ROMI по выручке, все каналы покажут тысячи процентов и сравнение потеряет смысл.
Формулы, без которых не обойтись
- CPL (цена лида) = Расход на канал / Количество заявок.
- CPO (цена заказа) = Расход на канал / Количество оплаченных сделок.
- ROMI = (Валовая прибыль от канала − Расход) / Расход × 100%.
- ДРР (доля рекламных расходов) = Расход / Выручка × 100%.
- Конверсия канала = Сделки / Заявки × 100%.
ДРР удобен для быстрых решений: если при марже 30% ДРР канала превышает 30%, канал работает в убыток даже без учёта прочих затрат. В примере выше ДРР контекста — 5,4%, таргета — 12%, досок — 6,1%.
Как это устроено технически
Сквозная аналитика держится на одной идее: у каждого обращения должна сохраниться метка источника, и эта метка должна дойти до сделки в CRM. Цепочка выглядит так:
- Разметка трафика. Все рекламные ссылки получают UTM-метки: источник, канал, кампания, объявление, ключевое слово.
- Фиксация на сайте. Метки сохраняются при входе и передаются вместе с формой, чатом или звонком.
- Передача в CRM. Заявка создаётся в CRM с полями источника.
- Связь со сделкой. Когда сделка закрывается, её сумма привязывается к исходной заявке.
- Загрузка расходов. Расходы из рекламных кабинетов подтягиваются автоматически по API.
- Отчёт. Система сопоставляет расходы и выручку по каждой метке.
Самое слабое звено — шаги 2 и 3. Метки часто теряются, когда клиент переходит с сайта в мессенджер или звонит по номеру с сайта. Если ИИ-ассистент ведёт диалог на сайте и в мессенджерах, он передаёт источник в карточку сделки сам, без ручного ввода. Как это работает с amoCRM и Битрикс24, описано на странице интеграции с CRM.
Совет. Проверьте, какая доля сделок в CRM имеет заполненный источник. Если меньше 80%, любые выводы о каналах будут искажены. Начните с исправления этой цифры, а уже потом стройте красивые отчёты.
Модели атрибуции: кому отдать заслугу
Клиент редко покупает с первого касания. Он может увидеть рекламу в соцсетях, через неделю найти компанию в поиске, а ещё через три дня написать в Telegram. Какой канал получит сделку в отчёте? Ответ зависит от модели атрибуции.
| Модель | Логика | Когда подходит |
|---|---|---|
| Первое касание | Вся заслуга первому каналу | Оценка каналов, которые приводят новую аудиторию |
| Последнее касание | Вся заслуга последнему каналу | Короткий цикл сделки, импульсные покупки |
| Линейная | Поровну между всеми касаниями | Длинный цикл, много каналов |
| С затуханием | Больший вес последним касаниям | Сложные B2B-продажи |
Универсально правильной модели нет. Практичный подход — смотреть отчёт сразу в двух моделях: по первому и по последнему касанию. Если канал хорош в обеих — он надёжен. Если только в первой — он «открывает» клиентов, и отключать его опасно, даже если по последнему касанию он выглядит слабо.
Что сквозная аналитика даёт разным ролям
Собственнику
Понимание, какие деньги приносят деньги. Возможность принимать решения о бюджете не по ощущениям, а по прибыли с каждого канала.
Маркетологу
Возможность оптимизировать кампании не на дешёвые заявки, а на продажи. Отключать ключевые слова, которые приводят любопытных, а не покупателей.
Руководителю продаж
Объективный ответ на вопрос о качестве лидов. Если конверсия канала в сделку падает, можно проверить, что изменилось в трафике, а не спорить с маркетингом.
С чего начать, если бюджет небольшой
Сквозную аналитику часто откладывают, считая её проектом для крупных компаний. На деле минимальную версию можно собрать за пару недель без отдельной платформы — достаточно CRM, меток и дисциплины.
Минимальный набор. UTM-метки на всей рекламе, поле «источник» в карточке сделки, которое заполняется автоматически, и ежемесячная выгрузка расходов в таблицу. Отчёт строится сводной таблицей: строки — каналы, столбцы — расход, заявки, сделки, выручка, прибыль. Это уже даёт 80% пользы.
Следующий уровень. Автоматическая загрузка расходов по API, связка звонков и чатов с сессией на сайте, разбивка до уровня кампаний и ключевых слов. Здесь уже имеет смысл специализированный сервис.
Продвинутый уровень. Учёт повторных покупок и LTV по каналам, мультиканальная атрибуция, прогноз окупаемости кампаний, которые ещё не успели «дозреть».
Важное правило: не переходите на следующий уровень, пока на текущем не наведён порядок в данных. Сложная модель атрибуции на неполных данных даёт уверенно выглядящие, но неверные выводы.
Частые ошибки внедрения
- Метки ставят только на часть рекламы, и «прямые заходы» съедают треть трафика.
- Звонки и сообщения в мессенджерах не связаны с источником.
- Менеджеры создают дубли сделок, и выручка задваивается.
- Считают ROMI по выручке, забывая о себестоимости.
- Делают выводы по каналу с пятью сделками — это статистический шум.
- Оценивают канал за неделю при цикле сделки в месяц.
Последний пункт особенно коварен. Если цикл сделки 30 дней, а отчёт строится за последние две недели, канал с длинными сделками окажется недооценённым. Анализируйте когорты: заявки за период и их выручку через срок, равный циклу сделки.
Итоги
Сквозная аналитика нужна любому бизнесу, который тратит на рекламу заметные деньги и работает больше чем с одним каналом. Без неё решения принимаются по цене заявки, а это часто ведёт к перекосу бюджета в сторону дешёвых, но бесполезных лидов.
- Оценивайте каналы по CPO и ROMI от прибыли, а не по CPL.
- Добейтесь, чтобы источник был заполнен минимум у 80% сделок.
- Свяжите с источником все точки входа: формы, звонки, чаты, мессенджеры.
- Смотрите минимум две модели атрибуции и анализируйте когорты.
Если заявки обрабатывает ИИ-сотрудник, источник и вся история диалога попадают в CRM автоматически — это закрывает самый трудный участок цепочки. Подробнее о подходе — на странице привлечения клиентов.
По теме: узнайте больше на странице «Аналитика диалогов» или свяжитесь с нами — подберём решение под вашу задачу.