Сквозная аналитика: как связать рекламу, заявки и продажи в одну картину

Что такое сквозная аналитика и зачем она нужна: сбор данных от клика до оплаты, UTM-метки и коллтрекинг, связка с CRM, модели атрибуции, расчёт окупаемости каналов, типичные ошибки и порядок внедрения.

Маркетолог отчитывается заявками: в этом месяце их пришло триста, стоимость заявки снизилась. Отдел продаж отчитывается сделками: закрыли двадцать, половина пришла по рекомендациям. Финансовый директор видит, что расходы на рекламу выросли, а выручка — нет. Каждый прав в своих цифрах, и никто не может ответить на главный вопрос: какие рекламные каналы приносят деньги, а какие — только заявки, которые никогда не превращаются в оплату. Сквозная аналитика связывает весь путь клиента — от рекламного показа и клика до заявки, сделки и оплаты — в одну цепочку данных. Ниже — зачем она нужна, как устроена технически, какие данные и откуда собираются, как выбирать модель атрибуции, какие показатели считать, где сквозная аналитика врёт и как её внедрять, не утонув в интеграциях. Зачем нужна сквозная аналитика Без неё решения о рекламных бюджетах принимаются по промежуточным показателям — кликам и заявкам. Эти показатели легко улучшать, не улучшая бизнес. Дешёвые заявки не всегда выгодны. Канал с низкой стоимостью заявки может приносить нецелевые обращения, которые менеджеры отсеивают на первом звонке. Канал с дорогой заявкой может давать крупные сделки. Разные каналы работают на разных этапах. Контентная статья знакомит с компанией, ретаргетинг напоминает, брендовый поисковый запрос завершает путь. Если оценивать только последний шаг, первые каналы выглядят бесполезными — и их отключают, после чего через несколько месяцев падает и «эффективный» последний канал. Длинный цикл сделки. В B2B между первым визитом и оплатой проходят недели и месяцы. Без связки с CRM реклама оценивается по заявкам, которые ещё неизвестно чем закончатся. Качество работы продаж. Сквозная аналитика показывает не только каналы, но и где теряются клиенты: заявки не обработаны, звонки пропущены, сделки зависли на этапе коммерческого предложения. Из каких данных складывается картина Рекламные системы Расходы, показы, клики по кампаниям, группам и объявлениям. Данные выгружаются из рекламных кабинетов через API ежедневно. Без расходов невозможно посчитать окупаемость. Веб-аналитика Визиты на сайт, источники, поведение, достигнутые цели. Ключевое — идентификатор посетителя, который присваивает система аналитики. Он позволяет связать визиты одного человека между собой и потом — с заявкой. Метки в ссылках UTM-метки в рекламных ссылках передают источник, канал, кампанию, объявление и ключевое слово. Без единого стандарта разметки данные превращаются в хаос: одна кампания помечена как «yandex», другая как «Yandex», третья как «direct». Стандарт меток — первый документ сквозной аналитики. Заявки с сайта Формы, онлайн-чат, мессенджеры, калькуляторы. К каждой заявке при отправке прикрепляются источник визита, метки и идентификатор посетителя. Если форма отправляет в CRM только имя и телефон, связь с рекламой теряется в момент заявки. Звонки Во многих B2B-нишах значительная часть обращений приходит по телефону. Без коллтрекинга звонки выпадают из аналитики полностью. Статический коллтрекинг — отдельный номер для каждого канала: один для наружной рекламы, другой для выставки, третий для печатного каталога. Показывает канал, но не конкретную кампанию. Динамический коллтрекинг — каждому посетителю сайта показывается номер из пула, и звонок связывается с его визитом, источником и метками. Позволяет оценивать кампании и ключевые слова, но требует пула номеров, достаточного для числа одновременных посетителей. CRM Сделки, этапы, суммы, причины отказов, менеджеры. Именно здесь заявка превращается в деньги или не превращается. Сделка в CRM должна содержать источник, перенесённый из заявки, а не выбранный менеджером из выпадающего списка по памяти. Оплаты и учётная система Фактические поступления денег. Для бизнеса с отсрочкой оплаты, частичными оплатами или возвратами выручка по сделке в CRM и деньги на счёте расходятся. Если CRM связана с учётной системой, в аналитику попадают реальные деньги — как это устроить, мы разбирали в статье об интеграции CRM и 1С . Повторные продажи Клиент, пришедший из рекламы год назад, продолжает покупать. Если учитывать только первую сделку, каналы, приводящие лояльных клиентов, недооцениваются. Как данные связываются между собой Техническая суть сквозной аналитики — цепочка идентификаторов. Посетитель приходит по рекламной ссылке с метками. Система аналитики присваивает ему идентификатор и сохраняет источник визита. При отправке формы в заявку передаются идентификатор посетителя, метки и источник. При звонке коллтрекинг связывает номер с визитом. Заявка создаётся в CRM с этими данными, превращается в сделку. Когда сделка оплачена, информация о результате — сумма, дата, этап — возвращается в аналитическую систему, привязанная к идентификатору посетителя или к номеру заявки. Расходы из рекламных кабинетов сопоставляются с кампаниями по меткам. Каждое звено может разорваться: форма не передаёт идентификатор, менеджер создаёт сделку вручную вместо заявки из формы, клиент звонит с другого номера, оплату проводят по другому контрагенту. Большая часть работы при внедрении — найти и закрыть такие разрывы. Офлайн-конверсии Передача информации о сделках и оплатах обратно в системы аналитики и рекламные кабинеты. Это позволяет не только видеть окупаемость в отчётах, но и настраивать автоматические рекламные стратегии на реальные продажи, а не на заявки. Для рекламной системы, оптимизирующейся на заявки, нецелевая заявка и крупный клиент равноценны; для оптимизирующейся на оплаты — нет. Модели атрибуции Клиент перед покупкой видел несколько каналов. Модель атрибуции определяет, как распределить заслугу за продажу между ними. Универсально правильной модели нет — есть модели, отвечающие на разные вопросы. Первый переход. Вся ценность — каналу, который впервые привёл клиента. Показывает, что работает на привлечение новой аудитории. Последний переход. Вся ценность — последнему каналу перед покупкой. Показывает, что завершает решение, но систематически недооценивает каналы, знакомящие с компанией. Последний значимый переход. Как последний, но прямые заходы и переходы из внутренних источников не учитываются, если перед ними был рекламный или поисковый источник. Во многих системах веб-аналитики используется по умолчанию. Линейная. Ценность делится поровну между всеми касаниями. С учётом давности. Больше ценности получают касания, близкие к покупке. Позиционная. Большая часть — первому и последнему касанию, остаток — промежуточным. Алгоритмическая. Распределение по статистическому анализу путей, закончившихся и не закончившихся покупкой. Требует большого объёма данных. Практический подход: смотреть на каналы минимум в двух моделях — первого и последнего значимого перехода. Канал, сильный в первой и слабый во второй, работает на привлечение, и отключать его по отчёту последнего клика опасно. Какие показатели считать CPL — стоимость заявки. Полезна для оптимизации рекламы внутри канала, но не для сравнения каналов между собой. Стоимость квалифицированного лида — заявки, прошедшей первичную проверку менеджером. Отсекает нецелевые обращения. Конверсия по воронке — заявка → квалифицированный лид → сделка → оплата, по каждому каналу. Показывает, где канал теряет эффективность. CAC — стоимость привлечения платящего клиента. ROMI — окупаемость маркетинговых вложений: отношение прибыли от канала за вычетом расходов к расходам. Лучше считать от маржинальной прибыли, а не от выручки. LTV к CAC — сколько приносит клиент за всё время по отношению к стоимости привлечения. Для бизнеса с повторными продажами важнее разовой окупаемости. Цикл сделки по каналам — сколько проходит от первого визита до оплаты. Определяет, через какое время после запуска кампании можно оценивать её окупаемость. Условный пример: как меняется вывод Цифры ниже придуманы для иллюстрации и не относятся к конкретной компании. Представим, что за месяц на два рекламных канала потрачено по 300 тысяч рублей. Канал А принёс 300 заявок, стоимость заявки — 1 000 ₽. Менеджеры квалифицировали 60 из них, до сделки дошли 6, средний чек — 150 тысяч рублей. Выручка — 900 тысяч. Канал Б принёс 100 заявок, стоимость заявки — 3 000 ₽. Квалифицированных — 50, сделок — 10, средний чек — 250 тысяч. Выручка — 2,5 миллиона. По отчёту о заявках канал А втрое эффективнее: заявка в три раза дешевле. По сквозной аналитике картина обратная: при одинаковых расходах канал Б принёс почти втрое больше выручки, а стоимость привлечения клиента в нём — 30 тысяч рублей против 50 тысяч в канале А. Если перераспределять бюджет по стоимости заявки, деньги перетекут в канал А, отдел продаж будет завален нецелевыми обращениями, а выручка упадёт. Именно такие решения сквозная аналитика и предотвращает. Добавим ещё одно измерение. Допустим, по модели первого перехода выясняется, что половина клиентов канала Б впервые узнала о компании из статей блога, а в канал Б пришла уже искать по названию. Тогда отключение блога как «не приносящего заявок» через несколько месяцев ударит и по каналу Б. Это второй класс ошибок, которые видны только при сравнении моделей атрибуции. Где сквозная аналитика врёт Сквозная аналитика даёт гораздо более точную картину, чем отчёты по заявкам, но не абсолютно точную. Знать её слепые зоны важно, чтобы не принимать решения на ложной уверенности. Смена устройств. Человек увидел рекламу на телефоне, а заявку оставил с рабочего компьютера. Для аналитики это два разных посетителя, и первый канал теряет заслугу. Блокировщики и ограничения браузеров. Часть посетителей не отслеживается системами аналитики или теряет идентификатор через короткое время. Отказ от cookie. Посетитель, не давший согласия на аналитические cookie, не должен отслеживаться — и выпадает из статистики. Офлайн-влияние. Выставки, рекомендации, публикации в отраслевых изданиях, узнаваемость бренда. Клиент набирает название компании в поиске, и заслугу получает поисковый канал. Ручной ввод в CRM. Менеджер создал сделку вручную, указав источник наугад. Одна такая привычка в отделе способна исказить отчёты по каналам сильнее любых технических проблем. Длинный цикл. Кампания, запущенная в этом месяце, окупится через квартал. Отчёт за месяц покажет её убыточной. Поэтому выводы сквозной аналитики стоит дополнять простым вопросом клиенту «откуда вы о нас узнали» и периодическими экспериментами: временное отключение или увеличение канала в отдельном регионе показывает его реальный вклад лучше любой модели атрибуции. Персональные данные и cookie Сквозная аналитика связывает поведение посетителя на сайте с его контактами и сделками, то есть обрабатывает персональные данные. Это требует оснований обработки, корректной политики, согласия на обработку данных в формах и уведомления о cookie с возможностью отказаться от аналитических. Данные должны храниться с соблюдением требований о локализации. Подробно о требованиях к формам, cookie и аналитике на сайте — в статье о 152-ФЗ для сайтов . Готовый сервис или собственное решение Готовые сервисы сквозной аналитики подключаются к популярным рекламным системам, CRM и коллтрекингу, дают стандартные отчёты и модели атрибуции. Подходят для большинства компаний с типовым набором каналов и популярной CRM. Возможности систем веб-аналитики и CRM. Загрузка расходов и офлайн-конверсий в систему веб-аналитики, аналитические отчёты в CRM. Бесплатно или дёшево, но требует аккуратной настройки и ограничено отчётами этих систем. Собственное хранилище и BI. Данные из всех источников собираются в хранилище, отчёты строятся в BI-инструменте. Оправдано, когда источников много, логика нестандартна — сложные продукты, повторные продажи, несколько юрлиц, — или маркетинговые данные нужно объединить с финансовыми и операционными. Как строятся такие системы, — в статье о BI и управленческой отчётности . Порядок внедрения Определить вопросы. Какие решения должна поддерживать аналитика: перераспределение бюджета между каналами, оценка кампаний, контроль отдела продаж. От вопросов зависит глубина. Навести порядок в CRM. Обязательные поля источника, этапы воронки, причины отказа, запрет ручного создания сделок