Сквозная аналитика для бизнеса: 5 кейсов, которые показывают, где вы теряете деньги

Маркетолог приносит отчёт: «Лиды отличные, заявок вагон». РОП в ответ: «Эти лиды не закрываются, мы их сливаем зря». Собственник смотрит на оба отчёта и не понимает, кто прав — а главное, какой из пяти рекламных каналов реально приносит деньги, а какой просто красиво осваивает бюджет.

Этот спор не решается на совещании. Он решается данными, которые показывают путь клиента целиком: от первого клика по объявлению до оплаты в кассе и повторной покупки через полгода. Это и есть сквозная аналитика — система, которая сшивает рекламу, сайт, звонки и CRM в один отчёт.

Ниже — пять кейсов компаний, которые перестали гадать и начали считать. Каждый разбираем по одной схеме: проблема, её причина, что сделали. А в конце — как запустить такую систему у себя и на каких ошибках бизнес теряет деньги чаще всего.

Проблема знакома почти каждому, кто платит за рекламу: вы видите трафик, заявки и стоимость клика, но не видите, сколько выручки принёс каждый канал. В итоге решения о бюджете принимаются по косвенным признакам — «здесь лидов больше, значит, лучше».

Причина в том, что обычная веб-аналитика обрывается на сайте. Google Analytics отлично знает, что человек кликнул по объявлению и оставил заявку. Но он не знает, что было дальше: закрыл ли менеджер сделку, вернул ли клиент деньги, купил ли повторно через три месяца. CRM, наоборот, знает всё про деньги — но не знает, из какого объявления пришёл клиент. Два главных источника данных живут в разных системах и не разговаривают друг с другом.

К этому добавляются звонки и офлайн. Если половина клиентов звонит по телефону или приходит в физическую точку, для веб-аналитики они просто исчезают. Канал, который «не приносит заявок на сайте», на деле может генерировать самые крупные сделки — просто по телефону.

Простой пример из практики. Канал в соцсетях показывает дорогую заявку и почти нулевые «продажи с сайта», и его первым кандидатом отправляют под нож. Но как только данные связывают с CRM, выясняется, что именно с этого канала приходят клиенты с самым высоким средним чеком, которые дозревают неделю и закрываются по телефону. Отключив его «по веб-аналитике», бизнес теряет самый прибыльный сегмент — и не понимает почему.

Сквозная аналитика закрывает этот разрыв. Она объединяет данные рекламных кабинетов, сайта, коллтрекинга и CRM так, чтобы у каждого вложенного рубля был привязан рубль выручки. Если вы только начинаете разбираться с темой, стоит сначала прочитать базовый разбор о том, что такое сквозная аналитика и зачем она нужна бизнесу — здесь же мы идём дальше, к практике.

Разница между двумя подходами выглядит так:

За нашим опытом в Brutal Marketing разрыв между «много заявок» и «мало денег» — это причина номер один, по которой собственники сомневаются в рекламе. Сквозная аналитика этот разрыв убирает: вы перестаёте платить за визиты и начинаете платить за выручку.

Проблема, с которой столкнулась компания нижнего белья Darjeeling, выглядит обманчиво простой. У бизнеса был интернет-магазин и сеть физических точек. Собственник сравнил выручку: офлайн приносил кратно больше. Логичный вывод напрашивался сам — закрыть или урезать онлайн и сосредоточиться на рознице.

Причина ошибки — в способе подсчёта. Когда вы смотрите только на прямые продажи сайта, вы видите лишь тех, кто и кликнул, и купил онлайн в одной сессии. Но огромная часть покупателей ведёт себя иначе: изучают товар, цены и наличие на сайте, а покупать идут в магазин, чтобы примерить. Для отчёта по выручке такая покупка целиком «принадлежит» офлайну, хотя решение клиент принял онлайн. Это поведение называют ROPO-эффектом — research online, purchase offline.

Что сделали. Darjeeling не стала рубить онлайн с плеча, а измерила его реальный вклад. Маркетологи связали два источника данных: Google Analytics — про поведение на сайте, и CRM — про расходы и выполнение заказов. Системы имели разную структуру, поэтому данные свели в единый отчёт через BI-инструмент для сквозной аналитики.

Результат перевернул картину. Оказалось, что 40% покупателей в физических магазинах перед покупкой заходили на сайт. То есть почти половина «офлайновой» выручки не состоялась бы без интернет-магазина. Решение о закрытии онлайн-канала уничтожило бы спрос, который этот канал тихо создавал.

Что отсюда забрать собственнику: не принимайте решений о каналах по прямой выручке, если у вас есть и онлайн, и офлайн. Сначала измерьте, как один канал подогревает другой. Для РОПа вывод практичнее: попросите аналитику не просто «отчёт по сайту», а связку «визит на сайт → визит в точку → покупка» — это меняет приоритеты в работе с трафиком.

Сеть медицинских клиник Doctor Ryadom вела рекламу сразу в нескольких каналах: поиск, контекст, соцсети, телевидение. Каждый стоил по-разному и приводил пациентов по-разному. Проблема была в том, что никто не мог сказать, какой канал реально окупается, а какой просто тратит бюджет.

Причина — в раздробленности данных. Пациент мог записаться на сайте, позвонить по телефону или прийти на ресепшн. Обычные инструменты веб-аналитики не справлялись: они не видели, откуда пришёл человек, который позвонил, и не связывали его с лечением и оплатой. Данные о визитах, звонках, расходах и доходах лежали в четырёх разных системах и не пересекались.

Что сделали. Аналитики свели в одну систему четыре потока: поведение пользователей из Google Analytics, данные о звонках из систем коллтрекинга, расходы по всем рекламным источникам и данные о пациентах, госпитализациях и доходах из внутренней системы клиники. Только после этого стало видно, какой канал чем заканчивается — не заявкой, а пролеченным пациентом и деньгами в кассе.

Отчёты показали каналы, которые не окупались. На основе цифр маркетологи перетряхнули контекстную рекламу: оставили только кампании с лучшей семантикой и перенесли бюджет на геосервисы, которые приводили пациентов дешевле.

Результат — рентабельность отдельных каналов выросла в 2,5 раза, а общие расходы на рекламу сократились вдвое при сохранении потока обращений. Это и есть смысл сквозной аналитики: не «резать рекламу», а перекладывать деньги из убыточных каналов в прибыльные. Если хотите глубже разобраться, почему важно считать именно деньги, а не заявки, посмотрите наш разбор о том, что такое аналитика продаж и как с её помощью увеличить выручку.

Гипермаркет мебели и товаров для дома Hoff упёрся в проблему масштаба. Кампаний и поисковых фраз в контексте стало так много, что управлять ставками руками физически невозможно. А ставить наугад опасно: завысите — сольёте бюджет, занизите — недополучите заказы.

Причина сложности — в том, что эффективность ключевого слова нельзя оценить по последнему клику. Один и тот же запрос может приводить дешёвых зевак или людей, которые в итоге покупают диван за крупную сумму. Чтобы автоматизировать ставки, нужно знать прибыль по каждой из тысяч фраз, а не просто число переходов.

Что сделали. Hoff подключил все сессии пользователей и научился связывать в один профиль телефонные звонки, визиты в магазины и контакты с сайтом с любого устройства. После этого взялись за модель атрибуции — то есть за правило, по которому ценность сделки распределяется между каналами и точками касания.

По умолчанию Google Analytics использует модель последнего непрямого клика: всю ценность конверсии получает последний канал в цепочке. Прямые заходы при этом игнорируются. На практике это означает, что каналы, которые знакомят клиента с брендом в начале пути, выглядят бесполезными — хотя без них продажи бы не было.

Hoff настроил атрибуцию на основе воронки: ценность сделки распределяется между всеми каналами, которые участвовали в каждом её шаге. На объединённых данных компания оценила прибыль каждого ключевого слова и увидела, какие фразы съедали бюджет, а какие приводили заказы.

Дальше аналитики настроили ежедневное обновление этих данных и передачу их в автоматическую систему управления ставками. Ставка по каждому слову теперь меняется пропорционально его реальному ROI. Результат — рентабельность вложений в контекст выросла на 17%, а число прибыльных ключевых слов удвоилось.

Вывод для РОПа и маркетолога один: пока вы оцениваете каналы по последнему клику, вы недоплачиваете тем, кто приводит клиента в начале пути, и переплачиваете за «закрывающие» каналы. Смена модели атрибуции часто даёт прирост без единого дополнительного рубля в бюджет. А чтобы автоматизация работала, под капотом нужны правильные показатели — мы разбирали их в материале про ключевые метрики в CRM, которые стоит измерять.

Киевский ретейлер Butik с интернет-магазином одежды, обуви и аксессуаров хотел повысить лояльность и пожизненную ценность клиента. Идея понятная: разным покупателям — разные предложения. Проблема в том, что клиентов тысячи, и вручную каждому ничего не предложишь.

Причина, по которой простая сегментация не работала, — снова раздробленные данные. Один и тот же человек мог купить онлайн, заказать на сайте и забрать в магазине или вообще игнорировать сайт и покупать только в точке. Часть данных оседала в Google Analytics, часть — в CRM. Без связки эти «куски» одного клиента выглядели как разные люди.

Что сделали. Маркетологи Butik сначала идентифицировали каждого клиента и собрали все его покупки в один профиль — независимо от канала. На основе истории покупок выделили шесть сегментов: новые покупатели, те, кто покупает раз в квартал, раз в год, постоянные клиенты и так далее.

Дальше — самое важное. Они задали правила автоматического перехода клиента из сегмента в сегмент. Купил второй раз за месяц — перешёл в «активных», полгода молчит — попал в «спящих».

Под каждый сегмент настроили свои сообщения по колл-центру, email и SMS. Так персональная коммуникация заработала на тысячах людей без ручного труда.

Для бизнеса это прямая работа с удержанием и возвратом. «Спящий» сегмент — это деньги, которые вы уже однажды заработали и рискуете потерять; как с ним работать, мы подробно показали в статье про то, как вернуть потерянных клиентов. Сквозная аналитика здесь нужна для того, чтобы сегменты строились на полной истории клиента, а не на обрывках данных одного канала.

Отдельная выгода — экономия на рекламе. Когда вы знаете, кто из клиентов «спящий», а кто активный, не нужно платить за повторный показ объявлений тем, кто и так купит. Бюджет уходит туда, где он реально двигает выручку, а не на людей, которые уже в вашей базе.

Raiffeisen Bank работал с рекламой по модели оплаты за действие (CPA): банк платит партнёрам только за результат — переход, регистрацию, оформление продукта. Звучит безопасно, но именно здесь живёт распространённая схема накрутки.

Проблему маркетологи заметили по симптому: стоимость партнёрского трафика росла, а доход стоял на месте. Причина оказалась в недобросовестных партнёрах. Самый частый приём — подмена источника трафика: партнёр делает так, будто конверсию привела его сеть, хотя на деле клиент пришёл сам или из другого канала. Банк платит за чужой результат. Без аналитики, которая видит каждый шаг в цепочке, такую подмену поймать почти невозможно.

Что сделали. Маркетологи Raiffeisen подняли «сырые» данные о действиях пользователей — полную необработанную информацию по сессиям. Среди клиентов, у которых последним каналом значился партнёрский, они отобрали тех, у кого между сессиями были подозрительно короткие паузы. Именно в эти паузы источник трафика и переключался.

Так аналитики вышли на партнёров, которые присваивали себе зарубежный трафик и перепродавали его банку как свой результат. Сотрудничество с ними прекратили — и перестали платить за воздух.

Вывод для собственника простой: если вы работаете с партнёрской или CPA-рекламой и не отслеживаете путь пользователя целиком, вы почти наверняка где-то переплачиваете. Сквозная аналитика здесь работает как детектор: она показывает не только «откуда пришёл клиент», но и «где источник внезапно поменялся». Связка контекста, CRM и аналитики, на которой строится такая защита, разобрана в нашем материале про сочетание CRM, PPC и сквозной аналитики для роста продаж.

Сквозная аналитика — не универсальная таблетка. Есть бизнесы, где она окупается с первого месяца, и есть те, где она пока преждевременна. Честный ответ на этот вопрос экономит деньги.

В первую очередь система нужна, если у вас сходятся хотя бы два признака: вы тратите на рекламу заметные суммы сразу по нескольким каналам и часть продаж идёт не напрямую с сайта — по телефону, в офлайне или через повторные сделки. Чем длиннее и запутаннее путь клиента, тем больше денег прячется в слепых зонах обычной аналитики.

Сильнее всего эффект заметен у бизнесов с длинным циклом сделки и высоким средним чеком: недвижимость, медицина, B2B, дорогие услуги. Там одна неверно оценённая сделка стоит дорого, а каналы знакомства с брендом легко по ошибке списать в убыток. Если вы работаете в B2B, отдельно посмотрите наш разбор про стратегии и советы в B2B-продажах — там логика длинного цикла раскрыта подробнее.

Пока рано, если рекламный бюджет совсем небольшой и канал по сути один, а CRM ещё не настроена или ведётся формально. В этом случае сначала наведите порядок в CRM и продажах: иначе вы построите аналитику на данных, которым нельзя верить. Сквозная аналитика усиливает порядок, но не создаёт его с нуля.

После пяти кейсов закономерный вопрос: из чего собирается такая система и сколько это стоит по усилиям. Разберём по слоям — без этого внедрение превращается в хаос.

Сквозная аналитика стоит на четырёх источниках данных, которые нужно соединить:

1. Рекламные кабинеты — расходы и переходы по каждому каналу и кампании.
2. Веб-аналитика (Google Analytics) — поведение пользователей на сайте и заявки.
3. Коллтрекинг — звонки с привязкой к источнику. Без него все каналы, которые приводят клиентов по телефону, остаются слепой зоной.
4. CRM — сделки, деньги, статусы, повторные покупки. Это слой, где данные превращаются в выручку.

Сверху на эти источники ложится BI-инструмент или дашборды, которые собирают всё в одну картину и обновляют её автоматически. Именно дашборд — то, что в итоге видит собственник: не выгрузки из четырёх систем, а один экран с выручкой и ROI по каналам.

Порядок внедрения, который мы используем в Brutal Marketing, выглядит так:

• Аудит источников. Смотрим, какие системы уже есть, как настроены и где данные теряются. Чаще всего проблема не в отсутствии данных, а в том, что они не связаны.
• Цель. Определяем, ради чего строим систему: снизить расходы на рекламу, поднять ROI, сегментировать клиентов или поймать накрутку. От цели зависит, какие данные критичны.
• Связка данных. Настраиваем передачу данных между рекламой, сайтом, коллтрекингом и CRM. Это технически самый трудоёмкий этап.
• Атрибуция. Выбираем модель распределения ценности — почти всегда отказываемся от «последнего клика» в пользу модели по воронке.
• Дашборды и регламент. Настраиваем отчёты и договариваемся, кто и как часто на них смотрит и какие решения по ним принимает.

Фундамент всей конструкции — корректно настроенная CRM. Если сделки заводятся как попало, источники не проставляются, а половина продаж идёт мимо системы, никакая аналитика не спасёт: на грязных данных вы получите красивые, но бесполезные графики.

Если хоть часть клиентов звонит, а не оставляет заявку, без коллтрекинга аналитика врёт. Звонок с рекламы выглядит как обращение «ниоткуда», и канал, который его привёл, недополучает свою ценность — вы недооцениваете рабочий источник и легко его отключаете.

Коллтрекинг подменяет номер на сайте в зависимости от источника и привязывает звонок к каналу, кампании и даже ключевому слову. В связке с CRM это даёт полную картину: видно не только, откуда пришёл звонок, но и чем он закончился — сделкой или отказом.

Здесь же помогает встроенная телефония в самой CRM. Менеджер звонит клиенту в один клик с рабочего номера, разговор записывается, а к сделке автоматически прикрепляются заметки и задачи.

Это закрывает сразу две задачи: данные для аналитики собираются без ручного труда, а руководитель получает записи для контроля качества отдела продаж. Подробнее о том, что умеют современные мобильные системы, мы писали в материале про обязательные функции мобильных CRM-приложений.

Сквозную аналитику легко превратить в дорогую игрушку, если наступить на типовые грабли. Вот те, что мы встречаем чаще всего.

Считают заявки вместо денег. Самая частая. Когда отчёт заканчивается на «лидах», вы по-прежнему не знаете, какой канал приносит выручку. Доводите цепочку до оплаты и повторных покупок — иначе вся затея теряет смысл.

Игнорируют звонки и офлайн. Если коллтрекинг не подключён, а часть продаж идёт по телефону или в точке, аналитика будет систематически занижать одни каналы и завышать другие. Решения по такому отчёту приведут к потере денег.

Оставляют модель «последний клик». Канал знакомства с брендом всегда выглядит убыточным при такой атрибуции. Бизнес режет его — и удивляется, почему упали продажи по «прибыльным» каналам. Кейс Hoff показывает обратную логику.

Строят дашборды, на которые никто не смотрит. Аналитика без регламента — это отчёт, который открывают раз в квартал. Договоритесь заранее: кто смотрит, как часто и какое решение принимает по цифрам. Иначе система не окупится.

Запускают аналитику на грязной CRM. Если менеджеры не проставляют источники и не доводят сделки до финального статуса, данные на входе будут мусором. Здесь помогает связка с контролем качества отдела продаж: чистые данные начинаются с дисциплины в работе менеджеров.

Точную цифру никто не назовёт вслепую — слишком многое зависит от того, в каком состоянии у вас данные. Но порядок величин очертить можно.

Если CRM уже настроена, источники проставляются, а коллтрекинг работает, базовую сквозную аналитику с дашбордами реально собрать за несколько недель. Основное время уходит не на «подключить системы», а на то, чтобы свести данные с разной структурой и проверить, что цифры сходятся с реальностью.

Если данные в беспорядке, львиная доля проекта — это аудит и наведение порядка в CRM и продажах. Это не задержка, а необходимый фундамент: аналитика на грязных данных обойдётся дороже, потому что приведёт к неверным решениям по бюджету.

По окупаемости ориентир простой. Первый ощутимый эффект обычно даёт не сложная автоматизация, а отключение каналов и кампаний, которые система впервые показывает как убыточные. Как в кейсе Doctor Ryadom, где расходы на рекламу удалось сократить вдвое, — этот результат виден уже на первых честных отчётах. Дальше подключаются автоматизация ставок и сегментация, которые работают на более длинной дистанции.

О том, как автоматизация снимает рутину с менеджеров и помогает им больше продавать, мы рассказывали в статье про то, как автоматизация продаж помогает менеджерам.

Не обязательно строить всё сразу. Можно начать с одного честного среза и уже на нём увидеть деньги, которые утекают.

Сначала сведите вручную две цифры по каждому рекламному каналу за последний месяц: сколько потратили и сколько сделок из этого канала закрылось в CRM. Даже грубая таблица покажет каналы, которые точно не окупаются. Дальше проверьте, подключён ли коллтрекинг и проставляются ли источники в сделках — это два самых частых места утечки данных. И только потом подключайте BI и автоматизацию: автоматизировать имеет смысл то, что уже считается правильно.

Если в этих шагах вы упёрлись в то, что данные не сходятся или CRM настроена так, что считать нечего, — это нормальная отправная точка. Именно с аудита и наведения порядка в данных начинается любой рабочий проект по аналитике. Тем, кто хочет заодно научиться прогнозировать выручку на этих данных, пригодится наш разбор про прогноз продаж в CRM, а про базовую метрику, без которой не обходится ни один отчёт, мы писали в статье про то, почему коэффициент конверсии так важен.

Пять кейсов выше объединяет одно: компании перестали спорить мнениями и начали принимать решения по выручке. ROPO-эффект, оптимизация бюджета, автоматизация ставок, сегментация и защита от накрутки — это разные задачи, но решает их одна и та же система, которая видит путь клиента целиком.

Покажем на ваших данных, какие каналы окупаются, а какие тихо съедают бюджет, — и соберём сквозную аналитику под конкретную цель: от ROI до защиты от накрутки.

Начните с бесплатного аудита на странице настройки сквозной аналитики продаж.