Сквозная аналитика: как понять, какая реклама реально приносит продажи, а не просто клики

Отчет из рекламного кабинета показывает клики, количество заявок и стоимость лида, но не отвечает на главный вопрос бизнеса: какая реклама в итоге приносит продажи и деньги?

Дешевый лид не всегда означает эффективную рекламу: один канал может приводить много недорогих заявок, которые не доходят до покупки, а другой меньше обращений, но больше реальных клиентов. Сквозная аналитика помогает увидеть эту разницу и связать рекламные расходы с конечным результатом – сделкой, выручкой и прибылью.

В этой статье, мы – команда DIGIMATIX, разберем, какие показатели использовать для оценки рекламы, как работают модели атрибуции, какие ошибки чаще всего искажают выводы и когда внедрение сквозной аналитики действительно оправдано.

Что такое сквозная аналитика и чем она отличается от отчета по рекламе

Отчет из рекламного кабинета показывает только то, что происходит внутри рекламной системы: количество показов и кликов, расходы, число полученных заявок. Но с помощью него нельзя узнать, что произошло с заявкой дальше: связался ли менеджер с клиентом, состоялась ли сделка, на какую сумму и с какой прибылью.

Сквозная аналитика объединяет данные на всех этапах воронки: от показа рекламы, клика и визита на сайт до заявки и, в конечном итоге, сделки в CRM с указанием ее суммы. Такой подход позволяет проследить весь путь клиента, а не только оценить первые этапы взаимодействия с рекламой.

На практике разница выглядит так: отчет из рекламного кабинета покажет, что кампания получила 100 кликов по 50 рублей и 10 заявок. Сквозная аналитика покажет больше: из 10 заявок 2 стали сделками на общую сумму 180 000 рублей при рекламных расходах 30 000 рублей. Таким образом, сквозная аналитика позволяет оценивать не просто рекламную активность, а ее реальный вклад в продажи и выручку.

Метрики, по которым стоит судить об эффективности

Одной метрики недостаточно, чтобы оценить эффективность рекламы. Низкая стоимость заявки еще не означает, что реклама приводит клиентов, а высокая выручка, что канал действительно прибыльный. Поэтому в сквозной аналитике важно смотреть на показатели в связке: от стоимости лида до фактической прибыли. Вот 6 показателей, которые мы чаще всего используем:

CPL (Cost Per Lead) – стоимость лида

Формула: расход на рекламу ÷ количество лидов. Показывает, сколько в среднем стоит получение одной заявки. Это полезный показатель для оценки эффективности рекламы на верхнем этапе воронки.

CR лида в сделку – доля заявок, которые стали реальными клиентами

Формула: количество сделок ÷ количество лидов × 100%. Именно с помощью этой метрики становится понятно, насколько качественные заявки приводит реклама. Например, кампания со стоимостью лида 500₽ может оказаться выгоднее кампании со стоимостью лида 300₽, если из ее заявок чаще получаются реальные сделки.

CAC (Customer Acquisition Cost) – стоимость привлечения клиента

Формула: расход на рекламу ÷ количество новых клиентов. В отличие от CPL, CAC учитывает не заявку, а фактического покупателя. Поэтому эта метрика позволяет оценить, во сколько обходится привлечение реального клиента. 

ROAS (Return on Advertising Spend) – окупаемость рекламных расходов

Формула: выручка от рекламы ÷ расходы на рекламу × 100%. Показывает, сколько рублей выручки приносит каждый рубль, вложенный в рекламу. Например, ROAS 500% означает, что на каждый вложенный рубль приходится 5 рублей выручки.

ДРР (доля рекламных расходов) – доля затрат на рекламу в выручке

Формула: расходы на рекламу ÷ выручка от рекламы × 100%. По сути, это обратный показатель ROAS. ДРР особенно удобна для бизнеса, где эффективность принято оценивать через долю рекламных расходов в выручке (например, интернет-магазинов) и показывает, какую долю от выручки съедает реклама. Чем ниже данный показатель, тем выше эффективность рекламных кампаний. 

ROMI (Return on Marketing Investment) – рентабельность маркетинговых вложений

Формула: (прибыль от рекламы − расходы на рекламу) ÷ расходы на рекламу × 100%. Это наиболее комплексный показатель из списка, поскольку позволяет оценить не выручку, а именно финансовый результат. При расчете важно использовать прибыль, а не оборот: учитывать себестоимость, комиссии и другие затраты, если они существенно влияют на итоговую маржу.

Одна и та же реклама, два взгляда: пример

Числа в примере условные, но логика полностью соответствует тому, что происходит в реальных рекламных кампаниях. Представим две кампании, которые продвигают один и тот же товар со средним чеком 25 000₽. На каждую кампанию выделяется одинаковый бюджет – 100 000₽ в месяц.

Показатель	Кампания А	Кампания Б
Бюджет	100 000 ₽	100 000 ₽
CPL (стоимость лида)	500 ₽	2 000 ₽
Количество лидов	200	50
Конверсия лида в продажу	3%	20%
Количество сделок	6	10
САС (стоимость привлечения клиента)	16 667 ₽	10 000 ₽
Выручка	150 000 ₽	250 000 ₽
ROMI (рентабельность маркетинговых инвестиций)	50%	150%

На первый взгляд кампания А кажется значительно эффективнее: лид обходится в четыре раза дешевле. Но низкий CPL здесь обманчив: только 3% полученных заявок превращаются в реальные сделки. Кампания Б привлекает лиды дороже, зато они более качественные: 20% заявок доходят до покупки, поэтому при том же бюджете она приносит существенно больше выручки.

Если оценивать кампании только по стоимости лида, бюджет логично было бы перераспределить в пользу кампании А. Но сквозная аналитика показывает обратное: дешевле не значит эффективнее. Важен не сам факт получения заявки, а то, во что она в итоге превращается.

Модели атрибуции: кому засчитывать продажу

Как мы уже ранее говорили, сквозная аналитика позволяет увидеть путь клиента от первого контакта с рекламой до сделки. Но если клиент взаимодействовал сразу с несколькими каналами, возникает следующий вопрос: какому из них засчитать продажу?

Например, пользователь сначала увидел рекламу в РСЯ, через неделю нашел сайт через поиск, а еще через несколько дней вернулся по прямой ссылке и оформил заказ. Все три контакта могли повлиять на решение о покупке. Но если в отчете нужно определить, какой канал принес сделку, необходимо правило распределения заслуги. Для этого и существует термин – модель атрибуции. Именно атрибуция определяет, какому источнику или каким источникам будут приписаны конверсия, сделка и ее выручка.

Основными моделями атрибуции являются:

• По последнему клику: вся заслуга за сделку достается последнему источнику перед конверсией. Модель проста для понимания, но может занижать вклад рекламы, которая сформировала интерес и привела клиента на раннем этапе.
  

• По первому клику: вся заслуга достается источнику, с которого началось взаимодействие бизнеса с клиентом. Такая модель помогает оценить каналы, которые привлекают новых потенциальных клиентов, но не показывает вклад последующих касаний.

• Распределенная атрибуция: ценность конверсии распределяется между несколькими точками контакта. Например, при линейной модели каждый канал получает одинаковую долю заслуги. Более сложные модели могут учитывать, какие взаимодействия сильнее повлияли на решение о покупке.
  

Выбор модели атрибуции напрямую влияет на то, как выглядит эффективность рекламных каналов в отчете. Представим, что клиент сначала пришел из РСЯ, затем несколько раз возвращался через органическую выдачу и совершил покупку. При атрибуции по последнему клику вся выручка от сделки будет записана на органический трафик. РСЯ при этом может выглядеть как канал с дорогими заявками и небольшим количеством продаж, хотя именно она могла стать первой точкой контакта с клиентом. Если на основании такого отчета просто отключить РСЯ как не эффективный канал, можно потерять источник новых клиентов и одновременно снизить эффективность других каналов, которые закрывают продажи на последних этапах воронки.

Поэтому в сквозной аналитике важно смотреть не только на количество сделок и их стоимость, но и понимать, по какой модели атрибуции эти сделки распределяются между каналами. Иначе сравнение рекламных источников может быть некорректным, а решения о перераспределении бюджета ошибочными.

Частые ошибки при работе со сквозной аналитикой

В данной статье мы не будем рассматривать технические ошибки при работе со сквозной аналитикой. Остановимся на ошибках в интерпретации данных и оценке эффективности, которые могут привести к неверным маркетинговым решениям.

Путать количество лидов с их качеством. Низкая стоимость лида не означает, что реклама приводит клиентов. Важно учитывать конверсию в сделку и итоговую выручку.

Считать ROMI по выручке, а не по прибыли. Если у разных товаров или услуг разная маржа, кампания с более высокой выручкой не обязательно более выгодна. Сравнивать нужно по прибыли, иначе решение о перераспределении бюджета может привести к обратному эффекту.

Делать выводы на слишком коротком периоде или маленькой выборке. Несколько сделок за неделю еще не показатель эффективности. Особенно если цикл сделки занимает несколько недель или месяцев: сегодняшние лиды могут превратиться в продажи значительно позже. Для достоверной оценки нужен достаточный период и объем данных, на которых уже видна устойчивая закономерность.

Не учитывать специфику продукта, цикл сделки и внешние факторы. Рекламные показатели нельзя оценивать одинаково для всех продуктов: у товара за 5 000₽ и B2B-услуги стоимостью несколько миллионов рублей будут разная воронка, длительность принятия решения и допустимая стоимость привлечения клиента. На результаты также могут влиять сезонность, акции конкурентов и изменения спроса в целом. Поэтому при оценке эффективности важно учитывать специфику бизнеса и сравнивать сопоставимые периоды, а не связывать любое изменение продаж исключительно с работой рекламы.

Отключать канал только потому, что он не закрывает продажи напрямую. Канал может работать на первом этапе воронки, формировать спрос и влиять на последующие конверсии, но при атрибуции по последнему клику его вклад будет недооценен.

Когда сквозная аналитика реально нужна, а когда это лишние расходы

Здесь стоит быть честными: сквозная аналитика нужна не каждому бизнесу и не на любом этапе. Ее задача не просто собрать больше данных, а помочь принимать решения на основе статистически значимой информации. Если данных мало, сложная система аналитики может оказаться не оправданной инвестицией.

Внедрение сквозной аналитики обычно имеет смысл, когда одновременно выполняется несколько условий: есть заметный объем рекламных расходов, регулярно поступают заявки и заключаются сделки, а путь клиента от обращения до покупки уже можно отследить. Особенно полезна она для бизнеса с несколькими рекламными каналами, длинным циклом сделки или высокой стоимостью привлечения клиента. При этом одной сквозной аналитики недостаточно. Для ее полноценной работы нужна базовая инфраструктура: CRM, настроенная веб-аналитика, коллтрекинг и корректная передача данных о сделках и их источниках.

Для бизнеса с небольшим рекламным бюджетом и малым количеством сделок полноценная система может оказаться избыточной. На этом этапе часто достаточно связки рекламного кабинета, веб-аналитики и регулярной сверки заявок и сделок в CRM. Если менеджер может раз в неделю сопоставить источники обращений с продажами, отдельный сервис сквозной аналитики может пока не дать соразмерной отдачи.

Вместо вывода

Сквозная аналитика нужна не ради еще одного отчета с большим количеством цифр. Ее главная задача – показать реальную ценность рекламы для бизнеса: какие каналы приводят клиентов, сколько стоит их привлечение и сколько денег они в итоге приносят.

При этом важно не просто собрать данные, а правильно их интерпретировать: учитывать качество лидов, цикл сделки, модель атрибуции, прибыль и специфику самого бизнеса. Только в этом случае сквозная аналитика становится инструментом для принятия решений, а не набором красивых графиков.

А если вы в поиске надежного партнера для внедрения сквозной аналитики и запуска рекламных кампаний – пишите нам на почту: office@digimatix.ru или оставляйте заявку на сайте.