директор и машина · маркетинг · запись № 021 · 22 июля 2026 · Давид Герштейн

Квалификация лидов: куда утекают деньги между маркетингом и продажами

Суммы в разборе пересчитаны на условную компанию — пропорции, механика и выводы реальные.

Лиды идут, отчёты зелёные, а продаж нет. Если вы сейчас смотрите в отчёт, где заявок больше, чем месяц назад, а денег столько же или меньше, — диагноз простой: вы платите за трафик, который до кассы не доходит, и не знаете, на каком метре он останавливается. Первое желание — обвинить маркетинг в качестве трафика или продажников в лени. Обычно виноваты не они, а стык между ними, за который не отвечает никто.

Несколько десятков качественных лидов из социальной сети за месяц. Отдел продаж закрыл 1-2. Руководитель смотрит на отчёт и не понимает: трафик есть, лиды помечены как качественные, а денег нет. Это не редкий случай — это самая частая точка разрыва между маркетингом и продажами, которую я вижу в компаниях.

Разбор показал: эти лиды были первым касанием. Человек увидел пост, оставил заявку — и всё, для него это начало пути, а не готовность купить. А отдел продаж работал с ними так же, как с лидами из контекстной рекламы, где человек уже искал услугу и морально готов купить. Разные источники требуют разного цикла продажи, а система работала одним шаблоном на все. Пока это не поправили, каждый месяц компания платила за трафик, который физически не мог конвертироваться в срок одного звонка.

Здесь честно скажу: я сам разбирался в этом не сразу. Я долго считал, что если лид помечен как качественный, то дальше дело за продажами, — и месяцами смотрел не туда. Понял только тогда, когда сел и вручную проследил путь двадцати заявок от заявки до первого звонка. Так что если вы сейчас в этой точке — вы не в отстающих. Вы просто ещё не делали этот замер.

Квалификация лидов: четыре места, где деньги теряются

Четыре точки разрыва. Пройдите по ним и найдите свою — обычно она одна, и она же объясняет всю картину.

Прежде чем менять маркетинг, я всегда проверяю три вещи по порядку: правильно ли считаются лиды, правильно ли они атрибутируются, и правильно ли с ними работает продажа. В моей практике в 80% случаев (оценка, по частоте разборов) проблема находится в первых двух пунктах, а не в третьем — но именно продажи обычно обвиняют первыми.

Дубли, которые красят картину в чёрный цвет

В одной системе аналитики одна входящая точка создавала два-три дубликата лида. Показатели конверсии падали день ото дня — хотя реальная ситуация была другой. Руководитель обнаружил это случайно, читая утренний отчёт и заметив, что цифры не бьются с ощущением от работы отдела продаж.

Похожая история с расхождением в отчётах по продажам: у разных менеджеров цифры в отчётах заметно не совпадали. При проверке через CRM выяснилось: потеряна одна сделка, потому что её посчитали рекомендацией, а не лидом. А при фильтрации по месяцу оплаты вместо месяца создания договора разница выросла ещё сильнее. Дело не в человеке — так работает система: без единого метода подсчёта данные теряются сами, стоит только считать их вручную или разными способами в разных отчётах. Подробнее про то, как CRM искажает цифры из-за сдвига дат и метода подсчёта, я разбирал в отдельной статье про сверку данных по ID.

Атрибуция, которая тает на глазах

10-15% лидов невозможно атрибутировать к каналу — пользователи блокируют куки, чистят историю, ставят блокировщики рекламы. В декабре эта доля подскочила до 30%. Если не выделять эту категорию отдельно, отчёт по каналам врёт: кажется, что один источник не работает, хотя на деле часть его лидов просто не засчиталась.

Что делать вам, если качество лидов упало

Сначала проверьте свою сторону: скорость ответа, форму, первый вопрос менеджера. Половина «некачественных» лидов становится такими уже после попадания к вам.

Компания провела эксперимент — изменила текст объявления по совету экономиста. Результат: конверсия упала с 33% до 6%, в 5,5 раза. При этом объём лидов вырос на 25%. Больше заявок, но качество село — лиды пошли из другого сегмента — с меньшим бюджетом и более длинным решением. Классическая ловушка: смотреть на количество лидов и не смотреть на их структуру. На диаграмме ниже — конверсия лидов в продажу до и после смены текста.

Конверсия лидов в продажу до и после смены текста объявления по совету экономиста. Объём лидов при этом вырос на 25%, но за счёт возрастной и иногородней аудитории, не готовой к покупке.

Команда разошлась во мнениях: один настаивал продолжить тест, второй видел проблему и требовал остановки. Решение отложили до анализа региональной структуры. Это правильный шаг — но его нужно было делать до запуска на весь бюджет, а не после падения в 5,5 раза. Тестировать формулировку оффера стоит на 10-15% бюджета и сразу смотреть не только количество лидов, но и структуру: возраст, регион, источник.

Сегментация вместо стрельбы по площадям

Маркетолог честно признал: раньше продавали услугу, описывая процедуру оформления документов, которая клиенту неинтересна. За неделю с аналитиком собрали три типовых портрета покупателя — часто это люди старшего возраста, одинокие или с выросшими детьми, ищущие общие интересы. После этого стали работать с болью клиента, а не с процедурой. Конверсия пошла вверх без увеличения бюджета — это заслуга именно сегментации, отдельно от других изменений в кампании, которые шли параллельно.

Похожая логика — с крупной базой контактов с вероятностью целевого признака выше 25%. Пробная рассылка на небольшую выборку дала открываемость 50%, но конверсию в лиды — 0%. Вывод команды: «не понимая сегментацию клиента, бить в лоб бесполезно, это стрелять из пушки по воробьям». Решили заменить одно прямое предложение серией из 3-4 писем с конкретными преимуществами — здоровье, поиск родственников, путешествия — и только потом анонсировать событие.

Как считать цену лида, который дошёл до сделки

Из полученных лидов лишь около 40% оказались качественными по контролю качества. Планировали отвал не более 20%, получили 60%. Бюджет на канал не менялся, а годных лидов на выходе стало в полтора-два раза меньше — значит и цена каждого годного лида выросла ровно во столько же раз (оценка по пропорции план/факт).

Наглядно, на условных числах: если качественные лиды — это 40% от общего пула, то при плановом отвале 20% тот же пул лидов дал бы вдвое больше качественных — при том же бюджете на канал. Факт оказался ровно в два раза меньше плана. Бюджет не менялся, а делится он теперь на вдвое меньшее число годных лидов — значит цена одного качественного лида для этого канала не «немного выросла», а буквально удвоилась. Формула для своего случая: возьмите долю годных лидов по плану (100% минус плановый отвал) и разделите на фактическую долю годных — получите, во сколько раз реальная цена лида выше расчётной.

На диаграмме — соотношение валовых и качественных лидов в день, план и факт.

50 валовых лидов в день превращаются в 16-17 качественных. Канал тут ни при чём — так устроена воронка, если знать это заранее и планировать бюджет от неё, а не от валового числа. Компания, которая планирует заметный рост лидов на следующий месяц, должна понимать: из них может оказаться качественными меньше половины, если канал новый или сегментация не отработана.

Отдельная история — синхронизация оплаты и поставки лидов. Чтобы получить лиды в начале месяца, нужно оплатить их ещё 28-го числа предыдущего. Если половина счетов не оплачивается вовремя — а именно так и было — весь цикл привлечения сдвигается, и «недобор лидов» на самом деле означает «недоплата в срок». Это тот случай, когда причина проблемы с продажами лежит не в маркетинге и не в отделе продаж, а в бухгалтерии.

ИИ-связка: автоматический поиск разрыва

Здесь машина показывает вам, где именно и на сколько застревают ваши лиды, — без ручного разбора каждой карточки.

Ручная сверка отчётов — то, чем вручную занимался руководитель, когда случайно заметил дубли, — не масштабируется. При потоке 50 лидов в день невозможно каждый день вручную сверять источник, дедупликацию и приоритет для менеджера. Здесь и встраивается ИИ-скоринг: не вместо контроля качества, а как первый фильтр, который сразу подсвечивает, с кем работать в первую очередь и почему.

Схема конвейера простая и без лишних сервисов: лид падает в CRM (amoCRM или Bitrix24) → вебхук пишет строку в Google Sheets → скрипт по таймеру раз в 15 минут проверяет новые строки без оценки → вызывает дешёвую модель с промптом ниже → записывает score и рекомендацию обратно в таблицу и в карточку CRM → при score выше порога уходит уведомление менеджеру в Telegram.

Модель здесь нужна дешёвая: задача — не творческий текст, а структурированная оценка по понятным критериям, с этим справляется лёгкая модель уровня GPT-4o-mini или аналог, дорогая модель тут не нужна и не окупается на потоке 50 лидов в день.

Ты — ассистент отдела продаж. На входе данные о лиде из CRM в формате JSON.
Оцени вероятность сделки от 0 до 100 на основе поведения на сайте, источника
и сегмента. Определи, к какому из трёх портретов покупателя ближе всего лид:
1) старший возраст, ищет общие интересы; 2) активный поиск услуги "здесь и сейчас";
3) первое касание, холодный интерес без готовности купить.
Дай менеджеру одну конкретную рекомендацию по первому действию (звонок,
серия писем, отложенный контакт). Никаких пояснений вне JSON, верни только JSON:

{
  "lead_id": string,
  "source": string,
  "time_on_site_sec": number,
  "pages_viewed": number,
  "segment_hint": string,
  "purchase_history_flag": boolean
}

Пример ответа модели на такой запрос:

{
  "lead_id": "84213",
  "score": 62,
  "persona": "холодный интерес без готовности купить",
  "action": "не звонить сразу, отправить прогревающее письмо через 2 дня",
  "priority": "medium",
  "reason": "источник соцсеть, первое касание, короткое время на сайте"
}

Инженерная обвязка

Всё крутится на связке CRM-вебхук + Google Apps Script + Google Sheets — без отдельного сервера. Вебхук из CRM пишет сырые данные лида построчно. Скрипт по таймеру раз в 15 минут ищет строки без заполненной колонки score, отправляет их в API модели, пишет ответ обратно. Если API недоступен или вернул не-JSON — скрипт помечает строку статусом «ERROR», логирует причину в отдельный лист ошибок и повторяет попытку через час, не блокируя обработку остальных строк. Раз в день отдельный отчёт в тот же Telegram-канал: сколько лидов обработано, сколько ушло в ошибку — это тот минимальный алерт, которого не хватило в истории с ботом, о которой ниже.

Зачем сводить рекламу и продажи, если лиды и так идут

Как собрать такую связку с нуля — как её собрать.

«Отсутствие информации — это отсутствие рычагов давления. И это меня прям очень сильно бесит» — так один руководитель описал ситуацию, когда невозможно разделить конверсию по источникам трафика, потому что интеграция между рекламными кабинетами и CRM не позволяет этого сделать. Без сквозной аналитики компания видит только суммарную цифру и не может сказать, какой канал реально приносит продажи, а какой — только формальные конверсии в CRM.

Пример: SEO-специалист внедрил реал-тайм дашборд по лидам и конверсиям за один уикенд вместо обещанных суток. Дальше выяснилось: трафик растёт, а продажи в мае упали. Без дашборда это выглядело бы как «маркетинг работает». С дашбордом стало ясно — работает трафик, не работает что-то дальше по воронке. Похожая логика в тесте по позициям в топ-3 Яндекса до середины июня: цель — понять, коррелирует ли рост трафика с продажами, прежде чем масштабировать бюджет на продвижение.

Ещё один сигнал того же порядка: конверсия органического трафика упала ниже 10% в апреле, хотя в январе была 17%, в марте — почти 15%. Такое снижение три месяца подряд — уже не шум, а тренд, и виден он только тогда, когда смотришь данные по месяцам, а не по последней неделе.

Дашборд полезен только тогда, когда данные в нём читаемы, а не спрятаны в методичке. В одном случае анализ крупного массива отклонённых лидов выдали в виде Excel с формулами, которые нужно было вручную разбирать, вместо наглядного дашборда — это тот же провал сквозной аналитики, только с другой стороны: данные вроде бы есть, а рычага для решений из них не получить, пока кто-то не потратит часы на ручной разбор таблиц.

Когда автоматизация теряет данные молча

У одного клиента неделю не работал автоматизированный бот для сбора лидов, но команда не спешила это чинить — общий бизнес приносил деньги, и отдельная проблема модуля не казалась критичной. Итог — потеря данных о потенциальных клиентах за длительный период, которую никто не заметил вовремя, потому что не было алерта на остановку модуля. Про то, что автоматизация без постоянного присмотра превращается во вторую работу, я писал в статье про автоматизацию, которая требует надзора.

Экономика внедрения: сколько стоит настройка ИИ-скоринга и что она экономит

Внедрение связки «вебхук → Google Sheets → скоринг → Telegram-уведомление» — это, по моей оценке, 6-8 часов работы разработчика или аналитика на настройку скрипта и обкатку промпта, плюс 1-2 часа юриста на проверку передаваемых данных; эксплуатация — порядка 1500 запросов в месяц к дешёвой модели, единицы долларов, не заметная статья расходов. Тему, какие данные лида можно передавать во внешний API, я разбирал отдельно в статье про персональные данные и нейросети. При типовой почасовой ставке фриланс-разработчика настройка обойдётся в сумму, сопоставимую с одним рабочим днём специалиста (оценка).

Эффект считаю отдельно от эффекта самой сегментации и от эффекта чистки дублей — это разные инициативы, и мешать их вклад в одну цифру нечестно. Вклад именно скоринга и дашборда — это высвобожденное время на ручную приоритизацию заявок. Если РОП или менеджер тратит около часа в день на то, чтобы вручную решить, кому звонить в первую очередь среди полусотни новых заявок, это несколько десятков рабочих часов в месяц. Формула для своего случая: часы ручной работы в день × рабочие дни в месяц × ставка часа сотрудника (~1000 ₽/час) = скрытые расходы на ручную приоритизацию в месяц. При такой ставке это даёт сумму, сопоставимую со стоимостью настройки скоринга за месяц, которую снимает автоматизация — то есть окупаемость укладывается в первый месяц эксплуатации, дальше это чистая экономия времени. Что мы не считаем эффектом: если освободившийся час РОП тратит на другие задачи, а не на звонки клиентам, прямого прироста выручки это не даёт — только перераспределение рабочего времени.

Отдельно — иллюстративный расчёт цены самой проблемы «разные источники требуют разной стратегии», на профиле условной компании из плашки выше: отдел продаж 8 менеджеров, у каждого в активной работе 5 сделок в месяц — итого 40 сделок, средний чек 180 тыс. ₽. Если 10% сделок зависает именно на стыке маркетинга и продаж — потому что с холодным первым касанием работают по сценарию для горячего лида, — это 4 сделки в месяц, риск ≈ 720 000 ₽ выручки в месяц (оценка). Даже если на практике зависает не 10%, а 3-5% (1-2 сделки, риск ≈ 180 000-360 000 ₽), порядок цифр показывает: разница в стратегии продажи по источникам стоит дороже, чем настройка скоринга и дашборда вместе взятых.

Порядок действий: с чего начинать разбор

Порядок действий, который у меня сработал: сначала проверить подсчёт (дубли, атрибуция, метод фиксации продажи), потом проверить соответствие стратегии продаж источнику лида (первое касание — это не готовая сделка), и только потом разбираться с качеством самого трафика через сегментацию аудитории. Тестировать изменения в оффере нужно на небольшой доле бюджета и сразу смотреть структуру лидов, а не только их количество — иначе можно повторить историю с падением конверсии в 5,5 раза.

Отдельно стоит следить за скоростью реакции на аномалии. Замороженные вебинары без единого мероприятия за месяц, неработающий бот, который никто не чинит неделю, — такие вещи находят случайно, если не выстроен регулярный контроль. Похожий принцип регулярного контроля я описывал применительно к оценке звонков менеджеров — там тоже без системного просмотра проблемы копятся незаметно, разбор в статье про контроль качества звонков показывает, как это выглядит на практике.

Чек-лист на понедельник

• Выгрузить из CRM все лиды за последний месяц и вручную проверить 20-30 карточек на дубли по телефону/email — если находишь больше 2-3%, чинить дедупликацию раньше, чем менять стратегию канала.
• Посчитать долю неатрибутируемых лидов за последние 3 месяца отдельной строкой в отчёте — не смешивать её с «плохим каналом».
• Сверить метод подсчёта продаж в разных отчётах: по дате создания сделки или по дате оплаты — разница может быть в десятки процентов.
• Выписать реальный % брака по каждому источнику лидов за месяц и сравнить с плановым — если факт вдвое выше плана, стоимость лида тоже примерно вдвое выше расчётной.
• Проверить, есть ли алерт на остановку каждого источника лидов (бот, форма, вебинар) — если алерта нет, поставить хотя бы ежедневную сверку количества по часам.
• Собрать 2-3 портрета покупателя с отделом продаж за одну встречу — не с нуля, а спросить менеджеров, кто чаще всего реально покупает и почему.

И назову вещь своим именем. Умение читать стык маркетинга и продаж по цифрам — это новый управленческий навык, а не работа аналитика, которую можно кому-то отдать. Руководитель, который за пятнадцать минут отвечает, сколько лидов пришло, сколько из них дубли, сколько не атрибутировано и через сколько минут с ними связались, стоит дороже руководителя, который управляет по ощущению отдела продаж. Навык осваивается на одном месяце данных — но осваивать его придётся вам лично: делегировать его некому, потому что делегируется задача, а не понимание.

Проверьте свой стык на этой неделе: возьмите двадцать последних лидов и проследите путь каждого до первого контакта. Сколько времени прошло, кто взял, что сказал. Обычно после такой проверки вопрос «почему нет продаж» отпадает сам.

Как выстроить передачу лида без потерь — в бесплатном курсе для руководителей.

И главное, что стоит проверить именно вам: кто в вашей компании отвечает за лид в момент, когда маркетинг его передал, а продажи ещё не взяли. Если ответа нет — вот вам и причина. Ваши деньги теряются в этой паузе, и ни один отчёт вам её не покажет.

Ваш план на неделю

Сделайте три вещи. Первое: возьмите двадцать своих последних лидов и проверьте, через сколько минут с ними связались. Второе: посмотрите, у скольких из них вообще есть ответственный менеджер в вашей CRM. Третье: спросите ваших продавцов, что они думают о качестве лидов, и сравните их ответ с цифрами из первых двух пунктов.

Обычно после этого упражнения вы понимаете, что ваша проблема не в маркетинге и не в продажах, а в стыке между ними — и чинить надо именно его.

И проверьте вашу собственную реакцию на эти цифры: если вы сейчас подумали «у нас точно не так» — тем более сделайте замер. Мы тоже были уверены, что у нас с этим порядок, пока не посмотрели на двадцать конкретных лидов и не увидели, что половина ждала ответа больше суток.

Ваш вывод из этого разбора должен быть простым: прежде чем покупать больше лидов, посмотрите, что происходит с теми, что у вас уже есть.

Мы у себя закрыли этот разрыв простым правилом: у лида есть ответственный с первой секунды. Ни техники, ни бюджета — и потери сократились в разы.

Частые вопросы

Что делать с некачественными лидами?

Сначала проверить, действительно ли лид некачественный — часто проблема в дублях или неверной атрибуции в CRM, а не в самом лиде. Если качество подтверждено — менять сегментацию оффера, а не просто увеличивать бюджет.

Сколько стоит качественный лид?

Зависит от канала и от того, как считать «качественный» — контролем качества или ощущением отдела продаж. При плане 20% брака реальный отвал доходил до 60%, что почти удваивало фактическую стоимость лида (оценка по типовой воронке).

Зачем нужна сквозная аналитика, если лиды и так идут?

Без неё нельзя понять, какой канал реально приносит продажи, а какой — только конверсии в CRM. Дубли, потерянные сделки и невозможность разделить трафик по источникам маскируют реальную картину и приводят к неверным решениям по бюджету.

#аналитика и отчётность #деньги #ошибки и провалы