директор и машина · маркетинг · запись № 014 · 9 июля 2026 · Давид Герштейн

Как считать стоимость лида, чтобы не платить за брак

Экономист посоветовал поменять текст рекламного объявления. Конверсия в заявку была 33%. После правки — 6%. В пять с половиной раз ниже. Зато лидов стало на 25% больше. Часть команды обрадовалась: больше заявок, дешевле каждая. Часть потребовала остановить тест. Стоимость качественного лида в этой истории никто не считал — считали только цену клика.

Разобрали региональную структуру новых заявок. Люди стали старше, из других регионов, часть — вообще из-за рубежа. Трафик подешевел, объём вырос, а годных клиентов для конкретной услуги в этой массе почти не осталось. Маркетинг отчитывается по цене лида, а не по цене продажи — и эти две цифры расходятся тем сильнее, чем агрессивнее реклама оптимизируется под дешёвый клик.

Стоимость качественного лида — не то же самое, что стоимость лида

В одном месяце компания получила несколько десятков лидов из нового канала — соцсети. По качеству — нормальные, прошли фильтр. Но закрылось лишь несколько продаж. Не потому, что лиды плохие. Потому что это было первое касание: человек увидел рекламу, оставил заявку, но ещё не готов покупать. Другой источник трафика — уже тёплые, с прогревом, — конвертируется иначе и требует другого цикла продажи, часто многоэтапного.

Если считать стоимость лида просто как бюджет, делённый на число заявок, оба источника выглядят одинаково хорошо. Если считать стоимость лида, доведённого до продажи, — картина другая. Формула словами: стоимость продажи = бюджет канала ÷ число закрытых сделок. Подставим для примера одинаковый бюджет на оба канала (оценка, только чтобы показать разницу в механике счёта):

По цене лида канал А выглядит вчетверо выгоднее. По цене продажи — в 4-8 раз дороже. Именно эта подмена и происходит в отчётах, где считают заявки, а не сделки.

Формула: как посчитать стоимость лида правильно

Считать нужно так: бюджет на канал — не на общее число заявок, а на число лидов, прошедших контроль качества. Формула словами: стоимость качественного лида = бюджет канала ÷ число лидов, прошедших контроль качества. В одном отчёте из общего потока квалифицировали лишь 40% заявок, хотя планировали отбраковку не выше 20% (то есть рассчитывали получить в разы больше качественных лидов).

Пример на условных числах: если бюджет на канал принять за постоянную величину, то по плану стоимость качественного лида — бюджет, делённый на плановое число лидов. По факту — тот же бюджет, делённый вдвое меньшее число лидов, то есть ровно вдвое дороже, хотя бюджет и цена клика не изменились ни на копейку.

На диаграмме ниже — та же смена текста объявления, но крупно: как обвалилась конверсия при росте объёма заявок.

Лидов после правки пришло на 25% больше, но доля тех, кто вообще оставляет заявку, упала в 5,5 раза — трафик стал массовым, а не целевым.

Если посмотреть на путь одного лида от клика до продажи как на воронку с потерями на каждом шаге, на диаграмме ниже видно, где теряется объём — разрыв между «лид пришёл» и «лид можно продавать» нагляднее, чем в любой таблице:

Если бюджет на рекламу не менялся, а доля качественных лидов упала вдвое, реальная цена лида выросла вдвое. Эту математику редко считают на уровне отчёта «сколько лидов пришло» — считают только на уровне «сколько заплатили за продажу», и то не всегда вовремя.

Почему лид приходит некачественным

Причины, которые видел на практике, почти всегда одни и те же.

Несоответствие оффера аудитории. Маркетолог продавал услугу, описывая процедуру оформления документов — то, что клиенту неинтересно. С аналитиком собрали три типовых портрета покупателя: часто это люди старшего возраста, одинокие или с выросшими детьми, ищущие общие интересы. Как только начали говорить о болях, а не о процедуре, отклик изменился. До этого лиды формально были — просто не те.

Отсутствие сегментации базы. Рассылка по заметной по объёму базе дала открываемость 50% — отличный результат по меркам email-маркетинга. Конверсия в лид — 0%. Прямое предложение консультации без прогрева не сработало вообще. «Стрелять из пушки по воробьям, не понимая сегментацию» — точное описание того, что произошло. Решение — серия из 3-4 писем с конкретными выгодами вместо одного прямого оффера.

Неготовность локального рынка. При выходе на новый языковой рынок с целевой аудиторией в сотни тысяч человек в одном городе, за всё время работы локальной версии сайта получили лишь пару покупателей — и оба оформили сделку на английском. Проблема не в объёме аудитории, а в непонимании локальных болей и слабой проработке трафика на этом языке.

Подробнее о том, где именно трафик превращается в разрыв между «лиды есть» и «продаж нет», разбирал в статье Лиды есть, а продаж нет: где теряются деньги между маркетингом и продажами.

Что искажает саму стоимость лида в отчётах

Прежде чем считать стоимость качественного лида, стоит убедиться, что число лидов в отчёте вообще реально.

Обнаружили: одна входящая точка создавала два-три дубликата лида в системе. Конверсия «падала» день ото дня в отчётах, хотя реальная ситуация была стабильной. Нашли это случайно, просматривая утренние цифры. Если дубли не чистить, стоимость лида занижается искусственно — делишь бюджет на раздутое число заявок и получаешь красивую, но неверную цифру.

Стоимость лида нужно смотреть в динамике, а не разово: разовый отчёт за один месяц маскирует тренд. Конверсия органического трафика сайта в лид составляла 17% в январе, снизилась до почти 15% в марте и упала ниже 10% в апреле — устойчивое падение качества канала, которое видно только при сравнении месяцев подряд, а не по одной цифре за отчётный период.

Отдельная категория — неатрибутируемые лиды. Пользователи блокируют куки, чистят историю, используют блокировщики рекламы. В среднем такие лиды — 10-15% потока. В декабре доля выросла до 30%. Их нельзя честно приписать ни одному каналу, но и выбрасывать из общей картины нельзя — иначе стоимость привлечения по атрибутированным каналам искусственно завышается.

Ещё один источник путаницы — расхождение отчётов по датам и статьям учёта. В одном случае разница между отчётами двух менеджеров составила около 11% от общей суммы: сделку не засчитали как лид, потому что формально это была рекомендация, а не заявка. В другом случае фильтрация по месяцу оплаты вместо месяца создания договора дала расхождение почти в 1,7 раза между двумя версиями одного и того же отчёта. Такие расхождения делают любой расчёт стоимости лида условным, пока данные не сверены на уровне CRM, а не на уровне памяти сотрудников. Похожая история с искажением дат подробно разобрана в статье CRM врёт: как я поймал Битрикс24 на сдвиге дат.

ИИ-связка: скоринг лидов до того, как их увидит менеджер

Отдельно от чистки данных — задача сортировки уже пришедших лидов по вероятности сделки. Идея простая: не тратить одинаковое время менеджера на лида с высокой вероятностью и на лида, у которого шансов почти нет. Внедряется модель, которая оценивает поведение на сайте (время на странице, посещённые разделы), сверяет с данными о сегменте и типе услуг и выдаёт приоритет ещё до звонка.

Схема конвейера: лид попадает в CRM → вебхук отправляет карточку лида в модель → модель возвращает приоритет и обоснование → поле в CRM обновляется автоматически → менеджеру приходит уведомление только по высокоприоритетным лидам.

Задача чисто классификационная — оценить вероятность по структурированным признакам, а не сочинить текст. Дорогая модель уровня топового GPT или Claude тут ни к чему: дешёвая модель с коротким контекстом справляется не хуже при потоке в десятки и сотни лидов в день, а разница в цене — в разы.

Роль: ты — аналитик отдела продаж. На входе данные лида из CRM (amoCRM API,
сущность lead) и его поведение на сайте. Оцени вероятность сделки и приоритет.

Данные лида (JSON):
{
  "lead_id": "48213",
  "source": "facebook_ads",
  "time_on_site_sec": 340,
  "pages_visited": ["pricing", "cases", "faq"],
  "region": "не определён",
  "segment_guess": "недвижимость за рубежом",
  "prior_purchases": 0,
  "days_since_first_touch": 0
}

Верни строго JSON без пояснений вне структуры:
{
  "priority": "high | medium | low",
  "probability_percent": число от 0 до 100,
  "reason": "одно предложение на русском",
  "recommended_action": "что сделать менеджеру в первую очередь"
}

Правила:
- Если region не определён и time_on_site_sec < 60 — priority не выше medium.
- Если pages_visited содержит одновременно "pricing" и "cases" — вероятность
  выше базовой на 15-20 процентных пунктов.
- Не придумывай данные, которых нет во входном JSON.

Пример ответа модели на этот запрос:

{
  "priority": "medium",
  "probability_percent": 42,
  "reason": "Лид посмотрел цены и кейсы, но регион не определён и это первое касание",
  "recommended_action": "Отправить прогревающее письмо перед звонком, не звонить сразу"
}

Вот как это выглядит уже в CRM, после того как вебхук отработал и записал ответ модели в карточку сделки:

Инженерная обвязка: вебхук amoCRM при переходе сделки в статус «новый лид» дёргает облачную функцию. Функция формирует JSON, отправляет запрос модели и пишет ответ в кастомное поле сделки. Если модель не отвечает за 10 секунд или возвращает невалидный JSON, сделка получает статус «требует ручной оценки». Ошибка уходит в отдельный лист Google Sheets, менеджер по данным разбирает такие случаи раз в день. Без этой страховки система молча теряет часть лидов, а никто не замечает.

Квалификация как отдельный этап, а не автоматическая функция

Скоринг ускоряет квалификацию, но не заменяет её. Отдельная практика — осознанный отказ от продажи там, где нет оснований. Компания сознательно отказывает лидам, если уверена, что предпосылок для сделки нет: продажа такому клиенту — репутационный риск. Вместо продажи — предварительный сервис партнёра для проверки оснований, с передачей результата обратно в CRM триггером. Это дороже на этапе обработки одного лида, но дешевле на дистанции — меньше возвратов и жалоб.

Синхронизация оплаты и потока лидов

Отдельная проблема, которая напрямую влияет на стоимость лида, — не маркетинговая, а операционная. Чтобы получить лиды в начале месяца, счёт за рекламу нужно оплатить в конце предыдущего — например, 28-го числа ради лидов 3-го числа следующего месяца. Половина счетов оплачивается не вовремя. Разрыв в оплате разрывает весь цикл привлечения: рекламный кабинет снижает показ, лиды идут неравномерно, а стоимость каждого лида в такие дни растёт — просто потому что бюджет распределяется не по плану, а по факту оплаты.

Как это выглядит в плане, а не в отчёте задним числом

Планировали заметный рост числа качественных лидов в мае с ускорением в июне, с детализацией по неделям и дням — чтобы видеть отставание раньше, чем закроется месяц. При стабильном ежедневном потоке валовых лидов со всех источников, из которых качественных набиралось немного больше плановой нормы за прошлую неделю, компания шла в графике. Это рабочий способ следить за стоимостью лида в реальном времени, а не постфактум, когда бюджет уже потрачен.

Отдельно учли сезонность: для декабря как месяца низкого спроса ввели коэффициент 0,8 — на 20% ниже обычного плана, с перераспределением недостающего объёма на остальные месяцы. Без такого коэффициента декабрьский провал выглядел бы как проблема с качеством лидов, хотя на деле это сезонное падение спроса, которое повторяется из года в год.

Экономика: что стоит скоринг и что он даёт

Внедрение вебхука и обвязки на amoCRM API с дешёвой моделью — это разработка на несколько дней силами одного специалиста, плюс тестовый прогон на паре сотен лидов. Эксплуатация — счёт за токены модели, который при потоке в десятки лидов в день остаётся на уровне обычного облачного сервиса, а не отдельной статьи расходов. Подробный разбор того, сколько реально стоит ИИ в эксплуатации, — в статье Сколько на самом деле стоит ИИ в месяц.

Эффект считаю отдельно от остальных мер — от смены оффера, от сегментации базы, от чистки дублей. Сам по себе скоринг не увеличивает долю качественных лидов, он экономит время менеджера на этапе первичной обработки: не нужно вручную выяснять по каждому лиду, стоит ли звонить сейчас или лучше сначала прогреть.

Формула для риска сорванных сделок словами: доля сделок, потерянных из-за неправильной приоритизации, × число сделок в месяц × средний чек = сумма риска в месяц. Оценка для типового отдела: небольшая команда менеджеров, средний чек на уровне заметной суммы, доля сделок, которые зависают или срываются из-за того, что менеджер потратил время на заведомо слабый лид вместо приоритетного, — около 10% от месячного объёма сделок (оценка). При таком объёме сделок в месяц 10% — это пара сделок, а риск в деньгах сопоставим с несколькими месячными чеками (оценка). Скоринг не гарантирует спасение всех этих сделок, но снижает вероятность, что приоритетный лид будет обработан на день позже конкурента.

Отдельно — прямая экономия часов. Формула словами: (число отбракованных лидов в день × минуты на первичный контакт) ÷ 60 = часы, потраченные впустую; часы × ставка менеджера в час = потери в день; потери в день × число рабочих дней = потери в месяц. Для своего отдела достаточно подставить свои цифры отбраковки, времени на контакт и ставки. Пример на подставленных числах: если из потока валовых лидов в день 60% отбраковывается при фактической квалификации (то есть значительная часть лидов в день не имела шансов изначально), а на первичный контакт с одним лидом уходит около 10-15 минут (оценка), суммарно на отдел уходит несколько часов в день — консервативно берём 3-5 часов, учитывая, что часть отбраковки происходит без звонка. При обычной почасовой ставке менеджера это заметная сумма ежедневно, а в масштабе месяца — сумма, сопоставимая с частью фонда оплаты труда одного сотрудника (оценка) — не потерянных денег, а времени, которое можно вернуть приоритизацией, а не расширением штата.

Чек-лист: с чего начать в понедельник

• Выгрузить лиды за прошлый месяц и вручную проверить дубли по телефону и email — без этого шага любая цифра стоимости лида условна.
• Завести в CRM отдельное поле «неатрибутируемый» и считать долю таких лидов отдельно от общей воронки, не смешивая с браком.
• Сверить график оплаты рекламных счетов с датой ожидаемых лидов — счёт должен уходить минимум за 3-5 дней до нужного окна показов.
• Прогнать последние партии лидов через контроль качества и сравнить фактическую отбраковку с плановой — если план был 20%, а факт 50-60%, это сигнал к пересмотру оффера, а не канала.
• Запустить простую приоритизацию по баллам без модели — и только после того, как логика проверена руками, переносить её в промпт и вебхук.
• Пересчитать стоимость каждого канала не по количеству заявок, а по количеству лидов, дошедших до квалификации — сравнить каналы заново, цифры почти всегда меняют местами лидеров.

Стоимость качественного лида — это не цифра из рекламного кабинета. Это результат вычитания: из всех заявок вычесть дубли, вычесть неатрибутируемые, вычесть тех, кто пришёл с первым касанием и ещё не готов покупать, вычесть тех, кто не проходит критерии квалификации. То, что осталось, и есть настоящий лид — и его цена почти всегда выше, чем средняя цена заявки по кабинету.

Частые вопросы

Как посчитать стоимость лида?

Разделите бюджет на канал не на общее число заявок, а на число лидов, прошедших контроль качества. Если из 300 заявок квалифицированы 120, стоимость качественного лида — это бюджет, делённый на 120, а не на 300.

Что считается некачественным лидом?

Заявка, которая не проходит критерии менеджера или отдела контроля качества: не тот регион, не та возрастная группа, отсутствие оснований для услуги, дубль одного и того же обращения.

Зачем квалифицировать лиды, если заявки и так идут?

Без квалификации отдел продаж тратит время на разговоры, которые не закончатся сделкой, а маркетинг продолжает считать «лидом» то, что им не является — план по продажам не сходится с планом по трафику.

#деньги #аналитика и отчётность #контроль и надёжность