# Директор и машина — Маркетинг: полные тексты

Направление: Маркетинг — лиды и трафик · сквозная аналитика · окупаемость рекламы
Хаб направления: https://davidgerstein.pro/marketing/
Материалов в файле: 7 из 7 по направлению.
Автор: Давид Герштейн. Цитирование свободное при указании источника.
Суммы пересчитаны на условную компанию: пропорции, механика и выводы реальные, абсолютные величины изменены. «оценка» = расчёт, а не замер.
Оглавление всех частей: https://davidgerstein.pro/llms.txt
Все направления одним файлом: https://davidgerstein.pro/llms-full.txt
Цифры и словарь понятий: https://davidgerstein.pro/cifry/ · машинная копия: https://davidgerstein.pro/cifry.json

## Почему UTM-метки теряются у части лидов — и как ИИ восстанавливает источник
URL: https://davidgerstein.pro/blog/utm-metki-ii/
Дата: 2026-08-25
Направление: Маркетинг
Цифры: 10–15% лидов без источника, до 30% в декабре, ~18 лидов/мес теряют разметку (оценка)
Коротко: UTM-метки теряются у части лидов из-за блокировщиков рекламы и очистки куки — обычно у 10–15%, в декабре до 30%. Ручной разбор занимает у маркетолога неделю в месяц; ИИ восстанавливает вероятный источник по косвенным признакам за минуты, но не заменяет решение — только ускоряет черновую сортировку.

Суммы в разборе пересчитаны на условную компанию — пропорции, механика и выводы реальные. Если у вас в отчёте есть строка «источник не определён» — вы принимаете решения по неполной картине. Вопрос только в том, насколько неполной: у нас таких лидов было около 15%, и это оказались не случайные крохи, а вполне конкретные деньги. Скажу сразу: я эту строку полгода считал погрешностью и не трогал. Моя ошибка — смотрел на процент, а не на деньги за ним. Ниже — как мы отдали «ничью» часть машине, что вышло и что пока нет. Планёрка, вторник, отчёт по лидам за месяц. Оля показывает воронку — и в самом низу таблицы строка «источник: —», то есть без UTM-метки. Пятнадцать процентов. Все молчат секунды три, потом кто-то спрашивает: «Это баг?» Не баг. Это люди, которые почистили куки, включили блокировщик рекламы или зашли с приватной вкладки. UTM-метки теряются ещё до того, как форма отправлена. В обычный месяц таких 10–15%. В декабре, когда трафик другой и часть заявок идёт через мессенджеры без ссылки на конкретное объявление, доля подскочила до 30%. Треть лидов — и мы не знаем, откуда они. Дальше выясняется вторая часть проблемы, ещё неприятнее первой: часть лидов, наоборот, размечена — но два-три раза. Одна точка входа плодит дубликаты в CRM, и конверсия по отчёту падает день ото дня, хотя реальная ситуация не меняется. Руководитель нашёл это случайно, листая утренний отчёт: цифры не бились, а виноват оказался не отдел продаж, а склейка данных. Что делают с лидами без UTM-метки — и почему это дорого Скорее всего, у вас сейчас первый вариант — и он самый дорогой. Первый инстинкт — доразметить руками. Оля неделю сидела и вручную сопоставляла заявки без метки с рекламным кабинетом: смотрела время визита, страницу входа, текст обращения, пыталась угадать источник по стилю формулировок. Неделя рабочего времени маркетолога — это примерно 40 часов. По ставке около 1 000 ₽/час (оценка) — 40 000 ₽ в месяц уходит просто на то, чтобы понять, откуда пришли люди, которые и так уже стали лидами. При этом решение неточное: человек угадывает источник по интуиции, а не по системе признаков. И в отчёт всё равно попадает пометка «предположительно», которую руководитель на планёрке видит как повод не доверять цифре целиком. Один из участников тогда прямо сказал: «Отсутствие информации — это отсутствие рычагов давления, и это меня прям очень сильно бесит». По сути — без источника нельзя ни хвалить канал, ни резать его бюджет с уверенностью. Разделить конверсию по каналам (условно Директ и Яндекс) без нормальной атрибуции вообще не получается — и это одна из причин, почему лиды есть, а куда уходят деньги между маркетингом и продажами — непонятно . Здесь же речь только про один узкий кусок: что делать с лидами, у которых просто нет метки. Что попробовали: машина вместо ручной разметки Логика, которую вы можете повторить: если человек по косвенным признакам понимает, откуда пришёл лид, значит эти признаки формализуемы — а раз формализуемы, их можно отдать машине. Решили не гадать руками, а отдать черновую сортировку модели. Идея простая: у лида без UTM всё равно остаётся след — referrer, user agent, страница входа, время визита, текст заявки. По этим косвенным признакам модель не восстановит метку дословно, но может дать вероятностную гипотезу источника и объяснить, почему так решила. Дальше маркетолог смотрит только на те случаи, где уверенность низкая, а не разбирает всю пачку заново. Технически это выгрузка из amoCRM по вебхуку — каждый новый лид без поля utm_source уходит в отдельную обработку. На входе — JSON с полями, которые CRM и так собирает: Пример ответа модели на этот лид: Отдельным промптом та же модель ищет дубликаты: сравнивает email, телефон и временной интервал между заявками с одной точки входа — и тут стоит помнить, что из этих данных можно отправлять в нейросеть, а что нельзя . Помеченные повторы не считаются отдельными лидами в отчёте по конверсии. Что получилось, а что ещё нет Из пятнадцати процентов «ничьих» лидов модель уверенно (confidence выше 0.7) размечает примерно половину — дальше это ложится в ваш отчёт с пометкой источника, а не прочерком. Остальные так и остаются «unknown», и это честно: лучше открытый пробел, чем красиво угаданная неправда. На ваш отдел с полутора сотнями лидов в месяц это означает, что из примерно 18 неразмеченных заявок (оценка, 12% от 150) девять получают вероятный источник автоматически, а не ждут, пока у Оли будет свободная неделя. Дедупликация сработала быстрее и понятнее: за первый же месяц отчёт по конверсии перестал «проседать» из-за задвоенных карточек — это было видно сразу, без сложных расчётов. А вот с восстановлением источника мы пока в процессе: часть гипотез модели маркетолог перепроверяет вручную, потому что «reasoning» иногда цепляется не за тот признак. Ещё не знаем, стабилизируется ли точность на новых данных или придётся дообучать промпт под конкретные паттерны трафика. Где ломается: если отдавать модели решение об оптимизации бюджета на основе «вероятного» источника без пометки уверенности — вы урежете рабочий канал только потому, что модель ошиблась в гипотезе. Вероятностная разметка годится для отчёта и для сортировки задач, но не для автоматического перераспределения денег между кампаниями без человека в контуре — это тот самый случай, когда автоматизация требует надзора . Вывод такой: ИИ не заменяет UTM-метки и не чинит блокировщики кук — это вообще не про него. Он снимает самую нудную часть работы — не сидеть и не гадать по каждому лиду вручную, а получать пачку гипотез сразу с пометкой, где модель уверена, а где нет. По деньгам это та самая неделя маркетолога в месяц, около 40 000 ₽ (оценка) — и это без учёта того, сколько на самом деле стоит сам ИИ в месяц — именно эффект от разметки, без остальных изменений в отделе. И вещь важнее самой разметки. Умение открыть отчёт и спросить, чего в нём нет, — это управленческий навык, и его придётся освоить. Руководитель, который видит дыру в данных раньше подчинённых, стоит дороже того, кто читает готовые проценты. У меня этот навык вырос дорого — через месяцы решений вслепую. Проверьте сегодня одну цифру — долю лидов без источника. Больше десяти процентов — значит, на эту часть бюджета вы платите вслепую, и никакая аналитика это не вылечит, пока дыра в разметке открыта. Как собрать разметку и что делать с дублями — разложено в бесплатном курсе .

## Рекламный бюджет: во что обходится контроль расходов на плане 220–332 лида
URL: https://davidgerstein.pro/blog/reklamnyy-byudzhet-stoimost/
Дата: 2026-08-24
Направление: Маркетинг
Цифры: 220→332 лида/мес; 40% лидов качественных при плане 80%; 15 лидов/день — порог выхода в план
Коротко: Контроль рекламного бюджета на потоке 220–332 лида в месяц стоит разово 60–100 тыс. ₽ на разработку и 3–5 тыс. ₽/мес на эксплуатацию (оценка для отдела из 8 менеджеров). Речь не про настройку кампаний, а про учёт денег после клика: дедупликацию заявок, отдельный статус для лидов без источника, скоринг и контроль даты оплаты счёта. Экономика окупается за 1,5–3 месяца, но только если параллельно синхронизирована оплата самого рекламного бюджета.

Суммы в разборе пересчитаны на условную компанию — пропорции, механика и выводы реальные. Рекламный бюджет: короткий ответ Если у вас рекламный бюджет уходит каждый месяц, а внятного ответа «сколько стоил лид по каждому каналу» нет — дело почти никогда не в настройке кампаний. Дело в учёте после клика: заявки задваиваются, часть лидов не привязывается к источнику, счёт на следующий месяц оплачивают позже дедлайна. Подрядчик по рекламе этим не занимается, и в его отчёте вы этих потерь не увидите. Контроль рекламного бюджета — отдельный конвейер: сбор в одну точку, дедупликация, статус для лидов без источника, скоринг и сигнал о неоплаченном счёте. На плане 220–332 лида в месяц он стоит 60 000–100 000 ₽ разово и 3 000–5 000 ₽/мес на эксплуатацию, измеримый эффект — 30 000–50 000 ₽/мес, окупаемость 1,5–3 месяца. Собирается конвейер в шесть шагов, и раскладка расходов считается до запуска, а не после. Сколько стоит держать рекламный бюджет под контролем? Показываю раскладку по шагам — она окажется меньше, чем вы думаете, и меньше, чем стоит один месяц работы вслепую. Если вы сейчас узнаёте свою ситуацию — отчёт по рекламе у вас есть, а доверия к нему нет, — вам дальше по пунктам: откуда берётся расхождение, во что обходится его закрыть и как проверить это на своих цифрах. Почему план в 220 и 332 лида — это в первую очередь вопрос денег, а не креатива На планёрке в мае прозвучала фраза, которую я записал дословно: «Тенденция по лидам идёт вниз. Если мы берём отдел продаж по плану, а маркетинг столько лидов не даст, мы снова в такой ситуации находимся, что будем в жопе». Грубо, но точно. За этой фразой стоят конкретные цифры: план — 220 качественных лидов в мае и 332 в июне. Рост на 51% за месяц. Не потому что кто-то придумал красивую цель, а потому что отдел продаж из 8 менеджеров рассчитан именно на такой поток при обороте около 9 млн ₽/мес и среднем чеке сделки в 180 тыс. ₽. Проблема в том, что план считают одним числом в конце месяца, а деньги теряются каждый день внутри него. Условная точка входа для лида (форма на сайте, чат-бот, реклама в соцсети) в реальности иногда создаёт 2–3 дубликата одной заявки. Маркетолог Оля увидела это не в отчёте, а случайно — утром, разбирая цифры вручную, потому что показатели конверсии день ото дня падали, хотя реальная ситуация была другой. «Отсутствие информации — это отсутствие рычагов давления. И это меня прям очень сильно бесит», — сказала она чуть позже, когда выяснилось, что разделить конверсию по Google и Яндексу тоже нельзя из-за ограничений интеграции. Добавьте сюда 10–15% лидов, которые физически нельзя атрибуцировать к каналу — люди блокируют куки, чистят историю, ставят блокировщики рекламы. В декабре доля таких лидов подскочила до 30%. Без разметки это выглядит как «маркетинг не досчитался лидов», хотя на деле часть трафика просто невидима для системы аналитики. Вот в такой обстановке вопрос «сколько стоит автоматизация рекламного бюджета» перестаёт быть абстрактным — это вопрос, сколько стоит не видеть половину правды о собственных деньгах. Механика: из чего состоит «автоматизация рекламного бюджета» по шагам Под этим названием обычно понимают разное. У нас в итоге получился конвейер из шести шагов — от сырого лида до записи в CRM с приоритетом для менеджера. Сбор. Все источники (реклама в соцсетях, поиск, органика, формы на сайте) льют лиды в одну точку — вебхук в CRM. Дневной объём — около 50 валовых лидов со всех каналов. Дедупликация. Скрипт сверяет телефон/email/UTM за последние 24 часа и схлопывает дубликаты до отправки менеджеру. Без этого шага одна заявка может «размножиться» на 2–3 карточки в CRM и исказить и конверсию, и загрузку отдела. Атрибуция. Лиды без явного источника (10–15% в обычный месяц, до 30% в декабре) помечаются отдельным статусом «неатрибутируемый» с указанием вероятной причины (блокировщик, приватный режим, чистка истории) — вместо того чтобы тихо портить статистику канала. Скоринг. ИИ-модель оценивает лида по поведению на сайте и данным из внешних источников, присваивает приоритет и короткое обоснование. Синхронизация с оплатой бюджета. Отдельный контроль: чтобы получить лиды 3-го числа, счёт на рекламу нужно оплатить 28-го числа предыдущего месяца. Система заранее сигналит, если счёт не оплачен вовремя — а сейчас это происходит почти в половине случаев. Сверка с планом. Ежедневная сводка: сколько лидов пришло, сколько нужно для выхода на 220 или 332 к концу месяца, где отставание. Отличие от «просто настроенной рекламы» в другом: система не про то, как получить больше кликов, а про то, чтобы не терять деньги на этапе между кликом и записью в CRM менеджера. ИИ-связка: как лид получает оценку раньше, чем до него доходит менеджер Схема конвейера простая: реклама/сайт → вебхук в CRM → скрипт дедупликации и атрибуции → запрос к модели для скоринга → запись приоритета обратно в карточку → уведомление менеджеру . Дедупликация и атрибуция — это правила, их считает обычный скрипт без ИИ. А вот скоринг — задача для языковой модели, потому что данные неструктурированные: обрывки поведения на сайте, сегмент, тип интереса. Для скоринга не нужна дорогая модель — это классификация по понятным признакам, без творческой задачи. Дешёвая модель уровня GPT-4o-mini справляется с этим за секунды и стоит на порядок дешевле топовых моделей — разница в реальных счетах за ИИ ощутима, что критично при потоке 300+ лидов в месяц. Пример ответа модели: Второй промпт нужен не для лида, а для контроля самого бюджета — той самой синхронизации оплаты, которая рвёт цикл привлечения. Он превращает сухие данные о статусе счетов в человекочитаемую сводку для планёрки. Пример ответа модели: Инженерная обвязка простая и без экзотики: скрипт на Google Apps Script дёргает вебхук CRM ( Bitrix24 или amoCRM API — конвейер одинаковый для обеих), пишет сырые и обработанные данные в Google Sheets как журнал, а вызовы модели идут через отдельный шлюз с логированием токенов, чтобы расходы на ИИ не потерялись в общем счёте за рекламу. Если вебхук не отвечает дольше 15 минут или доля неатрибутируемых лидов за день превышает 25% — бот пишет алерт в Telegram. Перезапуск — вручную по кнопке в таблице, без сложной оркестрации: на потоке 15–20 лидов в день сложная инфраструктура не нужна, важнее, чтобы кто-то видел ошибку сразу, а не через неделю. Контрольные точки: план по дням против факта Руководитель требовал не общее число в конце месяца, а понедельную и подневную детализацию — где именно отстаём. Вот как это выглядело по факту на середину мая. Показатель Значение Комментарий Валовые лиды в день (все источники) ~50 до дедупликации и атрибуции Качественные лиды в день (неделя без выходных) 16–17 после отсева Накоплено качественных за месяц 200+ на момент проверки, 5–6 рабочих дней до конца месяца Требуется в день до конца месяца 15 чтобы выйти на план 220 Доля неатрибутируемых лидов 10–15% (обычный месяц), до 30% (декабрь) отдельная категория с коэффициентом сезонности 0,8 для декабря Доля качественных лидов при контроле качества 40% (план — 80%) 60% отбраковки против плановых 20% На диаграмме ниже — доля качественных лидов против плановой отбраковки: факт заметно хуже цели. Качественные лиды (факт) 40% Отбраковано (факт) 60% Плановая отбраковка 20% (цель) Без дедупликации и атрибуции эта таблица не собирается вообще — руководитель либо верит менеджерам на слово, либо тратит вечер на ручную сверку выгрузок. Отдельно интересна динамика конверсии органического трафика — она наглядно показывает, почему нельзя судить об эффективности рекламного бюджета только по числу лидов. На диаграмме — падение конверсии органики за три месяца. Январь 17% Март 15% Апрель 9% Конверсия органики упала с 17% до 9% за три месяца — и без разметки по каналам эта просадка выглядит как «маркетинг перестал справляться», хотя причина может быть в качестве самого трафика, а не в объёме рекламного бюджета. Признаю: я сам полгода читал сводку по рекламному бюджету как готовую правду и спорил с маркетологом о процентах, которых в цифрах не было — расхождение давали дубли, а не работа отдела. Я потратил на эти споры больше вечеров, чем занял бы скрипт дедупликации, и жалею, что не начал с проверки самих данных. Если у вас сейчас идёт такой же спор — начинайте не с людей, а с выгрузки: вы почти наверняка спорите о цифре, которой нет. Отделять стоимость трафика от стоимости учёта — это отдельный навык руководителя, и тренируется он на одном вопросе: за что я плачу в этой строке — за показы или за то, чтобы видеть, что из показов выросло? Пока оба числа лежат в одной графе «реклама», любой ваш разговор о рекламном бюджете сводится к спору о вкусах. Как только вы их разделили, разговор становится арифметикой — и его можно выиграть. Экономика: что стоит система и что она возвращает Разделяю два вопроса: сколько стоит сама система учёта бюджета и лидов — и сколько стоит рекламный бюджет, который она обслуживает. Это разные деньги, их нельзя смешивать. Статья расходов Сумма Тип Разработка конвейера (дедуп + атрибуция + скоринг + алерты) 60 000–100 000 ₽ разово оценка, 25–35 часов подрядчика Эксплуатация (API модели, хостинг скрипта, таблицы) 3 000–5 000 ₽/мес оценка, ~300 лидов/мес Рекламный бюджет 500 000 ₽/мес отдельная статья расходов, не входит в стоимость автоматизации Отдельно от разработки — эффект. Считаю его консервативно и только для того, что даёт именно эта система, не смешивая с другими инициативами вроде смены оффера или подбора инфлюенсеров. Формула для своего случая: (число некачественных/лишних лидов в месяц) × (среднее время на квалификацию одного лида в часах) × (ваша ставка часа сотрудника) = месячные потери на ручной обработке. Дальше сравниваете эту сумму с разовой стоимостью разработки и эксплуатацией — и получаете свой срок окупаемости. посчитайте на своих цифрах лишних лидов в месяц время на квалификацию, часов ставка часа сотрудника, ₽ потери ≈ {X} ₽ в месяц на ручной обработке формула: лишние лиды × время на квалификацию одного лида × ставка часа; сравните с разовой стоимостью разработки 60 000–100 000 ₽ Пример расчёта (скоринг). Отдел из 8 менеджеров, план 300 лидов в месяц. При факте 40% качественных вместо плановых 80% в обработке остаётся 120 «лишних» некачественных лидов, которые всё равно требуют звонка или переписки — в среднем 15 минут (0,25 часа) на квалификацию. Это 120 × 0,25 = 30 часов в месяц ручной работы менеджеров. По ставке около 1000 ₽/час (оценка) — 30 000 ₽/мес. Предварительный скоринг не убирает эту работу полностью, но снимает часть: консервативно закладываю треть (10 000 ₽/мес), в оптимистичном сценарии — до половины (15 000 ₽/мес), если скоринг отсекает лидов ещё до звонка, а не только приоритезирует их. Пример расчёта (дедупликация и автосверка). Раньше маркетолог тратил около часа в день на ручную проверку данных по утрам, чтобы отличить реальное падение конверсии от искажения дублями. Это 20 часов в месяц × 1000 ₽/час = 20 000 ₽/мес высвобожденного времени — при условии, что дедупликация закрывает эту задачу полностью, а не частично. Это два разных источника эффекта, и я не смешиваю их в одну непроверяемую цифру: 10 000–15 000 ₽/мес даёт скоринг, 20 000 ₽/мес — дедупликация и автосверка. Консервативная сумма (нижние границы обеих оценок) — 30 000 ₽/мес, менее консервативная (верхняя граница по скорингу плюс полный эффект дедупликации) — до 50 000 ₽/мес. При разовых вложениях 60 000–100 000 ₽ это даёт окупаемость от 1,5 до 3 месяцев: 1,5 месяца — если вложения ближе к нижней границе (60 000 ₽), а эффект — к верхней (50 000 ₽/мес); 3 месяца — если вложения на верхней границе (100 000 ₽), а эффект консервативный (30 000 ₽/мес). Что не считаю эффектом: срыв синхронизации оплаты бюджета, способный обвалить весь план на месяц вперёд — этот риск вероятностный, а не гарантированный, и в деньгах я его не считаю. Показатель До автоматизации После Эффект (оценка) Ручная сверка дублей маркетологом ~1 час/день, 20 ч/мес 0 (дедупликация автоматом) −20 000 ₽/мес (1000 ₽/час) Ручная квалификация некачественных лидов менеджерами 30 ч/мес на 120 «лишних» лидов ~20 ч/мес после скоринга (снята треть) −10 000 ₽/мес (1000 ₽/час) Видимость риска по оплате счёта риск замечен постфактум, ~50% счетов не вовремя алерт заранее, до наступления дедлайна не оцениваю в деньгах — вероятностный риск Совокупный измеримый эффект — — 30 000–50 000 ₽/мес Где ломается конвейер: два типичных сбоя Автоматика бессильна против неоплаченного счёта. Систему можно построить идеально, но если счёт за рекламу не оплачен 28-го числа — лиды 3-го числа физически не появятся. У нас половина счетов оплачивалась не вовремя. Алерт в Telegram решает половину проблемы (кто-то видит риск заранее), вторую половину решает только изменение процесса оплаты — например, автосписание за 5 дней до дедлайна, а не ручное согласование. Автоматизация без владельца деградирует незаметно. У партнёра, работавшего в похожей связке, неделю не работал бот для сбора лидов — команда клиента не спешила это чинить, потому что «общий бизнес и так приносит деньги». За это время данные о потенциальных клиентах просто исчезли. Разбирал похожий случай подробнее в статье про автоматизацию, которая требует надзора — вывод там тот же: без явного ответственного за мониторинг любой конвейер рано или поздно тихо останавливается. Чек-лист на понедельник Выгрузить за последнюю неделю все лиды по одному источнику и вручную проверить на дубликаты — если находите больше 5%, дедупликация нужна уже сейчас. Посчитать долю неатрибутируемых лидов за последний месяц — если больше 15%, стоит завести для них отдельный статус в CRM вместо общей графы «источник неизвестен». Сверить график оплаты рекламного бюджета с датой начала показов — если между оплатой и лидами разрыв в несколько дней, поставить напоминание за 5 дней до дедлайна счёта. Проверить, кто в команде смотрит на работоспособность рекламных ботов и форм ежедневно — если ответ «никто конкретно», это и есть точка риска. Сравнить фактическую долю качественных лидов с плановой (у нас — 40% против 80%) и решить, где отсев: на входе (таргетинг) или на обработке (скоринг). Составить понедельную раскладку годового плана лидов с учётом сезонности — как минимум для одного провального месяца (у нас декабрь — коэффициент 0,8). Прикиньте на своих цифрах: возьмите месячный бюджет и умножьте на долю, которую вы тратите на каналы без понятной отдачи. Это и есть сумма, ради которой стоит потратить неделю на настройку. Механика — в бесплатном курсе для руководителей . И ориентир для вашего решения: если ваш рекламный бюджет больше двухсот тысяч в месяц, автоматизация окупится за квартал только на сокращении слепых трат. Если меньше — начните с ручного разбора каналов, вам это даст больше. И ваш ориентир при выборе: считайте не стоимость настройки, а сколько ваш бюджет теряет каждый месяц без неё. У нас эта разница окупила работу за первый же месяц, и я жалею, что не сделал этого раньше. Проверьте свой бюджет по одному признаку: можете ли вы назвать выручку по каждому каналу за прошлый месяц? Если нет — начинать надо не с автоматизации, а с этой цифры. И начните вы не с подрядчика, а с этой цифры по вашим каналам — она обычно решает вопрос сама.

## Заявки с сайта: где они теряются на пути от формы до оплаты
URL: https://davidgerstein.pro/blog/zayavki-s-sayta-oshibki/
Дата: 2026-08-24
Направление: Маркетинг
Цифры: качество лидов 40% при плане 80% · органика 17%→<10% · неатрибуция до 30% в декабре
Коротко: Заявки с сайта чаще всего «не работают» не потому, что сломалась форма, а потому что отчёт врёт: дубли задваивают лиды, часть трафика не атрибутируется, а конверсия считается по разным датам. В компании на 40 человек качественными оказались лишь 40% лидов при плане 80% — и решило это не изменение трафика, а пересборка одного экрана с ИИ-скорингом на входе.

Суммы в разборе пересчитаны на условную компанию — пропорции, механика и выводы реальные. Заявка с сайта — самый дорогой контакт из всех, что у вас есть: за него заплачено рекламой, сайтом и работой маркетолога. И самый уязвимый: цепочка от формы до оплаты рвётся минимум в четырёх местах. Смотрите. Если вы до сих пор считаете заявки с сайта одной цифрой «сколько пришло» — у вас не отчёт, а экран для успокоения. И бюджет вы двигаете вслепую, даже если графики аккуратно рисуются каждое утро. Утро понедельника, отдел маркетинга смотрит на дашборд с заявками с сайта: конверсия органики упала. В январе было 17%, в марте — почти 15%, в апреле — уже ниже 10%. Руководитель произносит вслух: «Тенденция по лидам идёт вниз. Если отдел продаж работает по плану, а маркетинг столько лидов не даст — мы снова там, где не хотим быть». Логичная реакция — резать бюджет на органику и переливать деньги в платный трафик. Проблема в том, что цифра 10% — не про трафик. Она про то, как отчёт считает лидов. Одна точка входа на сайте генерит два-три дубликата в CRM. Каждый десятый-пятнадцатый лид вообще не атрибутируется — пользователь заблокировал куки или почистил историю, а в декабре доля таких «ничейных» заявок доходит до 30%. И конверсия в отчёте зависит от того, по какой дате её считать: по дате создания заявки или по дате оплаты. На одном и том же массиве данных эти два среза дают расхождение в разы. Отдел продаж здесь — 8 менеджеров с планом около 50 сделок в месяц при обороте ~9 млн ₽ и среднем чеке ~180 тыс. ₽; похожий разбор того, как искажённые цифры ломают план продаж, — в статье про ошибки согласования договоров . Если решение «резать органику» принято на кривых цифрах — это удар не по строчке в таблице, а по реальному потоку сделок. Где теряются заявки с сайта Не в форме, а в отчёте. Одна точка входа на сайте создаёт 2–3 записи в CRM, 10–15% лидов в обычный месяц и до 30% в декабре не привязываются к каналу, а конверсия считается то по дате создания, то по дате оплаты — и на одном и том же массиве данных даёт разные ответы. Первое действие — не резать трафик, а развести в вашем отчёте валовые и уникальные заявки, вынести неатрибутируемые в отдельную категорию и считать план/факт по одной дате. В разобранном случае качественными оказались 120 лидов из 300 — 40% при плане 80%. Экран, который врал по-тихому Вот как выглядел дашборд до пересборки. Одна вкладка, три колонки: дата, число заявок с сайта, конверсия в продажу. Автообновление раз в сутки. Если у вас на экране те же три колонки — дальше можно не гадать, где именно теряется. Красиво, но бесполезно для управленческого решения — потому что за каждой цифрой в колонке «заявки» стоят как минимум четыре разных явления, слитых в одну сумму. Руководитель наткнулся на разрыв случайно, пока разбирался с падением конверсии: похожий кейс, где смена фильтра «дата оплаты / дата создания» меняла итоговую сумму отчёта в разы, я уже подробно разбирал в статье про то, во сколько на самом деле обходится реклама . В своей ситуации руководитель обнаружил то же самое: сумма по одному и тому же месяцу отличалась почти вдвое в зависимости от того, по какой дате её считать — по дате создания сделки или по дате поступления оплаты. Один и тот же массив данных, два разных вывода — смотря кто и как считает. Ещё одна цитата с той же планёрки: «Отсутствие информации — это отсутствие рычагов давления. И это меня прям очень сильно бесит». Речь шла о невозможности разделить конверсию по Google и по Яндексу из-за ограничений интеграции — а без этого разреза непонятно, куда лить бюджет, а откуда его убирать. Пять причин, по которым заявки с сайта теряются Отметьте, какие есть у вас. Три из пяти встречаются почти в каждой компании. После разбора набралось пять причин, по которым один и тот же экран показывал разные версии реальности. Дубли на входе. Одна точка входа на сайте (форма, чат-бот, звонок с сайта) создаёт два-три лида в CRM — например, если форма отправляет данные и в CRM напрямую, и через рекламный пиксель отдельным вебхуком. Отчёт считает валовые заявки, не различая уникальные обращения. Неатрибутируемый трафик. 10–15% лидов в обычный месяц и до 30% в декабре невозможно привязать к каналу — блокировщики рекламы, приватный режим, очистка cookies. Эти лиды либо выкидываются из отчёта по каналам (искажая конверсию платных источников вверх), либо приписываются случайному каналу (искажая её вниз). Дата создания vs дата оплаты. Сделка может быть создана в одном месяце, а оплачена в другом. Если отчёт не разделяет эти два среза явно, любое сравнение план/факт по месяцам становится нечестным — это тот же механизм, что подробно разобран в статье про сдвиг дат в Отчёты Битрикс24: почему цифры не сходятся и как доказать . Валовый объём вместо качества. Из потока лидов только 120 из 300 (40%) проходили проверку качества, хотя план предполагал отвал не более 20%. Отчёт со строчкой «заявки с сайта: 300» без разбивки на качество выглядит отлично и полностью врёт про реальный поток годных обращений. Смешение источников без разреза. Конверсия органики падала три месяца подряд (17% → 15% → менее 10%), но в общем отчёте это тонуло среди платного трафика — никто не видел тренд, пока кто-то не построил отдельный срез вручную. Маркетолог Оля, разбирая похожий случай, формулирует это так: продажи кричат «лиды плохие», а на деле часть «плохих» лидов — просто дубли одного и того же человека, посчитанные трижды (подробнее — Лиды есть, а продаж нет ). Пересборка: что делать по шагам Техническая часть разобрана отдельно: автоматизация обработки заявок — пять шагов от письма до задачи, включая шаблонные обращения. Ваш порядок: сначала проверка данных, потом логика отчёта, и только затем внешний вид. Дальше — не абстрактная «оптимизация воронки», а конкретная последовательность действий, которую вы можете повторить с любой CRM, где есть вебхуки. Дедупликация на входе. Что: каждая новая заявка. Чем: скрипт-обработчик вебхука сравнивает телефон и email с последними 30 днями лидов. Куда: если совпадение найдено — заявка помечается флагом «дубль» и не увеличивает счётчик валовых лидов в отчёте, а лишь дописывается как повторное касание к существующей карточке. Маркировка неатрибутируемых. Что: заявки без utm-меток и с пустым referrer. Чем: правило в CRM плюс серверная (не только клиентская) фиксация источника через IP и таймстемп сессии. Куда: отдельная категория в отчёте «источник не определён», не смешанная ни с одним платным каналом. Две даты вместо одной. Что: момент создания сделки и момент поступления оплаты. Чем: два отдельных поля в CRM, оба выводятся в отчёт как независимые срезы. Куда: план/факт по месяцам считается по дате оплаты, скорость цикла — по разнице между датами. Скоринг качества на входе, а не через две недели. Что: поведенческие данные с сайта (время на странице, посещённые разделы) плюс данные из внешних источников (сегмент, тип услуги). Чем: модель присваивает предварительную вероятность сделки сразу при создании лида. Куда: приоритет менеджеру — кому звонить в первую очередь, а не общий список без сортировки. Разрез по каналу без смешения. Что: конверсия по каждому источнику отдельно (органика, Google, Яндекс, соцсети). Чем: отдельная вкладка отчёта с недельной динамикой, а не общий агрегат. Куда: еженедельная сверка на планёрке, где смотрят не общее число лидов, а тренд по каждому каналу отдельно. Контрольная точка по дням. Что: план 220 лидов в мае, 332 в июне при плановых 15 качественных лидов в день. Чем: детализация по неделям и дням — например, за прошлую неделю (без выходных) факт был 16–17 качественных лидов в день, за месяц накопилось больше 200, и при оставшихся 5–6 рабочих днях видно уже к вечеру среды, догоняет компания план или нет. Куда: короткий чат-алерт, если факт дня ниже 70% от плана два дня подряд. ИИ-связка: разметка и скоринг Это снимет с ваших менеджеров разбор мусорных обращений и покажет реальную картину по источникам. Схема простая: сайт → вебхук CRM → скрипт дедупликации → вызов модели для скоринга и разметки → запись результата обратно в карточку лида → отчёт читает уже размеченные данные, а не сырые. На шаге дедупликации и скоринга модель нужна дешёвая — задача классификационная, не творческая, а поток большой (полторы тысячи лидов в месяц при 50 заявках в день). Дорогая модель здесь — деньги на ветер, точность та же. Пример ответа модели: Инженерная обвязка. Вебхук Bitrix24 (или amoCRM API) ловит событие создания лида и кладёт JSON во временную очередь — таблицу Google Sheets или отдельный лист. Скрипт-обработчик раз в минуту забирает необработанные строки, вызывает модель, пишет результат обратно в карточку лида двумя полями: «дубль/не дубль» и «скоринг». Если API не ответил за 15 секунд — три повторные попытки с задержкой, при финальном отказе строка помечается «требует ручной проверки» и уходит алертом в Telegram-канал маркетинга. Логика перезапуска простая: скрипт идемпотентен, повторный вызов на уже обработанном лиде просто перезаписывает те же поля, ничего не задваивая. Экран после пересборки Ниже — таблица, которая заменила собой три колонки старого отчёта. Каждая строка — отдельный, проверяемый срез. Срез отчёта Значение Что это даёт Валовые лиды в день ~50 сырой поток без очистки Из них дубли (одна точка входа) 2–3 записи на 1 обращение отдельный флаг, не в общем счётчике Неатрибутируемые (обычный месяц / декабрь) 10–15% / до 30% отдельная категория, не смешана с каналами Качественные лиды после фильтра 120 из 300 (40%) план предполагал отвал не более 20% Конверсия органики (январь → апрель) 17% → 15% → <10% виден тренд, не разовая просадка План качественных лидов (май / июнь) 220 / 332 раскладка по неделям и дням для контроля отставания На диаграмме ниже — доля дублей, неатрибуции и брака по качеству на одном и том же потоке лидов. Дубли на точку входа до 66% Неатрибуция, декабрь 30% Неатрибуция, обычный месяц 10–15% Брак вместо плановых 20% 60% На диаграмме — как менялась конверсия органики: с 17% в январе до уровня ниже 10% в апреле, три месяца подряд вниз. 17% в январе <10% в апреле Падение фиксировали три месяца подряд, но реального обвала трафика не было — отчёт путал источники и смешивал органику с платным трафиком, тренд был виден только в отдельном разрезе. SEO-специалист, который взялся за пересборку, обещал уложиться в два дня — сделал за выходные, добавив реал-тайм отслеживание лидов и конверсий по страницам. Дальше команда параллельно тестирует две ключевые позиции в топ-3 Яндекса до 15 июня, чтобы проверить, коррелирует ли рост трафика с ростом продаж, или проблема остаётся не в трафике, а в обработке. Отдельно ввели коэффициент сезонности 0,8 для декабря — чтобы не сравнивать провальный по объективным причинам месяц с остальными наравне. Где цепочка рвётся ещё раз — на стыке с оплатой Даже с идеально размеченным дашбордом цепочка «клик → лид → сделка» может рваться не в аналитике, а в операционке рядом с ней. В том же отделе всплыла отдельная проблема: чтобы лиды пришли в начале месяца, счёт за них нужно оплатить заранее — например, 28-го числа предыдущего месяца, чтобы получить поток 3-го числа следующего. При этом, по признанию менеджера, около половины счетов оплачивается не вовремя. Результат предсказуем: даже безупречный отчёт о заявках не спасает, если сам поток лидов физически не запущен из-за просроченного счёта — тогда «дно» на графике конверсии на самом деле «дно» на графике оплат, а не на графике трафика. Это тот же тип ошибки, что и путаница дат создания/оплаты сделки, только на шаг раньше в цепочке — перед тем, как лид вообще появится. Что это стоит и что даёт Разработчик потратил на пересборку дашборда и вебхука дедупликации примерно 16 часов (оценка, по факту «выходные»). При ставке около 1000 ₽/час это разово 16 000 ₽ (оценка). Скоринг лидов дешёвой моделью при потоке 1500 заявок в месяц — расходы на API около 3–5 тысяч рублей в месяц; точный разбор счетов за токены — тема отдельной статьи Сколько на самом деле стоит ИИ в месяц . Эффект считаю отдельно от прочих маркетинговых мер — только то, что даёт именно очистка отчёта и скоринг на входе, без учёта параллельных изменений в SEO, рекламе или SMM. Формула для своего случая словами: (фактическая доля отвала минус плановая доля) × поток лидов в месяц = число лишних лидов, которые кто-то должен вручную посмотреть и закрыть; дальше это число × время на один лид в часах × ставка часа сотрудника = потери в месяц на обработку мусора. посчитайте на своих цифрах поток лидов в месяц факт отвала, % план отвала, % минут на лид ставка часа, ₽ потери ≈ {X} ₽ в месяц на обработку мусора формула: (факт отвала − план) × поток лидов × минуты на лид × ставка часа / 6000 (перевод минут в часы и рубли) Подставляю числа этого случая: поток 1500 лидов в месяц, факт отвала 60% вместо плановых 20% — это (60% − 20%) × 1500 = 600 лишних лидов, которые кто-то формально обрабатывает (смотрит, звонит, закрывает карточку). Время на такую обработку — около 10 минут на лид (оценка, консервативно, без учёта времени на повторные касания). Это 600 × 10 мин = 6000 минут = 100 часов в месяц — больше половины ставки одного менеджера. При ставке около 1000 ₽/час (оценка) это 100 × 1000 = 100 000 ₽/мес чистых потерь на обработку мусора, который скоринг на входе мог бы отсеять сразу. Показатель Значение Поток лидов в месяц 1500 Факт отвала vs план 60% vs 20% Лишних лидов на ручную обработку 600 Время на лид (оценка) ~10 мин Итого часов в месяц 100 Ставка часа (оценка, типовая для менеджера) ~1000 ₽ Потери на обработку мусора в месяц (оценка) ~100 000 ₽ Разовые затраты на пересборку (оценка) ~16 000 ₽ + 3–5 тыс. ₽/мес на скоринг Окупаемость пересборки (оценка) меньше недели Разово потраченные на пересборку ~16 000 ₽ плюс 3–5 тыс. ₽/мес на скоринг при экономии порядка 100 000 ₽/мес на разгрузке менеджеров от мусорных лидов окупаются меньше чем за неделю (оценка, консервативно — если хотя бы половина из этих 100 часов реально высвобождается, а не уходит на другие задачи). Это только вклад дедупликации и скоринга на входе — эффект от исправления путаницы дат и разреза по каналам в этой сумме не учтён, потому что он управленческий, а не почасовой. Отдельная выгода — управленческая, а не только временная: расхождение отчётов из-за разных фильтров дат означает, что решения о премиях, плане на следующий месяц и бюджете рекламы принимались на неверных цифрах. Цена такой ошибки не считается в часах — она считается в качестве решений, которые вы уже приняли и отменить не сможете. Где ломается. У клиента похожей компании неделю не работал автоматизированный бот для сбора лидов с сайта — и команда клиента не спешила это чинить, потому что общий бизнес всё равно приносил деньги, а поломка одного модуля не выглядела критичной. Итог — потеря данных о потенциальных клиентах за весь этот период, которую никто не заметил без внешнего контроля. Это тот же риск, что разобран в статье про автоматизацию без надзора: «Если бы я не пришёл, ничего бы не произошло» . Скоринг и дедупликация ломаются точно так же: без владельца, который раз в неделю сверяет отчёт с CRM руками, любая автоматика тихо деградирует, и об этом узнают только когда цифры становятся совсем абсурдными. Чек-лист на понедельник Сравнить число заявок на форме сайта, число событий в вебхуке CRM и число карточек лидов за одну неделю — посчитать расхождение в процентах. Проверить, есть ли в CRM явный флаг «дубль» и отдельная категория «источник не определён» — если нет, завести их до пересборки отчёта. Развести в отчёте две даты: создания сделки и оплаты — и пересчитать план/факт по каждой отдельно. Проверить синхронизацию оплаты счетов за лидогенерацию с датой их фактического поступления — просроченный счёт выглядит на графике как провал трафика, хотя это провал платежей. Выгрузить за месяц долю лидов, прошедших контроль качества, и сравнить с плановым отвалом — если факт выше плана вдвое-втрое, разбираться до пересборки скоринга. Назначить человека, который раз в неделю сверяет автоматический отчёт с CRM вручную — без этого шага любая автоматика через месяц начнёт врать незаметно. Запустить скоринг на тестовой выборке 100–200 лидов и сравнить приоритет модели с тем, что менеджеры делают интуитивно — расхождение покажет, где модель ошибается. И отдельным пунктом, поверх всего списка: отправьте тестовую заявку через свою же форму со своего телефона. Засеките время до звонка, послушайте, что вам скажут, посмотрите, появилась ли заявка в CRM и с каким источником. Пятнадцать минут. Если хотя бы одно из четырёх сработало не так, как вы ожидали, — вы нашли свою дыру. Как я это нашёл у себя Я отправил такую заявку с личного телефона в четверг вечером. Мне перезвонили в понедельник днём. При этом наш отчёт показывал среднее время ответа — сорок минут, и я этому отчёту верил. Разгадка оказалась простой: в среднее не попадали заявки, которые вообще не обработали, — их просто не было в выборке. Мы считали среднее по тем, кому ответили, и радовались цифре. Это моя ошибка, а не ошибка отчёта: я не понимал, что цифру, посчитанную машиной, надо выборочно проверять руками, — и не проверял. Здесь ошибаются все, включая меня; чинится это за один вечер, так что закрывать вкладку от стыда не надо. Умение не верить собственному отчёту, пока не проверил его руками, — это отдельный навык руководителя, такой же рабочий, как чтение отчёта о деньгах. Раньше без него жили: цифры собирали люди, с людей и спрашивали. Сейчас их собирает машина, и спросить с неё не с кого — отвечаете вы. Считаю так: пока вы своими глазами не увидели, что происходит с обращением клиента, все настройки, интеграции и скрипты преждевременны. Отправьте тестовую заявку сегодня, до конца дня, — а как закрыть найденные разрывы и поставить контроль, разобрано в бесплатном курсе .

## Квалификация лидов: куда утекают деньги между маркетингом и продажами
URL: https://davidgerstein.pro/blog/lidy-est-prodazh-net/
Дата: 2026-07-22
Направление: Маркетинг
Цифры: 44 лида → 1-2 продажи · конверсия упала с 33% до 6% · брак лидов втрое выше плановых 20%
Коротко: Лиды есть, а продаж нет — типичный случай: 44 лида дали 1-2 продажи, а после смены оффера конверсия упала с 33% до 6%. Почти всегда проблема не в объёме трафика, а в трёх местах: несоответствии стратегии продаж источнику лида, дублировании данных в CRM и отсутствии сегментации аудитории. Качественный лид проверяется контролем качества, а не ощущением менеджера, и его реальная стоимость видна только через сквозную аналитику.

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. Почему лиды есть, а продаж нет? Потому что деньги теряются не в трафике, а на стыке маркетинга и продаж: в одном месяце 44 лида дали 1-2 продажи, хотя все были помечены как качественные. Три типовые причины — с лидом первого касания работают по сценарию для горячего, CRM плодит дубли и не атрибутирует 10-15% заявок, а оффер бьёт не в тот сегмент: после смены текста объявления конверсия упала с 33% до 6%. Проверять надо в этом порядке: сначала подсчёт (дубли, атрибуция, метод фиксации продажи), потом соответствие стратегии продаж источнику лида, и только потом качество самого трафика. Брак лидов в этом канале оказался втрое выше плановых 20% — значит, реальная цена годного лида была вдвое выше расчётной, при том же бюджете на канал. 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. Правило Прежде чем менять стратегию канала из-за низкой конверсии, проверь три вещи: нет ли дублей, сколько лидов не атрибутировано, и одинаковым ли методом считаются продажи в разных отчётах. Часто «проблема с лидами» — это проблема с подсчётом лидов. 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. 33% было 6% стало 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. Показатель План Факт Отвал лидов до 20% 60% Лиды в мае / июне (план) рост на треть — Качественные лиды в день 15 16-17 (без выходных) Валовые лиды в день (все источники) — ~50 Неатрибутируемые лиды — 10-15%, в декабре до 30% На диаграмме — соотношение валовых и качественных лидов в день, план и факт. Валовые лиды/день 50 Качественные (факт) 16-17 Качественные (план) 15 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. Пример ответа модели на такой запрос: 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. Дашборд: лиды и конверсия 50 валовых лидов/день 16-17 качественных лидов/день 60% факт. отвал лидов <10% конверсия органики, апрель Месяц Конверсия органики Статус Январь 17% Март ~15% Апрель <10% 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 . Где ломается Сквозная аналитика не спасает, если данные в неё попадают с дублями, без атрибуции и с ручными правками задним числом. Сначала чистые данные — потом дашборды и выводы по каналам. И второе ограничение: ИИ-скоринг из раздела выше не заменяет контроль качества — модель оценивает вероятность по косвенным признакам, а не проверяет реальность документов или намерений, это разные задачи с разной ценой ошибки. 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.

## Как считать стоимость лида, чтобы не платить за брак
URL: https://davidgerstein.pro/blog/stoimost-kachestvennogo-lida/
Дата: 2026-07-09
Направление: Маркетинг
Цифры: конверсия 33%→6% после смены текста объявления · доля качественных лидов 40% вместо плановых 80% · одна точка входа даёт до 3 дублей на лид
Коротко: Стоимость качественного лида считается не по цене заявки, а по цене продажи: бюджет на канал делится не на общее число лидов, а на число тех, кто прошёл квалификацию. Показательный случай: смена текста объявления подняла число заявок на 25%, но обвалила конверсию с 33% до 6%, а доля качественных лидов упала с плановых 80% до фактических 40%. Дешёвые лиды почти всегда означают низкую долю квалифицированных — и тогда цена продажи оказывается выше, чем при дорогом, но точном трафике.

Суммы в разборе пересчитаны на условную компанию — пропорции, механика и выводы реальные. Ваш маркетолог отчитывается стоимостью лида. Цифра красивая, динамика хорошая, а продажи не растут. Знакомо? Дело в том, что вы платите не за лиды. Вы платите за клиентов — и между этими двумя вещами лежит пропасть, которую в отчётах обычно не показывают, потому что её неудобно измерять. Ниже — как считать стоимость качественного лида, а не просто заявки, и почему дешёвые заявки часто обходятся дороже. Как это устроено, разобрал отдельно: почему часть лидов теряет UTM-метку . 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. Что происходит, когда лиды дешёвые, а денег нет, — разбор до денег . 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. Как рассчитать стоимость лида? Делите бюджет канала не на все заявки, а только на те, что прошли квалификацию. В одном из месяцев качественными оказались 40% лидов при плане 80% — значит, реальная стоимость лида была вдвое выше отчётной, хотя бюджет и цена клика не менялись ни на копейку. Вторая цифра, без которой первая ничего не значит, — бюджет канала, делённый на число оплативших клиентов. Канал, который по цене заявки выглядит вчетверо дешевле, по цене продажи оказывается в 4-8 раз дороже. Две разные цифры, которые вы считаете одной Разберём на вашем примере. Возьмите стоимость лида из отчёта и умножьте на количество заявок — получите бюджет. А теперь разделите тот же бюджет на число клиентов, которые реально заплатили. Вторая цифра и есть та, которой вы управляете; первую вам просто показывают. 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): Показатель Канал А (соцсети) Канал Б (тёплый трафик) Бюджет на канал одинаковый (база 100%) одинаковый (база 100%) Лидов получено в два раза больше база Стоимость одного лида (отн. канала Б) ≈0,45× 1× (база) Продаж закрыто единицы заметно больше Стоимость одной продажи (отн. канала Б) ≈4-8× 1× (база) 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. Делите бюджет на квалифицированных, а не на всех 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. Показатель План Факт Доля качественных лидов 80% 40% Отбраковка до 20% 60% Конверсия в заявку (тест объявления) 33% (было) 6% (стало) Объём лидов после смены текста — +25% На диаграмме ниже — та же смена текста объявления, но крупно: как обвалилась конверсия при росте объёма заявок. 33% до 6% после 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: Валовые лиды (все источники) 100% Атрибутируемые (минус 10-15%, в декабре минус 30%) 85% Прошли контроль качества 40% Дошли до продажи (десятки лидов → единицы сделок) ~4-5% 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 У нас это выяснилось некрасиво: мы месяцами ругали подрядчика за качество, а потом посмотрели на свою сторону. Оказалось, форма на сайте собирала телефон без проверки, менеджеры перезванивали через три часа, а половина «мусорных» заявок была от людей, которым просто никто не ответил вовремя. Я тогда извинился перед подрядчиком. Скажу честно: я сам годами смотрел на цену заявки из рекламного кабинета и считал, что это и есть стоимость лида. Я не понимал, что цифра, которой меня отчитывают, и цифра, которой я управляю, — разные. Это моя ошибка: пока я сверял среднее по кабинету, два канала спокойно жгли бюджет и не приносили денег. Если вы сейчас в этой точке — это нормально, здесь ошибаются почти все, кто впервые садится сводить маркетинг с кассой. Прежде чем требовать качество с маркетолога, посмотрите на свою сторону: скорость ответа, форму, скрипт первого касания. Часть причин почти всегда лежит у вас в процессе, а не в его настройках. 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 базе из 15 000 контактов 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 Квалификация лидов: почему лиды есть, а продаж нет . Что искажает саму стоимость лида в ваших отчётах Проверьте каждый пункт у себя — обычно работают минимум два, и вместе они дают расхождение в разы. 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 . Правило Пока в CRM есть дубли, неразмеченные неатрибутируемые лиды и расхождение по датам оплаты и создания сделки, любая цифра стоимости лида — это оценка, а не факт. Сначала чистка данных, потом расчёт стоимости. Скоринг лидов до того, как их увидит менеджер Смысл для вас простой: ваши менеджеры перестают тратить утро на заявки, из которых ничего не выйдет, и занимаются теми, где есть деньги. 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. Пример ответа модели на этот запрос: Вот как это выглядит уже в CRM, после того как вебхук отработал и записал ответ модели в карточку сделки: amoCRM · сделка #48213 42% вероятность сделки medium приоритет 340 сек время на сайте facebook_ads источник Поле Значение Статус Регион не определён Страницы pricing, cases, faq Рекомендация прогревающее письмо, без звонка 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. Где ломается обвязка У партнёра неделю не работал похожий бот для сбора лидов — команда клиента не спешила чинить, потому что общий бизнес и так приносил деньги, а сбой в одном модуле не выглядел критичным. За неделю потеряли данные обо всех лидах, прошедших через этот канал. Автоматизация без обязательного алерта об ошибке — это не автоматизация, а тихая дыра в воронке. Подробнее о том, как надзор за автоматикой не даёт ей развалиться незаметно, — в статье «Если бы я не пришёл, ничего бы не произошло» . Квалификация как отдельный этап Здесь вам придётся принять управленческое решение, а не техническое: кто в вашей компании отвечает за квалификацию и по каким критериям. Без этого любой скоринг останется цифрой, которой никто не пользуется. 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. Где ломается расчёт Планирование бюджета на маркетинг без синхронизации с датой оплаты счетов приводит к тому, что даже правильно посчитанная стоимость лида не выполняется на практике — просто потому что реклама не откручивается вовремя. Как это выглядит в вашем плане, а не в отчёте задним числом Разница принципиальная: отчёт объясняет, почему не получилось, план говорит, сколько качественных лидов вам нужно в неделю, чтобы получилось. Планировали рост доли качественных лидов до плановых 80% 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 около 40% за прошлую неделю вместо плановых 80%, компания сразу видела отставание от графика, а не через месяц по итоговому отчёту, 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 Посчитайте на своих цифрах: сколько времени ваши менеджеры тратят на обработку заявок, из которых ничего не выйдет. Обычно это несколько ставок в год, спрятанных внутри рабочего дня. 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. Возьмём условную компанию из легенды: сервисная компания, отдел продаж из 8 менеджеров, оборот около 9 млн ₽ в месяц при среднем чеке сделки 180 000 ₽ — это около 50 сделок в месяц. Если доля сделок, которые зависают или срываются из-за того, что менеджер потратил время на заведомо слабый лид вместо приоритетного, — около 10% от месячного объёма (оценка), то при 50 сделках это 5 сделок, а риск ≈ 5 × 180 000 ₽ = 900 000 ₽ в месяц (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. Пример на подставленных числах для той же условной компании: при потоке 25 лидов в день на отдел из 8 менеджеров и фактической отбраковке 60% (как в разобранном случае) отсеивается 15 лидов в день; на первичный контакт с одним лидом уходит в среднем 12 минут (оценка) — суммарно 180 минут, то есть 3 часа впустую. При ставке около 1 000 ₽/час менеджера это 3 000 ₽ в день, а за 22 рабочих дня — около 66 000 ₽ в месяц (оценка), что сопоставимо с большей частью оклада одного менеджера в этой легенде. Это не потерянные деньги, а время, которое можно вернуть приоритизацией, а не расширением штата. Что не считаем эффектом: если время, освободившееся у менеджера, ушло не на новые продажи, а на другую текучку, — это перераспределение часов, а не деньги в кассе. 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. Заведите 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. Начните с простого: попросите посчитать конверсию в оплату по каждому источнику. Не в сделку, а в деньги. Через неделю у вас будет другой разговор с маркетингом — предметный. Как поставить скоринг лидов до того, как их увидит менеджер, — механика в бесплатном курсе . Как я теперь смотрю на этот показатель Мы у себя перестали обсуждать стоимость лида на планёрках вообще. Осталось два числа: сколько стоит клиент, который заплатил, и сколько заявок пришлось обработать, чтобы его получить. Всё остальное — рабочие метрики маркетолога, и в мой отчёт они не попадают. И ради этого стоило заводить весь разговор. Умение отличать метрику, которой вас отчитывают, от метрики, которой вы управляете, — это управленческий навык, а не бухгалтерия. Руководитель, который умеет задать системе один точный вопрос и получить на него честную цифру, стоит дороже руководителя, который принимает готовый отчёт как данность. Этому навыку нигде не учат — его придётся поставить себе самому, и начинать проще всего со стоимости лида. Эффект оказался неожиданным: разговоры стали короче, а решения — точнее. Мы закрыли два канала, которые давали дешёвые заявки и ноль денег, и вложили их бюджет в тот, что казался дорогим. Выручка выросла, при том что «стоимость лида» в отчёте ухудшилась — и это было правильное ухудшение.

## Сквозная аналитика своими руками: аудит данных вместо покупки BI-сервиса
URL: https://davidgerstein.pro/blog/skvoznaya-analitika-s-chego-nachat/
Дата: 2026-06-18
Направление: Маркетинг
Цифры: 10–15% лидов не атрибутируется (в декабре — 30%) · дубли давали 2-3 копии на лид · конверсия органики упала с 17% до 10% за 4 месяца
Коротко: Сквозную аналитику стоит начинать не с покупки сервиса, а с проверки данных: дубли дают 2-3 копии лида, 10-15% трафика не атрибутируется (в декабре — до 30%). Сначала свести отчёты продаж и маркетинга к одной точке правды и посчитать стоимость лида по каналам через качественные лиды, а не валовые заявки, а дальше повесить дешёвую модель на ежедневную сверку цифр вместо часа ручной работы аналитика в день.

Суммы в разборе пересчитаны на условную компанию — пропорции, механика и выводы реальные. Сквозная аналитика: с чего начать, пока сервис не куплен Если у вас конверсия в отчёте падает третью неделю подряд, а отдел продаж говорит, что звонков столько же, — скорее всего, вы смотрите не на рынок, а на дубли в собственной базе. Сквозная аналитика начинается не с выбора платформы, а с трёх вопросов к каждой цифре: откуда она берётся, по какой дате считается и не задваивается ли по пути. Первую рабочую версию вы соберёте за неделю на том, что уже есть: выгрузка из CRM, Google Sheets, час внимания. На этом шаге в компании на 40 человек нашлись дубли, дававшие 2-3 копии на один лид, и 10-15% лидов, которые не привязать к каналу вообще (в декабре — до 30%). Пока эти дыры открыты, любой купленный дашборд будет аккуратно показывать ваши же кривые данные. Сквозная аналитика звучит как проект на полгода и бюджет с шестью нулями. На практике первую рабочую версию вы соберёте за неделю — и она ответит на главный вопрос: какие каналы дают деньги, а какие только заявки. Разбирал этот случай подробно — куда пропадают заявки с сайта на пути к оплате . Руководитель компании открыл с утра отчёт по лидам — конверсия падала третий день подряд. Полез разбираться: одна входящая точка создавала два-три дубликата на каждый лид. Реальная картина была другой — просто одного человека в базе считали за троих. Нашёл случайно: цифры совсем не бились с ощущением от звонков отдела продаж, вот и пересмотрел отчёт не по привычке. Не открой он его в то утро — решения принимались бы ещё неделю на кривых цифрах, а бюджет канала тем временем продолжал списываться в прежнем темпе. Вот и весь секрет: сквозную аналитику начинают не с покупки сервиса, а с проверки, не врут ли данные, которые уже есть. Час на аудит одного источника обычно дешевле недели решений, принятых по кривой картине. Сквозная аналитика: сначала ревизия данных, а не дашборд У меня было ощущение, что сквозная аналитика — это дашборд с графиками и деньги на дорогую платформу. На деле первые месяцы ушли не на визуализацию, а на поиск дыр в данных, которые уже были. Дыры оказались простыми и дорогими. Я и сам сначала искал, какой сервис купить, а не что проверить, — на этот поиск ушло больше времени, чем потом на весь аудит. Пример: у двух менеджеров разошлись цифры по продажам за месяц — расхождение почти на 10%. Проверили через CRM: потеряли одну сделку — её посчитали рекомендацией, а не лидом, и не включили в расчёт. Дальше нашлась вторая проблема: при фильтрации по месяцу оплаты вместо месяца создания договора разница выросла почти до 40% от суммы. Это не ошибка человека — это ошибка настройки фильтра, которую никто не проверял месяцами. Прежде чем считать что-то сквозным, ответьте на три вопроса про имеющиеся данные: откуда берётся цифра, по какой дате она считается и не задваивается ли она где-то по пути. Пока эти вопросы не закрыты, любой красивый дашборд врёт красиво — и чем он красивее, тем сложнее заподозрить подвох. Спрашивать «откуда эта цифра» раньше, чем принимать по ней решение, — это отдельный навык руководителя, и он даёт больше любой новой платформы: вы перестаёте покупать инструмент под проблему, которой у вас нет. Разбирал этот случай подробно — как считать стоимость лида, чтобы не платить за брак . Правило Не строй сквозную аналитику поверх данных, которые никто не проверял на дубли и сдвиги дат. Час на аудит источника экономит месяц неверных решений. Дубли лидов — самая частая дыра Одна входящая точка — например, форма на сайте — может плодить несколько карточек в CRM: то двойной клик, то вебхук, продублированный интеграцией. Конверсия при этом падает не потому, что стало хуже, а потому что в знаменателе теперь в два-три раза больше лидов, чем было на самом деле. Проверяется просто: сравнить число уникальных телефонов и почт с числом карточек в CRM за один день. Не совпадает — у вас дыра, а не тренд. Похожая история с датами разобрана в статье о том, как CRM врёт данные и сдвигает даты — там же способ поймать искажение до того, как оно попадёт в отчёт для руководителя. Где нашли ошибку Расхождение Эффект, если не поймать Отчёт двух менеджеров за месяц Расхождение почти на 10% — из-за сделки, посчитанной как рекомендация, а не лид Решения по итогам месяца принимаются на заниженной выручке Фильтр по дате оплаты вместо даты договора Разница выросла почти до 40% от суммы в зависимости от способа фильтрации Прогноз кассы искажается на треть без единой ошибки человека Дубли на входящей точке (форма на сайте) валовых лидов заметно больше уникальных контактов — на треть за день Конверсия выглядит упавшей в полтора раза, хотя реальный трафик не изменился Атрибуция: 10-15% лидов вы всё равно не отследите В любой кампании часть лидов не привязать к каналу — кто-то блокирует куки, кто-то чистит историю браузера. У нас эта доля держалась на 10-15%, а в декабре подскочила до 30%: праздничный трафик идёт с других устройств и по другим сценариям. Сначала я сам пробовал силой раскидать эти лиды по каналам, чтобы отчёт выглядел полным — не помогает, только добавляет шум. Правильнее выделить их отдельной строкой с пояснением причины. Тогда видно: доля растёт — значит, что-то поменялось в трафике или на сайте, и это повод разбираться, а не подгонять цифры. Отдельная и более неприятная версия той же проблемы — когда система технически не даёт разделить конверсию даже по видимым источникам. У нас Google и Яндекс какое-то время сливались в один поток из-за ограничений интеграции. Без разделения непонятно, какой канал реально работает — это уже не аналитическая, а управленческая проблема: нет данных — нет рычага давления ни на подрядчика, ни на бюджет. Если ваш подрядчик показывает вам два источника одной строкой, это не отчёт, а его удобство — просите разделить до того, как обсуждать результат. Цена канала: считать по качественным лидам, а не по валовым заявкам Цена канала — это не бюджет, поделённый на валовое число заявок, а бюджет, поделённый на число лидов, дошедших до контроля качества, за тот же период. Разница огромная. Сам расчёт разбираю по шагам отдельно: как считать стоимость лида, чтобы не платить за брак . Пример на условных цифрах, чтобы формулу можно было приложить к своему каналу: бюджет канала, поделённый на число качественных лидов (наш реальный случай по каналу в соцсети), даёт цену за качественный лид почти втрое выше, чем тот же бюджет, делённый на валовые заявки. На бумаге валовая цифра выглядит втрое дешевле и втрое обманчивее на практике, потому что ничего не говорит о том, сколько из этих заявок дойдёт до сделки. 100 — грубо 296 — точно На диаграмме — один и тот же бюджет канала: делённый на валовые заявки он даёт индекс 100, делённый на качественные лиды — индекс 296, почти втрое выше. Первая цифра выглядит красивее, вторая — честнее говорит о деньгах. Канал в соцсети дал за месяц лишь считанные единицы продаж на десятки качественных лидов — на первый взгляд провал. При разборе выяснилось: это первое касание клиента, а не готовый к покупке лид, цикл сделки здесь длиннее, чем у остальных источников. Считать стоимость лида так же, как по контекстной рекламе, — методологическая ошибка. Прими решение по валовой цифре — закрыли бы канал и потеряли источник, которому просто нужна другая воронка. Ещё случай: после смены текста объявления по чужой рекомендации конверсия упала с 33% до 6% — в 5,5 раза, а объём лидов вырос на четверть. Формально «лидов стало больше», по факту стоимость качественного лида выросла в разы: новый трафик оказался возрастным, иногородним, из-за рубежа. Без разбивки по качеству это выглядело бы успехом ещё две недели — пока отдел продаж не начал жаловаться на пустые звонки. Что мерить Частая ошибка Что делать вместо Стоимость лида Бюджет / валовые лиды Бюджет / лиды, прошедшие контроль качества Конверсия канала Сравнивать все каналы одной меркой Учитывать длину цикла сделки для каждого источника Атрибуция Насильно распределять неотслеживаемые лиды Выделять отдельной категорией с причиной План по лидам Смотреть только на итог месяца Сверять план по дням и неделям О том, как разрыв между количеством лидов и реальными продажами прячется в отчётах, я подробнее писал в статье «Лиды есть, а продаж нет» — там разобрано, где именно теряются деньги между маркетингом и отделом продаж. Контрольные точки: план по дням, а не по месяцу Когда месячный план по лидам стоит одной цифрой без разбивки по неделям и дням, он бесполезен для управления: об отставании узнаёшь только в последнюю неделю месяца, когда исправлять уже почти нечего. У нас выходило заметное число валовых лидов в день со всех источников, из них меньше половины — качественные в рабочий день; дневной план по качественным лидам был реальной контрольной точкой, а не цифрой для галочки. За месяц качественными оказались только 40% лидов при плановом отвале не больше 20%. Эту разницу видно, только если считать конверсию в качество каждую неделю, а не подводить итог постфактум. То же с сезонностью: декабрь у нас идёт с коэффициентом 0,8 к плану — заранее известно, что лидов будет на 20% меньше, и это не повод паниковать, а повод не сравнивать декабрь с октябрём напрямую. Технически такой дашборд не требует дорогого сервиса — у нас его за выходные собрал специалист по SEO, с отслеживанием лидов и конверсий по страницам в реальном времени. Дальше пошла ручная работа: сверять рост трафика с падением продаж и искать, на каком этапе разрыв. Например, конверсия органического трафика падала четыре месяца подряд — с 17% в январе до 10% в апреле, при этом трафик рос. Без разбивки по неделям это выглядело бы как «сайт работает», а по факту качество лидов с этого канала всё время снижалось. Мне понадобилось четыре месяца, чтобы это заметить, — ровно потому, что я смотрел на итог месяца, а не на неделю. Январь 17% Март 15% Апрель 10% На диаграмме — конверсия органического трафика сайта в лиды, % от посетителей. Трафик за этот же период рос — падала именно конверсия, что видно только при разбивке по месяцам, а не по итогу квартала. ИИ-связка: ежедневная проверка отчёта на аномалии вместо ручной сверки Ручную сверку каждое утро делал аналитик: сравнивал лиды в CRM с уникальными контактами, смотрел долю неатрибутируемых, прикидывал отставание от плана по дням. Задача рутинная и формализуемая, но требует внимания каждый день — то есть годится для дешёвого классификатора, а не для дорогой топовой модели: здесь не нужно творчество, нужна аккуратная сверка чисел по жёсткой инструкции. Конвейер выглядит так: 1. Вебхук из Bitrix24 (или amoCRM API) раз в сутки выгружает новые сделки и лиды в Google Sheets: дата, канал, статус, телефон/email, отметка о прохождении контроля качества. 2. Google Apps Script по расписанию (триггер time-driven, ежедневно в 7:00) сворачивает сырые строки в JSON-сводку за последние 7 дней по каналам. 3. Скрипт отправляет JSON в LLM API с промптом ниже. 4. Ответ модели (тоже JSON) пишется в отдельный лист «Аномалии» и дублируется уведомлением в Telegram-бот ответственному аналитику. 5. Аналитик утром открывает лист, а не весь отчёт целиком — смотрит только то, что модель пометила как high или medium. Пример ответа модели: Google Sheets — лист «Аномалии» +34% лидов gross сверх нормы за день ~⅓ разрыв с уникальными контактами high подозрение на дубли Дата Канал Тип аномалии Важность 2026-06-10 site_form duplicate_suspect high Так выглядит лист «Аномалии», в который модель пишет результат прогона: аналитик открывает только его, а не весь отчёт целиком. Инженерная обвязка простая, без энтерпрайза: Google Apps Script пишет логи прогонов в отдельный лист, каждая ошибка API — таймаут, лимит токенов, пустой ответ — попадает туда же с меткой времени и дублируется в Telegram сообщением «прогон не выполнен». Перезапуск — вручную, кнопкой в меню таблицы, без доступа к серверу аналитик делает это сам за минуту. Тот же принцип я описывал в статье про реальные счета за ИИ — дешёвая модель на рутинной сверке обходится в доллары в месяц, а не в тысячи. Где ломается модель Дешёвая модель хорошо ловит явные расхождения чисел, но иногда путает причину: помечает сезонное падение — тот же декабрь с коэффициентом 0,8 — как аномалию. Порог severity нужно калибровать вручную первые 2-3 недели, иначе аналитик начнёт игнорировать уведомления, и тогда автоматизация окажется хуже, чем её отсутствие. Экономика: что стоит и что даёт Настройка ~14-26 часов разово (аудит источников + связка вебхук → Sheets → LLM), эксплуатация — несколько долларов в месяц на токены, эффект — экономия около 20 часов ручной сверки в месяц (оценка). Внедрение. Аудит источников данных — дублей, дат, атрибуции — разовая работа аналитика или толкового менеджера, оценочно 8-16 часов в зависимости от числа источников. Настройка связки вебхук → Google Sheets → LLM API — ещё 6-10 часов работы того, кто умеет писать Apps Script; часто это тот же человек, что уже собирал дашборд за выходные, а не отдельный дорогой подрядчик. Эксплуатация. Дешёвая модель на ежедневном прогоне сводки по 5-10 каналам обходится в несколько долларов в месяц, не в десятки. Основная статья расходов — не токены, а время человека, который читает и разбирает флаги. Эффект. Ручная сверка отчётов продаж и маркетинга занимала у аналитика около часа в день — это около 20 часов чистого рабочего времени в месяц только на то, чтобы свести две таблицы руками, не считая ошибок, которые всё равно проскакивают, потому что на 22-й день подряд быть внимательным устаёшь. Что мы не считаем эффектом: время аналитика не сокращается до нуля — оно перераспределяется на разбор флагов, помеченных моделью, а не на саму сверку; в деньгах это экономия часов на рутине, а не сокращение штата. Окупаемость на этих же оценках: разовая настройка — 14-26 часов работы. Экономия ручного времени — около 20 часов в месяц, что при ставке ~1 000 ₽/час даёт около 20 000 ₽/мес (оценка). Даже по верхней границе разовых работ окупаемость наступает меньше чем за полтора месяца, а дальше это чистая экономия минус несколько долларов на токены. Отдельно — риск от решения на грязных данных, и это не эффект автоматизации, а иллюстрация цены задержки. При обороте отдела ~9 млн ₽/мес и среднем чеке ~180 тыс. ₽ это около 50 сделок в месяц; дневной бюджет канала, крутящийся на искажённой картине неделю, — это риск потратить бюджет вслепую на канал, который на самом деле работает иначе, чем показывает отчёт. Похожая история — с конверсией 33%→6%: две недели трафика «по инерции» на неверной гипотезе съели заметную часть месячного бюджета канала на лидов, которых потом пришлось признать нецелевыми. Причины и следствия тут лучше не путать: сама сверка данных не увеличивает число лидов и не чинит воронку — она только показывает, где решения принимались вслепую. Рост качества лидов из истории с аватарами покупателя или снижение оттока — отдельные инициативы, их вклад в деньги считается отдельно, а не приписывается автоматической проверке отчётов. Я это развожу жёстко: сверка данных отвечает за качество решений, а не за рост выручки. Чек-лист: с чего начать в понедельник Сравнить количество лидов в CRM с количеством уникальных телефонов/email за последнюю неделю — найти дубли на входящих точках. Выделить неатрибутируемые лиды отдельной категорией в отчёте и посчитать их долю за последний месяц. Разбить месячный план по лидам на недели и дни, отметить контрольные точки для отставания. Пересчитать стоимость лида по каждому каналу через число лидов, прошедших контроль качества, а не валовое. Проверить, можно ли технически разделить источники трафика (например, Google и Яндекс) — если нет, завести задачу на доработку интеграции отдельно от отчётности. Настроить простую ежедневную сверку через вебхук из CRM и дешёвую модель вместо часа ручной работы аналитика в день. Ни один из этих шести пунктов не требует покупки BI-платформы. Все они требуют часа-двух внимания к данным, которые уже есть в системе — и, судя по практике, именно там прячется больше денег, чем в новом канале трафика. Начните на этой неделе с малого: свяжите источник лида с фактом оплаты хотя бы вручную, по последним пятидесяти сделкам. Уже эта таблица покажет вам, где вы переплачиваете. Полная механика — в бесплатном курсе . Ваша первая версия должна ответить на один вопрос: какие ваши каналы приносят деньги, а какие только заявки. Не стройте систему — соберите ответ. Всё остальное вы достроите потом, когда поймёте, чего вам не хватает. Не ждите идеальных данных: ваша первая версия будет неточной, и это нормально. Она нужна не для отчётности, а чтобы вы увидели порядок величин и поняли, какие ваши каналы вообще стоит разбирать подробнее.

## Почему реклама не окупается: окупаемость рекламы считают от кассы, а не от кликов
URL: https://davidgerstein.pro/blog/pochemu-reklama-ne-okupaetsya/
Дата: 2026-06-06
Направление: Маркетинг
Цифры: 350 000 ₽ на инфлюенсеров · 0 договоров · конверсия 33%→6%
Коротко: Реклама не окупается не потому, что канал плохой, а потому что отчёт о лидах и отчёт о деньгах — два разных документа с разными числами: 350 000 ₽ ушло на инфлюенсеров, а договоров за месяц — ноль. Считать окупаемость нужно от даты оплаты договора, а не от клика или заявки, иначе слив бюджета маскируется ростом «качественных лидов».

Суммы в разборе пересчитаны на условную компанию — пропорции, механика и выводы реальные. Окупаемость рекламы: короткий ответ Реклама не окупается чаще всего не из-за площадки и не из-за подрядчика, а из-за точки отсчёта: отчёт считает клики и заявки, касса считает оплаченные договоры. Если у вас лидов стало больше, а денег столько же — вы смотрите не на ту цифру. Чтобы посчитать окупаемость рекламы честно, нужны три вещи: считать от даты оплаты договора, а не от даты заявки; держать неатрибутируемые лиды (10–15% в обычный месяц, до 30% в декабре) отдельной строкой, а не размазывать их по каналам; и отдельно смотреть процент брака среди лидов. В компании на 40 человек по этой причине 350 000 ₽ ушли на инфлюенсеров при нуле договоров за месяц, а конверсия упала с 33% до 6%. Вам показывают отчёт: лидов столько-то, стоимость лида такая-то, всё в норме. А деньги в кассе не сходятся с этой красотой. Знакомо? Проблема почти никогда не в подрядчике и не в площадке. Проблема в том, что отчёт по рекламе меряет клики и заявки, а вы управляете деньгами — и между этими двумя мирами есть разрыв, в который проваливается ваш бюджет. Ниже — где именно он проваливается, с разбором до денег, а не до кликов. Я собрал сюда места, в которых сам терял бюджет и потом искал причину задним числом. Месяц, 350 000 ₽ на инфлюенсеров. Ноль договоров. Параллельно директ третий месяц подряд в минусе по ROI, плюс был только один месяц из четырёх. Это не гипотеза — это цифры одной компании за один отчётный период. И вопрос «почему реклама не окупается» в этот момент звучит уже не как теория, а как разговор с финансовым директором, который считает деньги, а не охваты. Проблема в том, что реклама почти всегда «работает» — если мерить кликами, лидами, охватами. Она перестаёт работать, если мерить деньгами. Между этими двумя точками измерения обычно и прячется слив бюджета: отчёт по лидам растёт, касса — нет. Дальше — разбор мест, где именно ломается эта связка, и что с этим можно сделать руками, без веры в «просто лучше настроить таргетинг». Как это устроено, разобрал отдельно: сквозная аналитика своими руками . Почему цифры в вашем отчёте врут Начнём с того, что вы видите каждый месяц, и разберём, где именно эта картинка расходится с вашей кассой. Я сам два года смотрел на такой дашборд и ни разу не спросил у него, откуда берётся знаменатель. Руководитель одной компании случайно, просматривая утренние отчёты, обнаружил: одна входящая точка создавала два-три дубликата лида. Конверсия падала день ото дня — а реальная ситуация была другой. Никто не искал проблему специально, потому что дашборд выглядел правдоподобно: цифры росли, потом снижались, всё как обычно бывает в рекламе. Если точка входа плодит два-три дубля на один реальный лид, отчётная конверсия считается не от реального числа обращений, а от в два-три раза большего количества «лидов» — то есть искусственно занижается в 2–3 раза без единого изменения в реальном спросе (оценка на основе того же кейса: реальный поток не менялся, менялся только знаменатель формулы). Другой день, другой пример — расхождение в отчётах по продажам. У одного менеджера в отчёте сумма, у другого — заметно меньше. При проверке через CRM оказалось: потеряна сделка (она шла как рекомендация, а не как лид, и выпала из расчёта) на 280 000 ₽ — это почти средний чек компании (300 000 ₽). А при фильтрации по месяцу оплаты вместо месяца создания договора разница выросла ещё сильнее. Это не ошибка одного человека — это способ, которым разные фильтры дают разную «правду» из одних и тех же данных. Третья беда — атрибуция. При планировании кампании выяснилось, что 10–15% лидов невозможно привязать к источнику: люди блокируют куки, чистят историю, ставят блокировщики рекламы. В декабре доля неатрибутируемых лидов подскочила до 30%. Если эту треть просто раскидать по каналам «на глаз», отчёт по ROI рекламы превращается в художественную литературу — с тем же успехом можно гадать на кофейной гуще. Правило Пока не выделена отдельная строка «неатрибутируемые лиды» с причиной, любой отчёт по каналам — это оценка, а не факт. Не принимайте решение «отключить канал» на основе цифры, в которую спрятана треть непонятного трафика. Подробнее о том, как CRM искажает даты и цифры без злого умысла, — в разборе CRM врёт. Как я поймал Битрикс24 на сдвиге дат . Лиды есть, продаж нет Если это про вас — а это про большинство — то дальше самая важная часть. Считать окупаемость по заявкам бессмысленно: заявка не деньги. Деньги появляются, когда заявка доходит до оплаты, и вот на этом пути ваш маркетинг обычно слеп. Компания получила несколько десятков качественных лидов из соцсети за месяц. Закрыла 1–2 продажи. На бумаге — провал канала. При разборе выяснилось: эти лиды — первое касание. В отличие от других источников, где человек уже прогрет и готов к разговору, здесь нужен многоэтапный цикл — и «слив» на самом деле означал не плохой канал, а неправильную скорость продажи, применённую к чужому типу трафика. С французским рынком та же болезнь, только в других цифрах: в Париже сотни тысяч человек целевой аудитории, а за всё время с французской версии сайта — два покупателя, оба говорили по-английски. Причина не в объёме аудитории, а в том, что локальные боли не были поняты, и с французским трафиком просто не умели работать: сайт был, а перевод боли клиента на язык этой боли — нет. Третий случай — про маркетолога, который годами продавал «процедуру оформления документов», то есть то, что клиенту неинтересно. За неделю с аналитиком собрали три аватара покупателя: часто это люди старшего возраста, одинокие или с выросшими детьми, ищущие общие интересы. После того как начали говорить не про процедуру, а про боль, конверсия пошла вверх. Дело было не в рекламном бюджете вообще, а в том, что реклама везла трафик к офферу, который не отвечал на вопрос клиента. Разрыв между «лиды есть» и «продаж нет» — тема отдельного разбора: Квалификация лидов: почему лиды есть, а продаж нет . Когда «оптимизация» рекламы убивает окупаемость Этот раздел стоит прочитать, если вам когда-нибудь предлагали «снизить стоимость лида». Ваш подрядчик почти наверняка сможет её снизить — вопрос в том, что вы получите взамен. Самый наглядный случай — смена текста объявления по совету экономиста. Конверсия упала в 5,5 раза: было 33%, стало 6%. При этом количество лидов выросло на 25%. По количеству лидов кампания выглядела лучше. По составу — хуже: пришли заявки из другого сегмента, то есть люди с меньшим бюджетом и худшей конвертацией в сделку. На диаграмме ниже — конверсия до и после смены текста объявления. 33% было 6% стало Рост числа лидов на 25% совпал с падением конверсии с 33% до 6% — по количеству кампания выглядела лучше, по качеству трафика была хуже. Команда после этого разделилась: один хотел продолжать тестирование, второй видел проблему и требовал вывода. Решение отложили ради дополнительного анализа региональной структуры лидов. Это нормальная развилка — но именно она и решает, окупится реклама или нет: если мерить только объём лидов, кампания выглядит рабочей ещё месяц-два, пока не долистаешь до продаж. Такая же история с органическим трафиком: конверсия сайта упала ниже 10% в апреле — в марте было почти 15%, в январе 17%. Устойчивое снижение месяц за месяцем, и вопрос не «работает ли SEO», а «какого качества трафик оно приносит сейчас, а не полгода назад». Канал Что видно по объёму Что скрывает объём Реклама с новым текстом Лидов +25% Конверсия упала с 33% до 6%, качество лидов ниже Инфлюенсеры Охват, узнаваемость 350 000 ₽, 0 договоров за месяц Директ Клики и лиды идут Отрицательный ROI 3 месяца из 4 Органика Трафик растёт или стабилен Конверсия упала с 17% до 10% за 4 месяца Холодная рассылка (крупная база контактов) Открываемость 50% Конверсия в лиды — 0% На диаграмме — конверсия в лид по каналам, от полного провала рассылки до лучших месяцев органики. Соцсеть, первое касание 2–4% Холодная рассылка (крупная база) 0% Реклама после смены текста 6% Органика, апрель 10% Органика, январь 17% Деньги, которые утекают без обратной связи И самое дорогое место. Пока ваш маркетолог не знает, какие лиды дошли до денег, он оптимизирует вслепую — а вы платите за эту слепоту каждый месяц. У условной компании — оптового поставщика с оборотом около 12 млн ₽/мес и отделом из 8 менеджеров — 350 000 ₽ на инфлюенсеров и ноль договоров за месяц — это не случайность конкретного отчёта, а симптом отсутствия обратной связи между тратой и результатом. Параллельно в директе три месяца из четырёх — минус по ROI, и только один месяц — в плюс, при этом на инфлюенсеров продолжали тратить около 300 000 ₽ ежемесячно вместо специализированных каналов. Когда канал не даёт обратной связи «деньги → договор» быстрее, чем цикл принятия решения о бюджете, компания просто продолжает тратить по инерции. Решение отключить или сократить канал принимается не потому, что кто-то один раз посчитал, а потому что накопилось три месяца подряд одинаковой картины. Это дорогая инерция: три месяца — это три бюджетных цикла, потраченных на подтверждение того, что уже было понятно после первого. Деньги утекают и через рассинхрон оплаты. Чтобы получить лиды в начале месяца, счёт нужно оплатить в конце предыдущего — например, 28-го числа для лидов 3-го. При этом половина счетов оплачивается не вовремя. При среднем потоке около 50 валовых лидов в день даже три дня простоя из-за просроченного счёта — это около 150 недополученных валовых лидов, и при конверсии в качественные на уровне 33% — около 50 качественных лидов, которых просто не будет в отчёте того месяца (оценка). Дело не в качестве рекламы вообще, а в том, что даже хороший канал не окупится, если платить за него с опозданием и терять первые дни месяца простоя, которые потом никто не компенсирует. Та же болезнь — в истории с крупной базой контактов с вероятностью целевого признака выше 25%. Прямое предложение консультации или вебинара не сработало вообще — открываемость 50%, конверсия в лиды 0%. Причина в формулировке одной команды: «не понимая сегментацию клиента, бить в лоб бесполезно — это стрельба из пушки по воробьям». Заменили на серию из 3–4 писем с конкретными преимуществами и только потом анонс события. Деньги на рассылку были потрачены один раз — вопрос был не в бюджете, а в последовательности касаний. ИИ-связка: проверка лида до того, как он попал в отчёт по ROI Вот здесь машина закрывает вашу главную дыру: она смотрит каждый лид до того, как он испортит вам статистику, и отделяет мусор от реальных обращений. Большая часть разобранных выше искажений — дубли, неатрибутируемые лиды, задержка с пометкой «неверный источник» — это работа, которую руками делать долго и лень, поэтому её не делают вообще. Отчёт собирают из сырых данных CRM, и все дубли с мусором едут прямо в расчёт ROI. Это чинится не заменой CRM, а простым конвейером-фильтром перед тем, как лид попадает в отчёт. Схема конвейера: 1) Лид создаётся в CRM (Bitrix24) через форму сайта или рекламный кабинет → 2) вебхук CRM при создании нового лида дёргает облачную функцию → 3) функция подтягивает через Bitrix24 REST API последние лиды за 48 часов (crm.lead.list) и формирует запрос к модели → 4) модель возвращает JSON с флагом дубля и статусом атрибуции → 5) функция записывает результат обратно в кастомные поля лида (crm.lead.update) → 6) маркетолог и РОП видят уже очищенные цифры в еженедельном отчёте. Еженедельный отчёт по лидам ~50 валовых лидов/день ~1/3 качественных лидов/день 10–15% неатрибутируемых, типично план май / план июнь рост от месяца к месяцу Лид Дубль Атрибуция 88213 нет unattributed 88214 да, 88190 instagram_ads Модель на этом шаге — дешёвая (класса GPT-4o-mini или аналог): задача чисто классификационная, вызовов много (на каждый новый лид), платить за дорогую модель здесь нет смысла — точность сопоставления по телефону/email и utm-меткам не требует «рассуждений», только сверки шаблонов. Пример ответа модели: Инженерная обвязка: облачная функция крутится на serverless-платформе (например, Yandex Cloud Functions или аналог), триггерится вебхуком Bitrix24 на событие создания лида. Результат пишется в кастомные поля UF_DUPLICATE и UF_ATTRIBUTION_STATUS через crm.lead.update. Если Bitrix24 API не ответил или модель вернула невалидный JSON — запись падает в отдельный лист Google Sheets «ошибки предобработки», а в рабочий чат маркетолога уходит уведомление. Раз в час отдельное расписание догоняет необработанные лиды (там, где кастомное поле осталось пустым) — это защита от разовых сбоев вебхука. Этот инструмент не стоит путать с решением проблемы качества трафика. Скоринг и дедупликация чистят отчёт — они не чинят оффер, не переводят рекламу на нужный аватар клиента и не ускоряют оплату счетов. Это отдельная задача, разобранная в предыдущих разделах, и её эффект нельзя приписывать одной автоматизации. Как считать окупаемость, чтобы не обманывать себя Рабочая точка отсчёта — не лид и не клик, а оплаченный договор, привязанный к дате оплаты, а не к дате создания заявки. В примере с расхождением сумм по разным менеджерам именно смена фильтра «месяц оплаты» вместо «месяц создания» дала честную картину. Дальше — план не месяцем, а неделями и днями. У компании план по качественным лидам заметно вырос от мая к июню — но контроль шёл по неделям: несколько десятков валовых лидов в день, около трети из них качественные, накопленным итогом за месяц набиралось нужное число. Такая детализация позволяет увидеть отставание на третьей неделе, а не в последний день месяца, когда исправлять уже поздно. Неделя Плановый темп Контрольная точка Неделя 1 Около четверти месячного плана качественных лидов Сверка по факту среды и пятницы Неделя 2 Ещё столько же, накопленным итогом около половины плана Если отстаём — корректировка бюджета до конца недели Неделя 3 Накопленным итогом около трёх четвертей плана Последняя точка для догона плана без аврала Неделя 4 + остаток Добор до полного месячного плана Разбор причин отставания, а не только цифры Отдельно — коэффициент сезонности. Для декабря как месяца низкого спроса ввели коэффициент 0,8 — на 20% ниже обычного плана, с перераспределением объёмов на другие месяцы. Без этого декабрьский провал каждый год выглядел бы как авария, а не как предсказуемая сезонность, и решения принимались бы панически, а не по графику. И наконец — контроль качества самих лидов, а не только их числа. Из общего объёма качественными по факту проверки оказались только около 40%, при том что рассчитывали на отвал не больше 20%. Если не считать процент отбраковки отдельно, реклама может «работать» по количеству и одновременно проваливаться по деньгам. Где ломается Расчёт окупаемости ломается там, где отчёт строится по дате создания лида, а не по дате оплаты, и там, где нет отдельной цифры по браку. Обе ошибки дают красивый отчёт и пустую кассу — причём чем позже это вскрывается, тем дороже разворот бюджета. Экономика: что стоит фильтр лидов и что он даёт Считаем честно, без смешивания с другими инициативами из этой статьи (сменой оффера, сегментацией базы, ускорением оплаты счетов — это отдельные решения со своим эффектом). Стоимость внедрения конвейера дедупликации и атрибуции: разработка вебхука и функции — это разовая работа на 1–2 дня специалиста уровня «настроить интеграцию», плюс настройка кастомных полей в CRM. По времени это 12–16 часов работы — то есть разовые вложения, сопоставимые примерно с двумя рабочими днями одного специалиста (оценка). Эксплуатация: вызовы дешёвой модели на классификацию лида стоят копейки за штуку — при типовом для этой воронки потоке валовых лидов в день это заведомо ниже стоимости одного часа работы аналитика в месяц, даже с запасом на повторные догоны по расписанию (оценка на основе публичных цен на модели класса mini). Эффект нужно считать не как «сколько денег принёс инструмент», а как «сколько времени и риска он снимает». Пример на условных, но реалистичных числах: если аналитик тратит 3 часа в неделю на ручную сверку дублей и разметку неатрибутируемых лидов при типовом потоке лидов — это около 12 часов в месяц ручного труда, которые автоматизация снимает почти полностью, то есть высвобождается объём времени, сопоставимый примерно с полутора рабочими днями специалиста ежемесячно (оценка). Формула для своего случая: (часы ручной сверки лидов в месяц) × (ставка специалиста в час) = ежемесячные потери на ручной труд, который заменяет фильтр. Если это число больше стоимости разового внедрения — инструмент окупается быстро. В нашем примере разовые затраты на внедрение (12–16 часов работы) окупаются примерно за 1–1,5 месяца снятого ручного труда — и это без учёта второго, более весомого эффекта, который считается отдельно. Второй, более весомый эффект — не экономия часов, а снятый риск ошибочного решения. Пример: доля неатрибутируемых лидов — 20–30% в обычный месяц (по декабрю — все 30%) от бюджета канала. Это значит, что решение «отключить канал» или «удвоить бюджет» в такой месяц принимается вслепую по 20–30% объёма трафика канала, происхождение которого никто не подтвердил. Эти два эффекта — экономия часов и снятый риск ошибочного решения — не складываются механически в одну сумму: часы считаются в трудозатратах текущего месяца, а риск — это вероятность более дорогой ошибки в будущем. Держите их раздельно, если считаете окупаемость для своего случая, иначе легко приписать инструменту чужой эффект. Отдельно — про инфлюенсеров: 350 000 ₽ и ноль договоров за месяц — это цифра одного канала, не результат фильтра лидов и не заслуга или вина автоматизации. Её нельзя чинить дедупликацией — здесь нужен другой разговор: о критериях выбора площадки и контрольной точке отсечения бюджета до третьего месяца, а не после. Подробнее о том, как считать реальную стоимость ИИ-инструментов в подобных конвейерах, — в разборе сколько на самом деле стоит ИИ в месяц . Чек-лист: с чего начать в понедельник Выгрузить лиды за последний месяц и посчитать долю без utm-меток или с пустым источником — если больше 15%, завести отдельную строку «неатрибутируемые» в отчёте. Проверьте отчёт по продажам по двум фильтрам — «дата создания заявки» и «дата оплаты договора» — и сравнить итоговые суммы. Расхождение больше 5% значит, что текущий отчёт врёт. Найдите хотя бы один канал, где ROI отрицательный два месяца подряд, и явно решить: третий месяц наблюдения или остановка — без «ещё чуть-чуть посмотрим». Разбейте месячный план по лидам на недели с контрольными точками — не ждать конца месяца, чтобы узнать об отставании. Проверьте процент отбраковки лидов за контроль качества отдельно от процента конверсии в продажу — если отбрак выше плана в 2–3 раза, проблема в качестве трафика, а не в отделе продаж. Если поток лидов заметный (десятки в день) — оценить, сколько часов в неделю уходит на ручную сверку дублей (например, 3 часа в неделю ≈ 12 часов в месяц), и сравнить с разовой стоимостью внедрения фильтра (по нашей оценке — порядка 12–16 часов работы специалиста); если ручной труд стоит дороже за 1–2 месяца — фильтр окупается быстро. Что сделать на этой неделе: возьмите последний отчёт по рекламе и рядом положите фактические поступления за тот же период. Не выручку по CRM, а деньги. Если цифры не сходятся — вы нашли, где искать, и это уже половина решения. Механику сквозного счёта — от клика до платежа, с проверкой качества лида до попадания в отчёт — разбираю в бесплатном курсе для руководителей . Мой опыт: где я ошибался сам Я долго смотрел на стоимость лида как на главную цифру. Мы её снижали, гордились результатом — и не понимали, почему касса не растёт. Ошибка была в том, что я мерил вход в воронку, а деньги живут на выходе. Перелом случился, когда мы связали рекламу с фактическими оплатами. Выяснилось, что самый «дорогой» канал давал клиентов с чеком вдвое выше и почти без отказов, а «дешёвый» — вал заявок, из которых до денег доходили единицы. Мы полгода вкладывали в худший канал, потому что он лучше выглядел в отчёте. Тогда я и назвал для себя тот навык, которого мне не хватало. Навык руководителя здесь не в том, чтобы разбираться в настройках рекламного кабинета, — а в том, чтобы к любой красивой цифре в отчёте задавать два вопроса: в каких деньгах она выражается и на какую дату посчитана. Два вопроса, тридцать секунд. Их не задают годами. Если у вас маркетолог отчитывается стоимостью лида и вы этим довольны — вы, скорее всего, повторяете мою ошибку прямо сейчас. Попросите его показать выручку по каналам, а не заявки. Разговор изменится в тот же день. Сделайте на этой неделе один запрос: выручка по каналам за квартал, не заявки. Если таких данных нет — вот вам первая задача, и она важнее любой оптимизации ставок. Как связать рекламу с деньгами и проверять качество лида до отчёта — механика в бесплатном курсе для руководителей .