Содержание 13 разделов ↘
Маркетинговая аналитика часто выглядит точнее, чем исходные данные. В отчёте есть CPL до рубля, CAC до копейки, ROMI до десятых процента. Но если часть заявок задвоена, продажи не вернулись из CRM или источник потерялся, формула аккуратно считает неправильную реальность.
Чтобы понять масштаб эффекта, RAF провёл вычислительный эксперимент. Мы не пытались оценить «средний процент ошибок у российских компаний» — таких данных у нас нет. Вместо этого задали контрольную воронку, где истинные показатели известны, а затем по одному вносили типовые ошибки и измеряли, как меняется вывод.
Базовая модель
В контрольном сценарии маркетинг тратит 500 000 ₽, получает 250 валидных лидов и 50 новых клиентов. Рекламно-маркетинговые расходы на одного клиента — 10 000 ₽, CPL — 2 000 ₽. Выручка, отнесённая к этой когорте, — 2 млн ₽, валовая маржинальность — 40%.
Валовая прибыль до маркетинговых расходов составляет 800 000 ₽. После вычета 500 000 ₽ остаётся 300 000 ₽. Если использовать формулу ROMI по валовой прибыли, принятую в инструментах RAF, результат равен 60%.
| Показатель | Истинное значение |
|---|---|
| Маркетинговые расходы | 500 000 ₽ |
| Валидные лиды | 250 |
| Новые клиенты | 50 |
| CPL | 2 000 ₽ |
| Расходы на нового клиента | 10 000 ₽ |
| Выручка | 2 000 000 ₽ |
| Валовая прибыль при марже 40% | 800 000 ₽ |
| ROMI по валовой прибыли | 60% |
Дальше меняется только качество данных. Реальная экономика бизнеса остаётся той же. Это позволяет увидеть чистую ошибку измерения.
Дубли лидов делают CPL искусственно лучше
Если в систему попадают повторные формы, одинаковые звонки или несколько событий одной заявки, знаменатель CPL растёт, хотя новых возможностей для продаж не стало больше.
| Лишние лиды в данных | Измеренный CPL | Ошибка относительно истины |
|---|---|---|
| 5% | 1 905 ₽ | −4,8% |
| 10% | 1 818 ₽ | −9,1% |
| 20% | 1 667 ₽ | −16,7% |
| 30% | 1 538 ₽ | −23,1% |
Ошибка нелинейна. Если лидов стало на 20% больше только из-за дублей, CPL занижается не на 20%, а на 16,7%, потому что исходные расходы делятся на увеличенный знаменатель.
Опасность в том, что канал с большим количеством повторных касаний может выглядеть эффективнее. Например, форма создаёт новую запись после каждого повторного обращения, а звонки дедуплицируются. Тогда сравнение каналов измеряет не только маркетинг, но и различия технической интеграции.
Решение — определять лид как бизнес-сущность, а не событие интерфейса. Клик по кнопке, submit формы и созданная запись в CRM — три разных события. В CPL должны попадать только те единицы, которые команда действительно считает отдельными обращениями.
Потерянные продажи быстро завышают CAC
Обратная ошибка происходит, когда клиент существует в бизнесе, но не возвращается в маркетинговую аналитику. Расходы остаются полностью, знаменатель уменьшается — и измеренная стоимость клиента растёт.
| Клиенты, потерянные в данных | Видимые клиенты | Измеренный CAC | Ошибка |
|---|---|---|---|
| 5% | 47,5 | 10 526 ₽ | +5,3% |
| 10% | 45 | 11 111 ₽ | +11,1% |
| 20% | 40 | 12 500 ₽ | +25,0% |
| 30% | 35 | 14 286 ₽ | +42,9% |
При потере 30% клиентов ошибка CAC уже не 30%, а почти 43%. Чем сильнее уменьшается знаменатель, тем быстрее растёт показатель. Это важно для систем, где часть продаж закрывается офлайн, менеджеры не заполняют источник или интеграция передаёт только часть статусов.
С практической точки зрения категория «источник неизвестен» лучше, чем принудительное распределение. Если система не знает источник 20% клиентов, руководитель видит ограничение. Если алгоритм без доказательств разбрасывает их между каналами, отчёт выглядит полным, но ошибка становится невидимой.
Асимметричная ошибка может поменять победителя
Наиболее опасна не общая ошибка по всем данным, а различие качества измерения между каналами.
Представим два источника. Истинная стоимость клиента у канала А — 10 000 ₽, у канала Б — 12 000 ₽. Канал А лучше на 16,7%. Но если у А теряется источник у 20% клиентов, система увидит CAC 12 500 ₽. Канал Б без ошибок останется на уровне 12 000 ₽ и формально станет победителем.
Маркетинг перераспределит бюджет в канал, который в реальности дороже. Арифметика отчёта при этом безупречна — ошибка находится в данных до формулы.
Для распределения бюджета важно не только общее качество данных. Нужно проверить, не теряет ли один канал больше продаж или обращений, чем другой.
Именно поэтому проверки аналитики стоит приоритизировать по зонам решений. Если email и органика измеряются с разной полнотой продаж, сравнение их CAC требует отдельной оговорки. Не нужно сначала чинить все события на сайте — нужно устранить ошибки, способные изменить распределение денег.
Ошибка выручки резко двигает ROMI
В контрольной модели ROMI по валовой прибыли равен 60%. Теперь предположим, что расходы и число клиентов верны, но часть выручки не попала в отчёт. При валовой марже 40% каждые потерянные 10% выручки уменьшают валовую прибыль на 80 000 ₽.
| Ошибка выручки | Видимая выручка | Измеренный ROMI | Сдвиг |
|---|---|---|---|
| −10% | 1 800 000 ₽ | 44% | −16 п.п. |
| −20% | 1 600 000 ₽ | 28% | −32 п.п. |
| +10% | 2 200 000 ₽ | 76% | +16 п.п. |
| +20% | 2 400 000 ₽ | 92% | +32 п.п. |
Переоценка появляется, например, если в выручке остаются отменённые заказы, возвраты или дубли транзакций. Недооценка — если часть оплат проходит другим способом и не возвращается в систему.
Особенно опасно, когда ошибки коррелируют с каналом. Допустим, маркетплейс или call-центр хуже связывает оплату с источником, чем онлайн-заказ. Тогда один канал систематически теряет выручку и выглядит менее окупаемым.
Задержка сделки создаёт ошибку даже при идеальных данных
Не всякое искажение — техническая ошибка. Иногда данные верны, но неправильно выбран период сравнения.
Пусть истинная финальная стоимость клиента той же когорты — 10 000 ₽, но к концу месяца успело закрыться только 40% будущих сделок. Если весь расход уже записан в текущий месяц, а в знаменатель попадают только закрытые 20 клиентов из будущих 50, временный CAC будет 25 000 ₽ — в 2,5 раза выше финального.
Через два месяца, когда сделки дозреют, показатель «улучшится» без единого изменения рекламы. Это не реальный рост эффективности, а созревание когорты.
Такая ошибка особенно часто возникает в B2B и дорогих услугах. Руководитель видит текущие расходы и текущие продажи, но они принадлежат разным поколениям лидов. Для длинного цикла нужно связывать расход с когортой привлечения и отдельно показывать её зрелость.
Не все ошибки нужно чинить одновременно
Аналитическая инфраструктура может иметь десятки несовершенств. Попытка сделать её «идеальной» до первого отчёта затягивает проект. Мы предлагаем оценивать ошибки по двум критериям: вероятный масштаб и способность изменить решение.
| Ошибка | Что искажает | Риск для решения |
|---|---|---|
| Дубли заявок | CPL, конверсию формы | Канал кажется дешевле |
| Неучтённые продажи | CAC, ROMI | Канал кажется дороже и слабее |
| Отмены как продажи | CAC, выручку, ROMI | Канал кажется прибыльнее |
| Неизвестный источник | Распределение клиентов | Бюджет уходит в неверный канал |
| Разный период расходов и продаж | CAC, ROMI | Свежие когорты выглядят убыточно |
| Разные определения лида | CPL и качество | Сравниваются несопоставимые величины |
Если ошибка способна поменять порядок каналов или решение о масштабировании, она приоритетнее декоративной неточности в второстепенном отчёте. Например, отсутствие UTM у небольшой служебной рассылки может подождать, а потеря 20% сделок из основного рекламного канала — нет.
Как построить контроль качества данных
Хорошая аналитика должна контролировать не только бизнес-метрики, но и собственную полноту. На первом этапе не нужна сложная система контроля качества данных. Достаточно нескольких диагностик.
- Доля неизвестного источника среди новых клиентов и выручки.
- Доля дублей в заявках и клиентах по согласованному правилу.
- Расхождение числа продаж между CRM, платежами и аналитическим слоем.
- Доля отмен и возвратов, которые успели попасть в отчёт.
- Возраст когорты для каналов с длинной сделкой.
- Дата последней успешной передачи данных между ключевыми системами.
Эти показатели полезно выводить рядом с маркетинговым отчётом. Тогда руководитель видит не только CAC 11 200 ₽, но и, например, что 18% продаж пока не имеют источника. Точность числа перестаёт быть иллюзией.
Для критичных показателей можно ввести допустимый «бюджет ошибки». Например, если перераспределение бюджета между двумя каналами происходит при разнице CAC около 10%, потеря 15–20% клиентов по источнику уже делает решение ненадёжным. Значит, качество атрибуции должно быть улучшено до следующего перераспределения.
Что это меняет в управлении маркетингом
Первый вывод — нельзя оценивать качество аналитики по количеству настроенных событий. Событий может быть сто, а одна потерянная связь «лид → клиент» делает финансовый вывод хуже, чем отсутствие десяти микроконверсий.
Второй — ошибки нужно искать относительно решения. Если компания сравнивает каналы по CAC, приоритетны полнота клиентов, одинаковый состав расходов и атрибуция. Если оптимизирует форму — дедупликация и подтверждённая успешная отправка. Если считает ROMI — выручка, отмены, маржа и временной контур.
Третий — неизвестность должна быть видимой. Категория «не определено» неприятна, но честна. Принудительно заполненный источник создаёт красивую полноту и может привести к более дорогой ошибке.
И наконец, метрику стоит сопровождать оценкой качества данных. Не обязательно сложным рейтингом. Иногда достаточно строки: «12% клиентов без надёжного источника; вывод по распределению бюджета предварительный». Такой комментарий делает отчёт сильнее, а не слабее.
Ошибки складываются не так, как кажется
В реальной системе редко встречается ровно одна проблема. Допустим, в рекламе есть 10% дублей лидов, а CRM одновременно теряет 10% клиентов при передаче в аналитический слой. CPL будет выглядеть примерно на 9% лучше истины, а CAC — примерно на 11% хуже. Руководитель увидит странную картину: дешёвые лиды и дорогие клиенты. Это можно ошибочно объяснить качеством рекламы, хотя часть разрыва создана архитектурой данных.
Ещё хуже, если ошибки направлены в одну сторону. Пусть часть отмен остаётся в выручке, а повторные обращения считаются новыми лидами. Тогда канал одновременно получает низкий CPL и завышенный ROMI. В отчёте он становится идеальным кандидатом на масштабирование, хотя оба показателя выглядят лучше из-за ошибок в учёте.
Поэтому сверяйте независимые источники данных, а не доверяйте одному дашборду без проверки. Число заказов в аналитике должно сопоставляться с CRM и оплатами; сумма выручки — с финансовым контуром; число лидов — с фактическими сущностями, которые обрабатывают продажи.
Необязательно добиваться абсолютного совпадения до рубля. Системы могут использовать разные даты, налоги и правила возврата. Но различие должно быть объяснимым и стабильным. Если расхождение было 3%, а стало 18%, это самостоятельный сигнал до любых выводов о маркетинге.
Минимальный протокол перед финансовым выводом
Перед ежемесячным перераспределением бюджета можно пройти короткую сверку. Она занимает меньше времени, чем последующий разбор неверного решения.
- Расходы. Сверить рекламные кабинеты, комиссии и другие статьи, которые входят в выбранную формулу.
- Лиды. Проверить дубли, тесты, спам и единое определение валидного обращения.
- Клиенты. Сопоставить число новых клиентов в CRM с аналитическим слоем и категорией «источник неизвестен».
- Выручка. Проверить отмены, возвраты, НДС и дату признания выручки.
- Период. Убедиться, что расходы и результат относятся к сопоставимой когорте или что временной лаг явно показан.
- Изменение методики. Зафиксировать новые правила атрибуции, статусы CRM или интеграции, способные создать искусственный скачок.
Эта процедура особенно важна перед крупным действием: отключением канала, увеличением бюджета в несколько раз, пересмотром агентства или изменением плана продаж. Чем дороже решение, тем выше ценность дополнительной проверки данных.
Можно использовать и принцип чувствительности: пересчитать решение в нескольких сценариях качества данных. Если даже при 15% неизвестных источников канал остаётся лучшим с большим запасом, решение устойчиво. Если лидер меняется уже при 5% ошибки, спор о нескольких десятых CAC нельзя считать закрытым — сначала нужно улучшить измерение.
Исправление ошибок в данных тоже должно окупаться
Не каждую потерю данных выгодно устранять. Если исправление редкого служебного события стоит месяц разработки и не влияет ни на одно решение, оно может подождать. И наоборот, простая передача идентификатора сделки, которая возвращает в аналитику 15% потерянных продаж, способна изменить распределение миллионов рублей бюджета.
Поэтому список задач по аналитике полезно сортировать как список задач по развитию продукта: ожидаемое влияние на решение, частота возникновения ошибки, стоимость исправления и риск. Такой подход выводит аналитику из режима «настроить всё» в режим управления качеством там, где оно приносит деньги.
В зрелой системе цель не в стопроцентной заполненности каждого поля. Цель — понимать остаточную неопределённость и не позволять ей незаметно менять управленческий выбор.
Ограничения исследования
Это вычислительный эксперимент, а не измерение реальной распространённости ошибок в компаниях. Мы не утверждаем, что бизнес обычно теряет 10%, 20% или 30% данных. Эти уровни выбраны как сценарии чувствительности.
Базовая модель упрощена: один период, одна валовая маржа, фиксированные расходы и одинаковый средний доход на клиента. Реальные воронки содержат разные чеки, повторные продажи, переменные комиссии и более сложную атрибуцию. Однако математическое направление искажения сохраняется: завышенное число обращений занижает CPL, а потеря части клиентов в отчёте завышает CAC, а неполная выручка двигает показатели окупаемости.
Исследование также не решает вопрос причинности маркетинга. Даже идеально связанная продажа с источником не доказывает, что клиент не купил бы без этого касания. Здесь рассматривается более базовая задача — насколько ошибочные записи способны исказить уже выбранную модель измерения.
Главный вывод: качество данных следует оценивать не абстрактно, а через чувствительность управленческого решения. Ошибка становится критичной в тот момент, когда способна поменять выбор канала, объём бюджета или вывод об окупаемости.
