Как построить CMO-аналитику: от рекламного клика до реальной прибыли

Большинство маркетинговых отчётов заканчивается там, где начинается самое интересное - на этапе продажи. Наверху всё выглядит прилично: растут показы, увеличивается количество кликов, собираются заявки, а стоимость лида держится в рамках бюджета. Но когда генеральный директор спрашивает, сколько валовой прибыли или маржинального дохода принёс каждый канал и почему половина заявок растворяется до оплаты, стандартные дашборды бессильны.

Проблема не в дефиците данных. Информация есть, но она разорвана: расходы живут в рекламных кабинетах, лиды и статусы - в CRM, финансовый результат - в бухгалтерии, а нагрузка на пресейл вообще не попадает в отчёты маркетолога. CMO Analytics в этом контексте - не какая-то «магическая платформа», а практический подход к сведению расходов, воронки и финансов в единую логику.

Из каких слоёв состоит архитектура CMO-аналитики

Чтобы заголовок статьи полностью соответствовал действительности, систему нужно собрать из конкретных технологических и управленческих слоёв:

1. Рекламные системы и источники: сбор фактических бюджетов и данных (на уровне кампании, группы объявлений, текста или другого доступного источника).
2. Аналитика сайта и трекинг: фиксация сессий, utm-меток и первого взаимодействия с пользователем.
3. CRM-система: сквозная передача лидов, статусов квалификации (MQL, SQL) и параметров сделки.
4. Финансовые данные: выгрузка реальной выручки, себестоимости, затрат на пресейл и закрытых оплат.
5. Единая модель данных (хранилище): связывание всех сущностей в общую когортную логику.
6. Управленческий дашборд: итоговый экран для CMO и CEO, где видны не просто клики, а экономика каждого канала.

Задача этой архитектуры - не пытаться приписать каждый рубль одному случайному клику в длинном цикле, а сделать движение денег абсолютно прозрачным для управленческих решений.

Что в итоге должен видеть CMO: пример дашборда

Чтобы концепция перестала быть абстрактной, посмотрим, как выглядит итоговая таблица в рамках системы CMO Analytics:

Именно такая матрица позволяет принимать решения о перераспределении бюджетов не по стоимости клика, а по реальному вкладу в маржинальный доход бизнеса.

Почему CPL и количество лидов обманывают руководителя

Оценка эффективности по стоимости лида (CPL) удобна для оперативного контроля, но она слепа к качеству трафика. Рекламная кампания может генерировать сотни недорогих заявок, которые будут забивать воронку, но не принесут денег.

Когда маркетолог смотрит только на верх воронки, он видит дешёвые лиды. Когда коммерческий директор смотрит на конец воронки, он видит пустой пайплайн и уставших менеджеров, которые тратят время на сомнительные контакты. Чтобы устранить этот разрыв, метрики нужно увязать в единую цепочку.

Какие данные нужно связать между собой

Чтобы аналитика работала как инструмент управления, а не как архив графиков, в единую модель собираются следующие показатели:

• Фактические затраты: реальный бюджет, потраченный на уровне кампании, группы объявлений, текста или другого доступного источника с учётом НДС и комиссий.
• Качество лида (MQL → SQL): фиксация перехода заявки в квалифицированный спрос с реальным бюджетом и задачей.
• Ресурсные затраты: время специалистов (например, пресейл-инженеров или архитекторов), потраченное на подготовку коммерческих предложений и демонстраций для этого сегмента.
• Финансовый итог: закрытая сделка, цикл продажи и маржинальность продукта.

Важно заранее зафиксировать критерии MQL и SQL, согласовав их между маркетингом и продажами. Например, SQL может означать не просто «лид передан менеджеру», а подтверждённую потребность, подходящий профиль компании, наличие бюджета и понятный следующий шаг. Без общего определения конверсия между этапами будет зависеть от субъективности команды.

Как посчитать ключевые показатели: CAC, LTV и ROMI

Понимание метрик требует прозрачной методологии расчёта без скрытых допущений:

1. CAC (Customer Acquisition Cost)

Для точности показатели делятся на два уровня:

• Рекламный CAC - рекламные расходы, разделённые на число новых платящих клиентов (удобно для прямого сравнения каналов).
• Полный CAC - рекламные расходы плюс затраты на маркетинг, продажи, пресейл и необходимые сервисы, разделённые на число новых платящих клиентов (ближе к реальной экономике бизнеса).

При расчёте применяется когортный метод, соотносимый с теми клиентами, которые реально купили, а не просто оставили контакты.

2. LTV (Lifetime Value)

Оценивает валовую прибыль от одного клиента за всё время работы с ним. Для расчёта берётся средний чек, валовая маржа и частота покупок. В B2B с небольшим числом крупных клиентов LTV лучше рассчитывать по когортам или фактической исторической валовой прибыли конкретных сегментов, избегая слепого применения универсальных формул подписок с коэффициентами оттока.

3. Разделение ROMI и Маржинального дохода

Чтобы генеральный директор не задавал вопросов в духе «у нас выручка есть, а денег нет», показатели рентабельности разводятся по уровням:

• Marketing ROMI = (валовая прибыль от маркетинга − затраты на маркетинг) ÷ затраты на маркетинг × 100%.
• Contribution Margin (Маржинальный доход) - очищенный показатель с учётом прямых расходов на доставку продукта, комиссий и работы команды продаж, показывающий реальный вклад канала в покрытие постоянных расходов бизнеса.

Поиск потерь между MQL, SQL и сделкой

Основная доля неэффективности в B2B-продажах прячется на стыке маркетинга и продаж. Типичный пример: маркетинг передаёт в отдел продаж заявки (MQL), но менеджеры тратят часы на первичные презентации для пользователей, у которых нет полномочий или бюджета на покупку.

Если выстроить воронку честно, становится видно, на каком шаге отваливаются целевые клиенты, а где система перегружена нецелевым трафиком. Решением здесь становится не увеличение рекламного бюджета, а внедрение фильтров квалификации или цепочек прогрева до живого звонка.

Пример условной воронки

Рассмотрим простую модель привлечения для продукта с длинным циклом сделки:

В этом примере CPL равен 1 000 ₽, но стоимость привлечения платящего клиента - 60 000 ₽. Поэтому CPL показывает только цену заявки, а не цену нового клиента. Расчёт здесь базовый и учитывает только прямые рекламные затраты.

Ограничения методики и типичные ошибки

Любая система аналитики имеет свои рамки. Важно помнить об ограничениях:

• Длинный горизонт attribution: в B2B клиент может прийти с органического поиска через полгода после первого контакта с медийной рекламой. Стандартные окна в 30 или 90 дней могут не охватить ранние взаимодействия, а часть влияния вообще происходит вне цифрового трекинга.
• Человеческий фактор в CRM: если менеджеры вовремя не обновляют статусы сделок или указывают причины отказов «для галочки», любые математические модели будут выдавать искажённые результаты.
• Чрезмерная детализация: попытка учесть абсолютно каждый рубль косвенных расходов часто приводит к тому, что стоимость поддержки самой аналитики начинает превышать пользу от неё.

Поэтому атрибуцию лучше использовать как инструмент сравнения и принятия решений, а не как абсолютное доказательство причинности. Для короткого цикла можно анализировать путь от первого контакта до сделки. Для длинного B2B-цикла полезно отдельно смотреть источники создания спроса, точки формирования возможности и каналы, участвовавшие в закрытии сделки.

Заключение

Связывать расходы, воронку и прибыль можно без иллюзий о «магических» чёрных ящиках. Начать стоит с малого: собрать архитектуру из рекламных источников, сайта, CRM и финансов, рассчитать полный CAC и проверить, на каких этапах отсеиваются лиды.