У маркетинг-команди однієї бізнес-школи на столі лежали два звіти за місяць. У першому - рекламний кабінет: Telegram приносить найбільше заявок і за найкращою ціною. У другому - CRM: більшість цих заявок зависає на етапі кваліфікації і ніколи не стає студентами. Facebook натомість дає втричі менше звернень, але саме звідти приходять люди, які платять за курс.

Якби команда орієнтувалась тільки на перший звіт, бюджет і далі йшов би в Telegram - там найдешевший лід. Але ціна ліда і ціна клієнта - це два різні числа, і різниця між ними може непомітно з'їдати маркетинговий бюджет місяцями. Саме цей розрив і закриває наскрізна аналітика: вона з'єднує те, що бачить рекламний кабінет, із тим, що насправді відбувається в бізнесі - хто заплатив, а хто просто заповнив форму.

Де рветься зв'язок

Рекламна платформа знає тільки одне: хтось клікнув і залишив контакт. Що сталося з цим контактом далі - чи відповів на дзвінок, чи дійшов до оплати, чи повернув гроші через тиждень - алгоритм не бачить. Він вчиться на тому, що йому показали, і якщо показали лише факт заявки, він продовжить приводити схожі заявки. Навіть якщо половина з них ніколи не стане клієнтами.

У випадку з бізнес-школою команда Power-UP вирішила це технічно просто: кожному новому ліду в CRM почали записувати clientID - ідентифікатор сесії, який браузер зберігає в cookie в момент візиту на сайт. Дані з CRM за місяць і дані з Google Analytics за той самий період звели в одній таблиці через цей спільний атрибут. Вийшла зведена таблиця, де по кожному каналу й навіть по кожній рекламній кампанії видно весь шлях ліда - від першого кліку до моменту, коли гроші фактично надійшли на рахунок.

Після цього ціль рекламних кампаній перестали ставити як «відправлена форма». Її замінили на реальний прибуток. Facebook, який раніше здавався дорожчим каналом, виявився найкращим за кількістю закритих угод. Telegram продовжував приносити багато лідів, але частка тих, що доходять до оплати, лишилась низькою. YouTube тримав середину - не найбільший обсяг, але стабільна якість заявок.

Хто насправді привів клієнта

Другий розрив виникає тоді, коли клієнта «веде» не один канал, а кілька одразу. Класична модель атрибуції віддає всю заслугу останньому кліку перед конверсією - тому й здається, що саме цей канал спрацював. У проєкті для однієї EdTech-компанії Power-UP перевірили це припущення й збудували власну статистичну модель атрибуції на Google BigQuery: вона розраховує, яку саме вагу в русі клієнта до покупки мав кожен дотик із рекламою, а не лише останній.

Результат ламав звичну картину. Google Paid, який за стандартною моделлю здавався середнім за ефективністю каналом, насправді приносив на 23% більше конверсій, ніж йому зараховували. А Facebook Referral, що роками отримував солідну частку бюджету як надійний канал, виявився переоціненим на 34% - більшість його «заслуг» насправді належали іншим дотикам у шляху клієнта. Перерозподіл бюджету на основі цих цифр, а не інтуїції чи звички, і є тим, що в наскрізній аналітиці називають прийняттям рішень на основі даних.

Коли лід зникає між сайтом і застосунком

Третій, найнепомітніший розрив трапляється у проєктах, де людина спочатку заходить на сайт, а встановлює застосунок тільки пізніше - типова схема для фінтех-продуктів. Людина побачила рекламу, відкрила сайт, подивилась умови, закрила вкладку. Наступного дня зайшла на той самий сайт напряму, через закладку в браузері, і вже тоді перейшла в App Store. У звичній логіці трекінгу UTM-мітки з реклами живуть лише в межах одного візиту - і цей другий захід система запише як прямий трафік, хоча привела людину саме вчорашня реклама.

У кількох фінтех-проєктах Power-UP вирішили це без втручання в код сайту й без розробників - лише через Google Tag Manager. Мітки джерела трафіку почали зберігатись у cookie при першому візиті і підтягуватись при кожному наступному, поки людина не прийде з нового рекламного каналу. Посилання на встановлення застосунку на сторінці стали динамічними: кожному відвідувачу підставляється deep-link із правильним джерелом, яке потім коректно потрапляє в AppsFlyer чи Adjust. Різниця непомітна користувачу і критична для того, хто вирішує, у який канал вкладати наступний бюджет.

Що з цим робити далі?

У кожному з трьох випадків проблема була не в рекламі й не в каналах - вона була в тому, що бізнес і рекламний кабінет говорили різними мовами. Одна сторона рахувала клієнтів, інша - кліки. Наскрізна аналітика - це, по суті, переклад з однієї мови на іншу: GA4 і CRM, рекламний кабінет і реальний рахунок зведені в одну систему. У цій системі є вартість ліда. І окремо, зазвичай зовсім інша цифра, - вартість клієнта.

Сьогодні ціль рекламних кампаній бізнес-школи з першого прикладу - не форма на сайті, а фактично отриманий платіж. Різниця звучить як дрібниця. У річному маркетинговому бюджеті вона рідко виявляється дрібницею.