Прогнозирование продаж с ИИ: сколько заявок даст рекламный бюджет

Прогнозирование продаж с ИИ - это расчёт будущих заявок, сделок и выручки по данным о рынке, конверсии и бюджете, который обученные модели (нейросети и алгоритмы машинного обучения) делают за часы вместо недель. По практике агентства ELPODIUM, такой прогноз сходится с фактом в коридоре около 85% и превращает маркетолога из исполнителя в стратега, который приходит к клиенту с цифрами, а не с обещаниями.

Представьте сцену. Собственник клиники спрашивает маркетолога, сколько пациентов придёт за рекламный бюджет в полмиллиона. Маркетолог отвечает, что точно сказать нельзя, рынок непредсказуем. Собственник кивает и уходит к тому, кто назовёт цифру. В ELPODIUM за 7 лет мы собрали 300+ маркетинговых стратегий в 17+ странах и видим эту сцену постоянно: выигрывает не тот, кто красивее рассказывает, а тот, кто приносит расчёт.

Эта статья - для маркетологов и SMM-специалистов, которые устали быть исполнителями и хотят научиться приходить к клиенту с прогнозом. Разберём, как строится расчёт, и в конце покажем, где этому можно научиться по шагам.

Речь идёт о больших деньгах: по данным АКАР, объём российского рынка маркетинговых коммуникаций в 2025 году превысил 2,4 трлн рублей. За каждым рекламным бюджетом стоит один и тот же выбор: вложить вслепую и ждать или заранее посчитать, во что он превратится. Собственник, который отдаёт в рекламу полмиллиона, предпочитает второе.

Большинство маркетологов прогнозировать пока не умеют. На кастдевах с практикующими специалистами мы слышим это прямым текстом: прогнозировать результат для них — «игра в угадайку», и непонятно, «как задаются бюджеты, метрики, KPI, на основании чего». Маркетолог приносит контент-план, собственник спрашивает про выручку, и разговор повисает.

Инструменты для расчёта при этом уже под рукой. По данным HubSpot (State of AI, 2025), 91% маркетинговых руководителей подтверждают, что их команды используют обученные модели в работе. В 2026 году такой расчёт перестал быть привилегией крупных команд. Вопрос не в доступе к технологии, а в умении превращать данные в прогноз, которому можно доверять.

Точность прогноза — это насколько предсказанная цифра совпала с фактической. Спрогнозировали 57 сделок, по факту получили 52 — точность около 90%. Чем больше у вас данных о воронке, тем уже коридор прогноза и тем меньше расхождение с фактом.

Обученные модели сужают этот коридор. По данным McKinsey, прогнозирование на основе моделей снижает ошибку прогноза на 20–50% по сравнению с ручными методами. Для собственника это означает меньше сюрпризов в конце квартала и более точное планирование закупок, найма и бюджета.

Прогноз на глаз тоже имеет право на жизнь, когда данных нет совсем. Но как только появляется хотя бы статистика по прошлым кампаниям, интуиция проигрывает расчёту: она не объясняет, откуда взялась цифра, и её невозможно проверить.

Чтобы спрогнозировать продажи до запуска, нужны пять входных величин: ёмкость рынка в вашем регионе, средняя стоимость заявки в нише, конверсия из заявки в сделку, средний чек и маржинальность. Без любой из них прогноз превращается в фантазию, поэтому первый этап работы — собрать данные, а не сразу рисовать графики.

Где их брать. Ёмкость рынка и сезонность алгоритм собирает из открытых отраслевых данных и поисковой статистики. Стоимость заявки берётся из бенчмарков ниши и прошлых кампаний. Конверсию воронки дают CRM клиента или усреднённые отраслевые показатели, когда своих данных пока нет. Средний чек и маржу называет сам собственник.

Здесь и начинаются типичные ошибки. По данным Paper Planes, одна из частых причин провала стратегии — выбор каналов и целей без опоры на реальные цифры бизнеса. Прогноз, построенный на усреднённых отраслевых показателях без привязки к конкретной воронке клиента, разойдётся с фактом в разы.

Обученная модель ускоряет сбор и сводит данные в одну картину. Маркетолог загружает выгрузку из CRM, бенчмарки ниши и бюджет, а на выходе получает черновик расчёта за час вместо нескольких дней ручного сведения таблиц. Дальше специалист проверяет логику, отсекает нереалистичные допущения и доводит модель до рабочего вида.

Экономика привлечения показывает, сколько стоит привести одного клиента и сколько он приносит прибыли. Сравнение этих двух чисел и есть юнит-экономика — экономика одного клиента. Если клиент приносит больше, чем стоило его привлечение, кампанию можно масштабировать; если меньше, бюджет сгорает.

Логика расчёта одна, а цифры зависят от рынка и валюты. Покажу на двух примерах: российском в рублях и европейском в евро.

Российская клиника с бюджетом 500 000 рублей в месяц. Стоимость заявки 700 рублей даёт около 714 обращений. При конверсии из заявки в пациента 8% это примерно 57 пациентов. Привлечение одного обходится в 8 800 рублей (500 000, делённые на 57). Средний чек 60 000 рублей при марже 40% даёт 24 000 рублей валовой маржи с пациента, почти втрое больше, чем стоило его привлечение.

Европейская клиника с бюджетом 5 000 евро. Стоимость заявки там выше, 10 евро, поэтому из бюджета выходит около 500 обращений. При конверсии 10% это 50 пациентов, привлечение одного стоит 100 евро. Средний чек 800 евро при марже 50% даёт 400 евро маржи с пациента, вчетверо больше затрат на привлечение.

В обоих случаях видно главное: клиент приносит ощутимо больше, чем стоило его привести, значит экономика сходится, и это понятно ещё до запуска рекламы. Это и есть ценность клиента: прибыль, которую он приносит за первую сделку, а в идеале за всё время работы с ним (показатель LTV). Конкретные цифры в вашей нише будут другими, но принцип расчёта не меняется.

ROMI (возврат маркетинговых инвестиций) считается как валовая прибыль от маркетинга минус расходы на маркетинг, делённые на эти расходы и умноженные на 100%. Важная деталь, которую часто путают: ROMI считают от прибыли, а не от выручки, иначе цифра завышается и подводит на практике.

Возьмём российский пример. 57 пациентов приносят валовой маржи около 1 368 000 рублей (57 умножить на 24 000). Расходы на маркетинг составили 500 000 рублей. ROMI равен (1 368 000 минус 500 000), делённые на 500 000 и умноженные на 100%, что даёт около 174%. Каждый вложенный рубль возвращает себя и приносит ещё 1,74 рубля прибыли.

Европейский пример считается так же. 50 пациентов по 400 евро маржи дают 20 000 евро, расходы на маркетинг 5 000 евро. ROMI равен (20 000 минус 5 000), делённые на 5 000 и умноженные на 100%, то есть около 300%. Цифры разные, метод один.

Эта цифра становится главным аргументом в разговоре с собственником. Она переводит обсуждение из плоскости «реклама дорогая» в плоскость «вот доходность канала». На кастдевах собственники прямо говорят, что прогноз важен, «потому что его необходимо оцифровать», и ROMI как раз превращает стратегию в понятную цифру.

Цифры работают не только на расчёт, но и на доверие. По данным Salesforce (State of Sales, 2024), 83% команд, использующих обученные модели в продажах, отчитались о росте выручки против 66% у тех, кто их не применяет.

Хороший KPI отвечает на вопрос «когда я пойму, что что-то пошло не так». Если заложено 714 заявок за месяц, а к середине месяца пришло 200, сигнал виден сразу, и кампанию можно поправить, не дожидаясь, пока кончится бюджет. KPI без прогноза бесполезен: не с чем сравнивать.

Отдельно стоит закладывать срок окупаемости. Маркетинг редко возвращает деньги в первый месяц, особенно в нишах с длинным циклом сделки. Собственник должен заранее видеть, что вложение окупится, например, на третий месяц, а не ждать результата в первую неделю.

Дисциплина в цифрах окупается. По данным Gartner, специалисты, которые встраивают обученные модели в работу с данными, в 3,7 раза чаще выполняют план, чем те, кто полагается на интуицию.

Точность прогноза 85% означает, что предсказанная цифра расходится с фактом в среднем на 15%. На фоне рынка это сильный показатель: по данным Gartner, выше 90% точности достигают лишь 7% компаний, а у большинства прогноз промахивается на 20–30% (точность в коридоре 70–79%).

Разница между 79% и 85% кажется небольшой, но на деньгах она решает. На бюджете 500 000 рублей и выручке порядка 3,4 млн рублей шесть процентных пунктов точности — это сотни тысяч рублей расхождения между планом и фактом. Для собственника это граница между решением, которое окупится, и решением, которое уйдёт в минус. А для маркетолога это разница между ответом «точно не скажу» и ответом «вот ваш диапазон»: второй и есть то, за что клиент платит стратегу.

Прогноз мы отдаём не одной цифрой, а диапазоном. Вместо «будет 57 сделок» клиент получает «от 50 до 60 сделок и выручка около 3,4 млн», и факт с высокой вероятностью попадает внутрь этого коридора. Точность мы считаем как среднее совпадение прогноза с фактом по завершённым проектам, где у клиента были чистые данные воронки. На новом проекте без своей статистики коридор шире, и мы говорим об этом сразу.

По данным marketsandmarkets, 71% компаний считают повышение точности прогноза высоким или критическим приоритетом. Причина простая: чем точнее прогноз, тем меньше денег уходит на догадки.

На сборе данных хорошо работают системы с веб-поиском и ссылками на источники: они находят бенчмарки ниши и сезонность, и сразу видно, откуда цифра. На расчётах сильны модели с интеграцией в таблицы, например в Google Sheets: вы загружаете исходные данные, задаёте сценарии и получаете готовую экономику. На проверке помогает отдельный обученный агент, который ищет в стратегии слабые места.

Границы важно проговаривать. В 2026 году обученные модели стали стандартным инструментом маркетолога, но применять и доверять вслепую — разные вещи. По данным HubSpot, 66% маркетологов в мире уже работают с такими моделями, однако алгоритм уверенно выдаёт красивые числа даже там, где данных мало, и без проверки человеком прогноз легко превращается в дорогую иллюзию.

Поэтому методология важнее инструмента. Маркетологи на кастдевах признаются, что модель «выдаёт стандартную информацию» и они «не понимают, как вытащить из неё больше». Решает не сама система, а то, кто ставит ей задачу и кто проверяет результат.

Прогноз на глаз и расчёт продаж с ИИ отличаются по основе, скорости, проверяемости и тому, что в итоге получает собственник. Разница видна в таблице.

Таблица отвечает на частый вопрос собственников: зачем платить за стратегию, если «и так понятно». Понятно бывает до первого месяца открученного бюджета. Расчёт стоит дешевле, чем полмиллиона, слитые на догадках.

На реальном проекте прогноз идёт по цепочке: данные клиента, модель сценариев, проверка экономики, защита цифр перед собственником. Покажу на двух примерах из практики агентства.

Производитель теплиц в Польше пришёл с болью сезонного бизнеса: непонятно, сколько закладывать в рекламу под пик спроса. Мы собрали модель спроса по прошлым сезонам и поисковой динамике, заложили сценарии и спрогнозировали выручку декабря около 190 000 долларов. Факт попал в заявленный коридор, и собственник впервые планировал закупку стекла и труб под конкретную цифру, а не под ощущение «вроде декабрь горячий».

B2B-производитель в Восточной Европе боялся, что реклама не окупится: решение о покупке у его клиентов принимается месяцами. Мы построили модель с учётом длинного цикла и показали ROMI не на горизонте месяца, а на горизонте полугода. Цифра убедила, потому что учитывала специфику ниши, а не подставлялась из шаблона.

Скажу прямо: маркетолог, который не умеет прогнозировать, навсегда остаётся оформителем постов, а не стратегом. Можно сколько угодно гордиться насмотренностью и креативами, но клиент платит большие деньги за ответ на один вопрос: сколько он заработает. Тот, кто умеет считать прогноз, продаёт стратегию за сотни тысяч; тот, кто не умеет, торгуется за пять тысяч на бирже фриланса. Навык прогноза решает, в какой лиге вы играете.

Да, на старте прогноз строится на бенчмарках ниши и данных рынка, а не на вашей CRM. Точность в этом случае ниже, поэтому первый прогноз даётся диапазоном пошире, а после первого месяца кампании модель уточняется уже на ваших цифрах. Это нормальная практика для новых проектов.

Хорошей считается точность в коридоре 70–85%, то есть расхождение с фактом не больше 15–30%. По данным Gartner, выше 90% попадают лишь 7% компаний. Профессиональный прогноз даёт узкий диапазон, в который факт попадает с высокой вероятностью, а не единственную идеальную цифру.

ROMI считает возврат именно маркетинговых инвестиций и берётся от прибыли, а не от выручки. Если считать от выручки, цифра завышается и подводит на практике. ROI шире и охватывает любые вложения. Для оценки рекламного бюджета корректнее использовать ROMI от валовой прибыли.

Нет. Обученная модель ускоряет сбор данных и расчёт сценариев, но решение о допущениях и проверку логики делает человек. Алгоритм уверенно выдаёт красивые числа даже там, где данных мало, поэтому без специалиста прогноз легко превратить в дорогую иллюзию. Модель работает усилителем, а не заменой.

С обученными моделями черновик расчёта собирается за несколько часов вместо нескольких дней ручного сведения таблиц. Дальше нужно время на проверку логики и защиту цифр, поэтому полноценный прогноз в составе стратегии обычно готов за несколько рабочих дней, а не недель.

Сверить отклонение с KPI и найти, на каком шаге воронки оно возникло. Чаще причина не в прогнозе, а в исполнении: медленный ответ на заявки, слабый оффер, не тот канал. Прогноз с заложенными KPI как раз и нужен, чтобы поймать расхождение в середине месяца и поправить кампанию, а не узнать о провале по факту.

Нет. Прогноз строится по понятной логике: данные воронки, конверсия, средний чек и бюджет. Расчёты берут на себя обученные модели, а от вас нужны здравый смысл и проверка допущений. На курсе «Маркетинговые стратегии с ИИ» этот навык осваивают маркетологи без технического бэкграунда за 2,5 месяца.

Прогнозировать продажи - это навык, и ему можно научиться по шагам. Если вы маркетолог или SMM-специалист и хотите перестать терять клиентов на вопросе «сколько я заработаю», начните с практики на реальном проекте, а не с очередной подборки промптов.

На курсе «Маркетинговые стратегии с ИИ» (2,5 месяца) Влада Клюйко и Виктория Росинская показывают весь путь: как собрать данные, построить прогноз в обученных моделях, посчитать юнит-экономику и ROMI и защитить цифры перед клиентом. Вы проходите это на своём проекте или проекте клиента и выходите с прогнозом, который не стыдно показать собственнику.

В этом и разница между исполнителем, который берёт 30 000 рублей за контент, и стратегом, который берёт за стратегию в разы больше. Узнать программу и записаться:

Дополнительно по теме в нашем блоге на VC.ru: разбор маркетингового аудита и конкурентная разведка с ИИ.

Авторы: Виктория Росинская и Влада Клюйко, сооснователи ELPODIUM.

Обновлено: июнь 2026