Илья Воронцов
Превращаем данные в деньги. Head of BI.
Согласен, что last click часто незаслуженно обесценивает каналы, которые формируют спрос. Но я бы осторожнее относился и к ассоциированным конверсиям.
Сам факт, что пользователь видел баннер или взаимодействовал с контентом перед покупкой, ещё не означает, что именно этот канал повлиял на решение. Мы легко можем просто заменить одну проблему атрибуции другой: вместо «всё получил последний клик» получится «всем участникам пути нужно немного заслуг».
Поэтому для меня главный вопрос при оценке канала — не сколько конверсий ему удалось ассоциировать, а **что произойдёт с продажами, если этот канал убрать**.
Именно здесь эксперимент часто даёт гораздо более честный ответ, чем любая модель атрибуции.
У системы нет цели свести потери в ноль, ее цель - выйти из слепой зоны и снизить процент потерь из-за ошибок
Раньше РОП видел объем продаж и точечно разбирал где идут провалы. Теперь он видит полную картину и может принимать решение как с этим работать (личные разговоры, доп. курсы для менеджеров)
Вы абсолютно правы! Если внедрять ИИ как цифровой концлагерь для штрафов, завтра уволится половина отдела.
Мы это понимали, поэтому внедрили систему экологично:
- Линейные менеджеры вообще не видели дашбордов и не работали в новом софте. Они просто знали, что ИИ есть. В их рутине ничего не изменилось.
- Мы не использовали данные системы для штрафов. Система работала только на спасение сделок РОПом в моменте и на точечный разбор ошибок на сессиях и 1-на-1.
- ИИ показал, что слабые менеджеры сливали сделки не из-за лени, а из-за конкретных затыков (кто-то путал условия рассрочки, кто-то тушевался на слове "дорого"). Мы точечно дообучили их в этих точках.
В итоге вместо бунта мы получили рост конверсии, а слабые менеджеры выросли в показателях и стали зарабатывать больше комиссионных. Все в плюсе.
Согласен с мыслью про пересчёт экономики перед масштабированием. Я бы только добавил один нюанс: на каждом новом уровне бюджета нас должна интересовать не только средняя экономика кампании, но и **экономика дополнительного объёма**.
Первые 10 млн рублей бюджета могут работать прекрасно, следующие 5 млн — приемлемо, а ещё 5 млн уже покупать клиентов в убыток. При этом средний CAC и ROAS какое-то время будут выглядеть вполне здорово.
Поэтому сам факт того, что текущая модель «сходится», ещё не означает, что её можно безопасно масштабировать.
Для меня хороший тест перед увеличением бюджета звучит проще: **если мы вложим следующий рубль, где и когда он перестанет приносить деньги?**
И вот этот порог действительно стоит знать до масштабирования, а не искать его постфактум.
Хорошо показана главная проблема атрибуции: в реальном мире мы почти никогда не видим полный путь пользователя, но при этом от аналитики часто ждут точного ответа — «этот канал принёс нам столько-то денег».
На практике я бы относился к таким тестам скорее как к способу **снизить неопределённость**, а не получить абсолютную истину.
Особенно опасно принимать решение по одному эксперименту. Если промокод говорит одно, last-click другое, а поведение пользователей после отключения канала третье — проблема уже не в том, какая цифра «правильная». Нужно разбираться, почему методы дают разные оценки.
И, пожалуй, это одна из самых сложных частей маркетинговой аналитики: **уметь принимать решения тогда, когда данных недостаточно для идеальной модели**.
Очень показательный кейс. Особенно понравилось, что вы не пытались любой ценой увеличить количество звонков.
В маркетинге это довольно частая ловушка: когда показатель легко измерить, его начинают воспринимать как цель. В итоге можно месяцами наращивать обращения, лиды или трафик и радоваться динамике, хотя для бизнеса это ничего не меняет.
Здесь подход гораздо здоровее: сначала разобраться, какие обращения действительно приводят к продажам, а уже потом масштабировать именно их.
На мой взгляд, именно так и должна работать сквозная аналитика — не отвечать на вопрос «сколько у нас звонков?», а помогать понять, какие звонки вообще стоит покупать.
Согласен с главным тезисом: загрузка сама по себе ничего не говорит о качестве бизнеса.
Я бы только пошёл ещё на уровень глубже. Даже маржинальность заказа не всегда отвечает на вопрос, стоит ли его брать.
В промышленности есть ограниченный ресурс — производственная мощность. Поэтому смотреть нужно не только на то, сколько маржи приносит заказ, но и сколько маржи компания получает с единицы дефицитной мощности.
Заказ с маржой 5%, который занимает линию на неделю, может быть хуже заказа с маржой 10%, который занимает её на два дня.
Отсюда и важность связки показателей: загрузка → маржинальность → себестоимость мощности → клиентская экономика → альтернативная стоимость заказа.
В практике именно здесь часто обнаруживается парадокс: компания считает, что у неё проблема с загрузкой, хотя на самом деле проблема в структуре заказов.
Поэтому я бы ставил вопрос не «как загрузить производство на 90%?», а «какие заказы должны занять эти 90% мощности, чтобы максимизировать прибыль?»
Мне кажется, здесь есть важный третий взгляд на спор «промо или бренд».
Я бы вообще не выбирал между ними как между двумя стратегиями. Промо — это инструмент управления спросом, бренд — инструмент формирования долгосрочной ценности. Сравнивать их только по приросту продаж примерно так же некорректно, как оценивать маркетинг только по выручке.
Гораздо интереснее смотреть, **какого клиента мы получили благодаря этому инструменту и что он сделал с экономикой бизнеса**.
Акция может дать +20% к продажам и одновременно ухудшить retention, снизить среднюю маржу и привести к клиентам с отрицательным LTV/CAC. А может, наоборот, стать эффективным способом привлечения аудитории, которая потом остаётся с брендом и приносит прибыль без постоянного промо.
Поэтому я бы оценивал не «сколько продали после акции», а связку: **инкрементальный спрос → CAC → первый заказ → retention → LTV → unit-экономика**.
В конечном счёте хороший маркетинг — это не тот, который просто увеличивает продажи. Это тот, который **масштабирует прибыльный спрос**.
Интересно. Вместе с этим я бы здесь не останавливался на сравнении кластеров.
85,7 тыс. ₽ выручки на автомат в транспортном хабе против 31 тыс. ₽ в супермаркете — хороший сигнал, но пока непонятно, за счёт чего возникает разница.
Дальше хочется посмотреть динамику по месяцам и неделям, разброс внутри кластера, ассортимент, out-of-stock, частоту пополнения, конкретные локации и стоимость обслуживания.
Потому что 85 тыс. ₽ выручки сами по себе ещё ничего не говорят о привлекательности точки. Если у неё выше списания, логистика, аренда или стоимость обслуживания, то по прибыли картина может оказаться совсем другой.
И в итоге интересно понять какие характеристики точки позволяют стабильно получать больше прибыли на один автомат и можно ли их воспроизвести при масштабировании.
Согласен с основной мыслью: пока работа ИТ не зафиксирована, для бизнеса её почти не существует.
Но я бы не ограничивался количеством заявок и временем их обработки. Большая нагрузка сама по себе ещё не аргумент для увеличения штата.
Гораздо сильнее показать, **сколько бизнес теряет из-за текущей загрузки ИТ**: сколько часов сотрудники ждут решения, сколько стоит простой критичных систем, сколько ручной работы возникает из-за отсутствия автоматизации.
Тогда разговор с руководством меняется. Вместо «нам нужно ещё два человека, потому что мы не успеваем» появляется вполне конкретный вопрос: «Компания теряет X рублей в месяц из-за текущего ограничения, сколько стоит его устранить?»
На мой взгляд, именно перевод нагрузки из количества задач в деньги лучше всего помогает ИТ защищать ресурсы.