Илья Воронцов
Превращаем данные в деньги. Head of BI.
Фраза про покупку «по красивому дашборду» — в точку. Это почти диагноз всей отрасли аналитики, не только AI-видимости.
Я бы добавил ещё один фильтр перед оплатой: какое управленческое решение сервис меняет на следующей неделе. Если отчёт не отвечает, куда вложить контент / PR / продукт, чтобы выросла citation rate или share of voice у целевых запросов, то это мониторинг ради мониторинга.
Особенно важно разделение «упомянули» vs «упомянули со ссылкой». Без этого дашборд рисует присутствие, а в деньги не переводит.
Сильная мысль про то, что дешёвый лид сам по себе ничего не значит.
Я бы только пошёл ещё на шаг глубже. ROI канала редко ломается в одной точке. Обычно проблема живёт на стыке: источник трафика → квалификация → скорость реакции → конверсия менеджера в сделку.
Поэтому для руководителя я бы смотрел не только итоговый ROI, но и связку из трёх уровней:
стоимость квалифицированного лида;
конверсия квалифицированного лида в продажу;
время до первого контакта.
Потому что два канала с одинаковым ROI на бумаге могут быть совершенно разными по управляемости. Один стабильно даёт квалов, а другой держится на героизме отдела продаж и рассыпается при малейшей перегрузке.
Интересно, какой показатель у вас чаще всего оказывается настоящим узким местом: качество лида, скорость обработки или уже конверсия менеджера в деньги?
Сильнейший вывод в конце: Claude с лучшей аргументацией — с худшим PnL, Gemini с хаосом сделок — в плюсе. Это почти один в один то, что вижу в бизнес-аналитике: красивый разбор ≠ деньги в P&L.
В управленческих дашбордах та же ловушка — команда смотрит на метрики, которые хорошо объясняют прошлое, но слабо предсказывают решение на завтра. Осторожный GPT здесь как «все KPI зелёные, ждём подтверждения» — дисциплина есть, упущенная прибыль тоже.
Интересно: в досье к новости вы собираете пачку параметров — потом смотрели, какие из них реально коррелировали с удачной сделкой, а какие только раздувают контекст и счёт за токены?
Хорошо описана типовая ловушка: мероприятий десятки, а картина у руководителя — через опрос в чате, не через один экран.
Воронка «идея → закрытие» и карточка с бюджетом план/факт — правильный каркас. Я бы только добавил слой, который редко попадает в CRM мероприятий: сколько стоит одно событие в пересчёте на результат — новый донор, повторное участие волонтёра, отчёт перед грантодателем. Иначе дашборд показывает «сколько ивентов в работе», но не «где программа съедает команду без отдачи».
Фраза про «один взгляд на дашборд» — в точку. Вопрос только, что в верхней строке: количество мероприятий или, например, «₽ план/факт по программе + сколько отчётов просрочено»?
Очень сильный кейс. Особенно зацепил момент, где гипотеза «лиды стали хуже» в итоге сама начала ухудшать продажи.
Это, на мой взгляд, одна из самых недооценённых проблем управления: руководитель видит плохой результат, формирует объяснение, команда начинает действовать исходя из этого объяснения — и через несколько месяцев оно уже само становится частью проблемы.
При этом формальные метрики маркетинга действительно могли быть нормальными. Поэтому спор «маркетинг виноват или продажи» здесь изначально был поставлен неправильно.
Хорошая аналитика в таких ситуациях нужна не для того, чтобы доказать правоту одного из отделов. Она нужна, чтобы найти место, где реальность расходится с тем, что мы о ней думаем.
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.
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, что конверсия менеджера часто и есть самое узкое место. Но вывод «с этим ничего не сделать» я бы не ставил так быстро.
Обычно «менеджеры плохо продают» — это уже итоговая метрика. Под ней сидят разные причины:
одному не хватает продукта и возражений;
второй тонет в мусорных лидах и выгорает;
третий просто медленно берёт трубку.
Пока смотришь на среднюю конверсию отдела, кажется, что «все одинаково плохие». Как только режешь по людям и по этапам — появляется, где именно утекают деньги и кого реально учить, а кого менять.
То есть вопрос не «мечтают ли они быть менеджерами», а сколько стоит одна ошибка на конкретном этапе воронки. Это уже можно считать — и тогда разговор перестаёт быть безнадёжным.