Автоматизация маркетинговой аналитики — это когда данные о рекламе, звонках, заявках и продажах собирают и сводят скрипты по расписанию, а не люди. Даже без сквозной аналитики звонок можно связать с продажей по номеру телефона клиента. Дальше считается ROI каждого канала минимум в двух моделях атрибуции, а свежий дашборд готов каждое утро. Цифры получаются близкими к реальности, но не идеальными. Для решений о рекламном бюджете этого достаточно.
Что такое автоматизация маркетинговой аналитики
Автоматизация маркетинговой аналитики — это набор скриптов и правил, которые без участия человека забирают данные из рекламных источников, телефонии и учётной системы. Затем скрипты очищают эти данные, связывают между собой и выдают готовые отчёты. Человек подключается только на последнем шаге: смотрит на цифры и принимает решения.
Её не стоит путать со сквозной аналитикой. Сквозная аналитика обычно работает как отдельный облачный сервис. Он следит за клиентом от клика по объявлению до оплаты через интеграции с сайтом, CRM и динамическим коллтрекингом. Подробно о ней и о том, как не переплатить за внедрение, я писал в статье «Сквозная аналитика: что это, как запустить и не переплатить».
| Параметр | Сквозная аналитика | Автоматизированная сводка |
|---|---|---|
| Как связывает данные | Через интеграции, по ID клиента или сессии | По общему ключу из выгрузок: телефон, дата, UTM |
| Что нужно менять | CRM или 1С, сайт, коллтрекинг | Ничего, работает с тем, что уже есть |
| Точность | Высокая при правильной настройке | Близкая к реальной, зависит от качества данных |
| Обновление | Почти в реальном времени | По расписанию, обычно раз в сутки |
| Модель оплаты | Абонентская плата и внедрение | Разовая разработка, поддержка по необходимости |
| Где хранятся данные | Чаще всего в облаке сервиса | На вашем сервере |
Когда аналитика без сквозной — разумный выбор
Сквозная аналитика не всегда лучший вариант. Обходной путь оправдан в четырёх типовых ситуациях:
- 1С сильно доработана, и её интеграция стоит дороже годового бюджета на аналитику;
- телефония не передаёт номера в учётную систему, а менять провайдера не хотят;
- собственник не готов отдавать клиентскую базу во внешний облачный сервис: телефоны клиентов — персональные данные, и по 152-ФЗ за их обработку отвечает компания;
- большая часть рекламы идёт через площадки, куда не поставить счётчик: Яндекс Карты, 2ГИС, Авито, отраслевые агрегаторы.
Последний пункт особенно важен для локального бизнеса. Динамический коллтрекинг подменяет номер на сайте, но в карточке на картах или в объявлении на агрегаторе он ничего не может. Там работает только статический коллтрекинг.
Именно так было в моём кейсе автоматизации аналитики с 1С и телефонией для автосервиса. Там 30 рекламных источников, звонки и продажи хранятся в разных системах, а сводка нужна «ещё вчера».
Какие данные нужны для аналитики
Телефония и статический коллтрекинг
Статический коллтрекинг — это схема, при которой за каждым рекламным источником закреплён отдельный номер телефона. Если клиент позвонил на номер из 2ГИС, значит, он пришёл из 2ГИС.
Из телефонии нужны дата и время звонка, номер клиента, номер, на который звонили (он же обозначает источник), длительность и статус звонка: принят или пропущен. Большинство российских провайдеров IP-телефонии отдают эти данные через API или выгрузкой в CSV.
Учётная система: продажи и прибыль
В 1С лежит то, ради чего всё затевается, — деньги. Это заказ-наряды или реализации, сумма, себестоимость или маржа, направление деятельности, дата и телефон клиента. Если телефон в документе заполняется, мост между звонком и продажей уже есть, даже когда системы не интегрированы.
Выгрузку из 1С автоматизируют по-разному: регламентным заданием, которое сохраняет файл в папку, через HTTP-сервис или через OData. Способ зависит от конфигурации и от того, кто её сопровождает.
Заявки с сайтов, квизов и форм
Источник онлайн-заявок определяют UTM-метки. Если метки не попадают в учётную систему автоматически, их можно вносить вручную. Главное, чтобы значения везде писались одинаково. Что метки умеют и где их предел, я разобрал в материале «UTM-метки: как они работают и что реально можно отследить». Собрать ссылки с правильной разметкой и без опечаток поможет генератор UTM-меток.
Рекламные расходы
Без затрат ROI не посчитать. Расходы из Яндекс Директа забираются по API. Оплату карт, агрегаторов и досок объявлений обычно раз в месяц вносят в простую таблицу. Этого достаточно, если формат один и файлы лежат в одной папке.
Как связать звонок с продажей без интеграции
Вся схема держится на сопоставлении по номеру телефона клиента. Из телефонии мы знаем, что клиент с номером X позвонил на номер источника Y. Из 1С знаем, что клиент с номером X оплатил заказ-наряд на Z рублей по направлению W. Совпавший номер X связывает рекламу с деньгами.
Чтобы это работало, скрипт делает три вещи:
- Нормализует номера. +7 (916) 123-45-67, 89161234567 и 9161234567 — один и тот же клиент. Все номера приводятся к одному формату.
- Задаёт окно атрибуции. Звонок засчитывается, если заказ-наряд открыт в течение N дней после него. Для услуг с коротким циклом разумно 14–30 дней, для дорогих работ окно делают шире.
- Обрабатывает повторные обращения. За месяц один клиент может позвонить на три разных номера. Здесь в дело вступают модели атрибуции.
Теперь честно о погрешности. Клиент может позвонить с рабочего телефона, а в 1С записать личный. Кто-то приезжает без звонка. Администратор может ошибиться в цифре. Поэтому цифры близки к реальности, но не идеальны. Для решения «куда добавить бюджет, а где урезать» этого хватает. Ошибки обычно распределяются по каналам примерно равномерно и редко меняют их порядок в рейтинге.
Модели атрибуции: какую выбрать
Модель атрибуции — это правило, по которому ценность продажи делится между рекламными касаниями клиента.
| Модель | Как распределяет ценность | Когда полезна | Слабое место |
|---|---|---|---|
| Last click (по последнему касанию) | 100% последнему звонку или заявке | Короткий цикл сделки | Недооценивает каналы, которые приводят клиента впервые |
| First click (по первому касанию) | 100% первому касанию | Оценка каналов привлечения | Не учитывает всё, что было потом |
| Линейная (мультиканальная) | Поровну между всеми касаниями | Клиент много сравнивает перед покупкой | Не различает вклад каналов |
| С затуханием во времени | Больше последним касаниям | Длинный цикл, акции | Сложнее объяснить руководителю |
| Позиционная (U-образная) | 40% первому, 40% последнему, 20% остальным | Смешанные сценарии | Веса условные |
Мой совет: смотрите хотя бы на две модели рядом, например last click и мультиканальную. Если канал силён в обеих, в него стоит вкладываться. Если он хорош только в мультиканальной, значит, он приводит клиентов, которые потом возвращаются через другой источник. Отключать такой канал опасно.
В Яндекс Метрике тоже есть модели атрибуции, но они учитывают только визиты на сайт. Звонков с карт и агрегаторов в них нет.
Как посчитать ROI и ROMI рекламы
Базовая формула:
ROI = (Прибыль от канала − Расходы на канал) / Расходы на канал × 100%
ROMI — та же логика, но только для маркетинговых вложений. На практике термины часто используют как синонимы. Важнее другое: считайте от валовой прибыли, а не от выручки. Для сервиса это выручка минус себестоимость запчастей и работ.
Пример. На канал потратили 50 000 ₽. Он привёл заказ-наряды на 400 000 ₽ выручки при марже 40%. Валовая прибыль составила 160 000 ₽, ROI = (160 000 − 50 000) / 50 000 × 100% = 220%. Если бы считали от выручки, получилось бы 700%. Такая красивая цифра подтолкнула бы к неверным решениям.
Рядом с ROI полезно видеть ещё три показателя:
- CPL — стоимость обращения: расходы, делённые на число звонков и заявок;
- CAC — стоимость клиента: расходы, делённые на число оплативших;
- конверсия звонка в заказ — доля звонков, после которых появился заказ-наряд.
Как устроена автоматизация: схема из шести шагов
- Сбор. Скрипты по расписанию забирают данные из 1С, телефонии, файлов с заявками и расходами.
- Хранение. Всё складывается на сервер в исходном виде, чтобы при изменении правил можно было пересчитать историю.
- Очистка. Нормализуются телефоны, даты и названия каналов, удаляются дубли. «Авито», «avito» и «Авито объявл.» становятся одним источником.
- Сведение и расчёт. Звонки и заявки связываются с продажами, считаются атрибуция, ROI, прибыль по каналам и направлениям.
- Отчёт. Формируется Excel-файл с детализацией и сводными листами.
- Визуализация и расписание. Главное выводится на дашборд. Запуск происходит ночью, чтобы утром команда видела данные за вчерашний день.
Типичный стек: Python (pandas, openpyxl), планировщик задач (cron или планировщик Windows), API телефонии и выгрузки из 1С. Сегодня такие скрипты не обязательно писать с нуля. Многое собирается с ИИ-ассистентами, и этот подход называют вайб-кодингом. Правило одно: реальные данные клиентов в нейросеть не отправляются. Модели показывают структуру таблиц и обезличенные примеры, а сам скрипт запускается у вас.
Дашборд: что должно быть на экране
Excel на тысячи строк хорош для аналитика, но решения по нему принимать неудобно. Дашборд для маркетолога и руководителя отвечает на пять вопросов: сколько заработали, откуда пришли деньги, по каким направлениям, как всё меняется во времени и что делать дальше.
Минимальный набор блоков:
- выручка, прибыль и ROI за период с динамикой;
- рейтинг источников по прибыли и ROI;
- разбивка по направлениям услуг;
- звонки, пропущенные звонки и конверсия в заказ;
- сравнение двух моделей атрибуции;
- фильтры по дням, неделям, месяцам и годам.
Из российских инструментов для визуализации подойдёт Yandex DataLens. Если данные нельзя выносить в облако, делают собственный веб-интерфейс, который открывает отчёт прямо в браузере, без сервера и внешней базы. Power BI и Tableau технически возможны, но с покупкой лицензий в России есть сложности.
Частые ошибки
- ROI считают от выручки. Каналы выглядят прибыльнее, чем на самом деле.
- Смотрят только одну модель атрибуции. Из-за этого отключают каналы, которые приводят новых клиентов.
- Автоматизируют хаос. Если UTM вносят как попало, скрипт это не исправит. Сначала договоритесь о правилах.
- Забывают про пропущенные звонки. Это потерянные деньги, которые реклама уже оплатила.
- Строят дашборд ради дашборда. Тридцать графиков на экране никто не смотрит, а пять ключевых смотрят каждый день.
Вывод
Автоматизация маркетинговой аналитики не требует дорогой интеграции всех систем. Достаточно общего ключа (телефона клиента), дисциплины в UTM-метках, двух моделей атрибуции и скриптов, которые каждую ночь сводят данные. Результат — ежедневный ответ на главный вопрос маркетинга: какая реклама приносит прибыль.
Если хотите посмотреть, как это работает на реальном проекте, загляните в кейс автосервиса с 30 рекламными источниками и шестью направлениями.
Об авторе. Воробьёв Антон Сергеевич, SEO- и GEO-специалист, основатель Liderix. Настраиваю маркетинговую аналитику и автоматизирую отчёты для бизнеса.
