Как посчитать прибыль с каждого звонка без сквозной аналитики: кейс автоматизации аналитики автосервиса

Ключевые цифры проекта

• Ниша: многопрофильный автосервис
• Рекламных источников: 30, из них результативных номеров: 15
• Направлений в 1С: 6
• Период данных: с января 2026 года, скрипты готовы к обработке 2027 года
• Ручная сводка до проекта: до 6 часов в неделю
• Обновление после проекта: ежедневно, автоматически
• Модели атрибуции: last click и мультиканальная
• Внешняя база данных: не используется

Клиент и исходная ситуация

Клиент — автосервис с шестью направлениями:

• кузовной ремонт;
• слесарный ремонт;
• шиномонтаж и сход-развал;
• коммерческий (грузовой) транспорт;
• автоэлектрика;
• диагностика и ТО.

Реклама идёт через 30 источников: локальные карты, доски объявлений, агрегаторы автосервисов, два собственных сайта, мессенджеры, формы обратной связи и квизы. Звонки отслеживаются статическим коллтрекингом: за каждым источником закреплён свой номер. Стабильно приносят звонки 15 номеров.

Данные при этом жили в трёх отдельных системах:

• телефония знала, кто и на какой номер позвонил, но не знала, заплатил ли клиент;
• 1С знала заказ-наряды, суммы, направления и телефон клиента, но не знала, откуда он пришёл;
• заявки с форм приходили с UTM-метками, и администраторы переносили их в 1С вручную.

Команда маркетинга сводила всё это руками, тратя до 6 часов в неделю. Погрешность была высокой, а к моменту готовности отчёт уже устаревал.

Задача

Нужна была регулярная сводка, которая отвечает на вопросы: какую прибыль приносит каждый звонок и каждый источник, в каких направлениях, что масштабировать, а что отключить.

Условий было два. Первое: 1С и телефонию не трогаем, интеграцию номеров решили пока не делать. Второе: данные клиентов не должны уходить и публиковаться в интернете.

Почему не стали внедрять сквозную аналитику

Классический ответ на такую задачу — сквозная аналитика. Здесь она не подходила по трём причинам. Потребовалась бы доработка 1С, которую заказчик не планировал. Клиентскую базу пришлось бы передать в облачный сервис. И наконец, основной трафик шёл с карт и агрегаторов, где динамический коллтрекинг не работает.

Поэтому я выбрал другой путь: собрать и связать данные из выгрузок, которые у клиента уже были.

Решение: как устроена система

Шаг 1. Выгрузка из 1С

Скрипт забирает из 1С заказ-наряды: дату, направление, сумму, прибыль и телефон клиента. Данные сохраняются на сервер заказчика в исходном виде, чтобы при изменении правил расчёта можно было пересчитать всю историю.

Шаг 2. Данные телефонии

Второй скрипт выгружает журнал звонков: время, номер клиента, номер источника и статус. Номер источника сразу переводится в название площадки по справочнику.

Шаг 3. Заявки с форм и UTM-метки

Заявки с сайтов и квизов учитываются по UTM-меткам, которые вносятся в 1С, и по отдельному файлу с заявками. Скрипт приводит значения меток к единому виду, потому что при ручном вводе без разночтений не обходится.

Если вы только настраиваете метки, начните со статьи «UTM-метки: как они работают и что реально можно отследить». Ссылки удобно собирать в генераторе UTM-меток: так значения сразу будут одинаковыми, и чистить их потом не придётся.

Шаг 4. Сведение, атрибуция и ROI

Главный ключ — номер телефона клиента. Скрипт нормализует номера из всех источников, сопоставляет звонки и заявки с заказ-нарядами в заданном окне и считает:

• прибыль по каждому источнику и направлению;
• распределение в двух моделях атрибуции: last click и мультиканальной (подробнее о моделях атрибуции);
• ROI по затратам на каждый канал;
• рекомендации: какие каналы масштабировать, какие держать на текущем уровне, какие отключить.

Шаг 5. Итоговый Excel-отчёт

На выходе получается Excel-файл на тысячи строк и около десятка листов: сводка, источники, направления, модели атрибуции, детализация по звонкам. Аналитику это удобно, а для ежедневных решений слишком тяжело.

Шаг 6. Веб-дашборд без передачи данных в интернет

Поэтому я предложил вывести самое важное на дашборд в собственном веб-интерфейсе. Главное требование заказчика было, чтобы данные никуда не уходили. Решение получилось таким: отчёт перетаскивается в окно браузера (drag-and-drop), интерфейс разбирает файл прямо на компьютере пользователя и строит показатели и графики.

Внешней базы нет, ничего не публикуется. После закрытия вкладки данные исчезают с экрана, а файл остаётся на сервере заказчика.

На дашборде:

• выручка, прибыль и ROI за период;
• рейтинг источников по прибыли;
• разбивка по шести направлениям;
• динамика на графиках;
• фильтры по дням, неделям, месяцам и годам.

ДО ПОСЛЕ

Расписание

Скрипты запускаются в конце рабочего дня. К утру у команды маркетинга готов свежий отчёт за вчера, и можно сразу заниматься аналитикой, а не сводить таблицы.

Вайб-кодинг без утечки данных

Скрипты я собирал с помощью ИИ-агентов. Этот подход называется вайб-кодингом, и он заметно ускоряет разработку. При этом агентам не передавалась ни одна строка реальных данных клиентов. Они видели только структуру колонок и синтетические примеры, а запуск и отладка на реальных данных шли на стороне заказчика. Скорость ИИ-разработки сохранилась, а доступ к персональным данным посторонним сервисам так и не открылся.

Результаты

Команда маркетинга экономит около 26 часов в месяц, это больше 300 часов в год.

Главный вывод оказался приятным: убыточных каналов нет, вся реклама окупается. Теперь видно, какие источники дают больше прибыли на вложенный рубль и в каких направлениях. Туда можно перераспределять бюджет, опираясь на цифры, а не на ощущения. И всё это без настроенной сквозной аналитики: цифры по продажам максимально приближены к реальным.

Кому подойдёт такое решение

Автосервисам, клиникам, ремонтным и строительным компаниям, B2B-услугам с большим количеством звонков.

Бизнесу, где много офлайн-источников: карты, агрегаторы, доски объявлений.

Компаниям, где есть 1С или другая учётная система и телефония, но они не связаны между собой.

Тем, кто не хочет или не может передавать клиентские данные в облачные сервисы.

Как проходит работа

1. Разбор задачи. Смотрю ваши источники, выгрузки и то, какие решения вы хотите принимать по отчёту.
2. Оценка и план. Фиксирую состав данных, модели атрибуции, метрики и сроки.
3. Разработка скриптов. Готовлю выгрузки, очистку, сведение и расчёты. Тестирую на ваших данных без передачи их третьим лицам.
4. Дашборд. Вывожу ключевые показатели в удобный интерфейс, при необходимости полностью локальный.
5. Запуск. Настраиваю ежедневное обновление и показываю команде, как читать отчёт.
6. Поддержка. Добавляю новые источники и метрики по мере роста.

Хотите так же видеть прибыль с каждого звонка? Обсудить проект. Разберу вашу ситуацию и скажу, что можно автоматизировать уже сейчас.

Об авторе. Воробьев Антон, основатель Liderix. Автоматизирую маркетинговую аналитику и строю дашборды для бизнеса.