Средний CAC — метрика, которая прячет проблему
Бюджет корпоративного маркетинга живёт с напряжением, которого нет у стартапа: множество каналов, размытая атрибуция, длинные циклы сделки и сигналы ROI, приходящие спустя кварталы после траты. В этой среде сильнее всего обманывает средний CAC. Он размазывает стоимость по всем конверсиям и прячет ровно то, что нужно видеть: последний блок вложений в канал стоит намного дороже первого. Распределение бюджета решает не то, во сколько в среднем обходится клиент, а то, во сколько обходится следующий клиент в каждом канале. Всё остальное в этой системе — атрибуция, управление, прогноз — существует, чтобы ответить на этот вопрос данными, а не мнением, и без этого сдвига любой бюджетный спор упирается в ощущения.
Многоканальный бюджет строят по роли, а не по тактике
Прежде чем распределять деньги, каналы полезно классифицировать по функции, которую они выполняют, потому что каждая группа измеряется по-своему и насыщение в одной не похоже на насыщение в другой.
Каналы performance always-on — поиск, ретаргетинг в соцсетях — измеримы, с высоким намерением и предсказуемым маржинальным CAC, но масштабируются с убывающей отдачей: есть точка, за которой рост вложений только поднимает стоимость клиента.
Каналы формирования спроса — видео, discovery, инфлюенсеры — дают меньшее намерение и широкие окна атрибуции; их эффект виден косвенно, в брендовых запросах и прямом трафике, а не в клике, закрывающем сделку.
Каналы удержания и жизненного цикла — email, CRM, сообщения внутри продукта — работают на nurturing с низкой маржинальной стоимостью и влияют на удержание и расширение, а не на привлечение.
Брендовые инициативы — спонсорство, thought leadership — дают эффект в горизонте нескольких кварталов и питают ассистированные конверсии, но плохо поддаются прямой атрибуции. Их тянет срезать первыми, когда бюджет поджимает, именно потому, что их отдача не видна в last-touch; но удержание всех четырёх групп и держит долгосрочный рост.
Причина делить каналы по роли не организационная, а измерительная: одна и та же линейка last-touch применительно к бренду и к поиску систематически штрафует тех, кто работает наверху воронки. Когда всю команду спрашивают по одному и тому же CAC клика, никто не хочет владеть видео или спонсорством, потому что заслуга за конверсию всегда садится на последний касание, и бюджет медленно уходит в каналы, которые лишь снимают спрос, созданный другим каналом.
Кривые маржинального CAC решают, куда идёт следующий рубль
По мере роста вложений каждый канал приближается к насыщению, и там маржинальный CAC отрывается от среднего. Смоделировать убывающую отдачу, сравнить маржинальный CAC с LTV по каналам и следить за кривой окупаемости — значит получить единственно важное: возможность отправить следующий рубль в канал с наибольшим приростным вкладом, а не в тот, что красивее выглядит в сводном отчёте. Маржинальный CAC ещё и ранний детектор: когда он растёт без роста вложений, он сигналит о насыщении, выгорании аудитории, усталости креатива или давлении конкурентов раньше, чем это отразит среднее. Конкретный случай: канал может показывать стабильный средний CAC в 40, тогда как маржинальный уже вырос до 120, потому что первые, очень эффективные блоки вложений всё ещё тянут среднее вниз и прячут, что последний блок уничтожает маржу.
Это распределение корректируют экспериментом, а не интуицией: geo-lift, тесты инкрементальности, тесты креатива и аудитории, включение и выключение каналов. Канал, выглядящий прибыльным в цифровой атрибуции, может не давать реального lift: выключаешь, а продажи не падают.
Оценить эти кривые не требует безупречной эконометрики, требует дисциплины намеренно менять вложения и фиксировать отклик. Поднимать бюджет канала ступенями и мерить CAC на каждой ступени уже показывает, где кривая ломается. Что не работает — выводить насыщение из одного уровня расхода: без вариации нельзя понять, есть ли у канала запас или он уже упёрся в потолок, и решение превращается в догадку, выданную за данные.
Атрибуция — это не одна модель, а три наложенные
Коренная ошибка — искать «единую» модель атрибуции. В многоканальной среде подходы нужно накладывать и триангулировать, потому что каждая семья видит свою часть реальности.
Модели на правилах — first-touch, last-touch, линейная, по позиции — просты и понятны в изложении, но хрупки и смещены на длинных циклах: делят заслугу по договорённости, а не по причинности.
Статистические и ML-модели — data-driven атрибуция, media mix modelling, цепи Маркова — устойчивее и многосигнальны, но требуют много данных и компетенций data science.
Причинные и экспериментальные методы — географические эксперименты, сплиты аудитории, тесты инкрементальности — единственные раскрывают реальный lift, а не корреляцию.
На практике enterprise их сочетают: MTA ловит сигнал на уровне пользователя в цифровых каналах, MMM моделирует макротренд и офлайн-расход, который MTA не видит, а эксперимент рассуждает, когда эти двое расходятся. Ни один из них не финальный отчёт; вместе они образуют систему решений, которая направляет бюджет, вложения в креатив и выход на новые рынки.
Когда три подхода расходятся, расхождение — это информация, а не ошибка. Если MTA щедро кредитует ретаргетинг, который в эксперименте не даёт lift, вероятное чтение таково: канал собирает конверсии, которые случились бы и так. Если MMM видит вклад верхнего канала, который MTA игнорирует, значит заслуга ловилась слишком поздно в пути пользователя. Разрешать эти расхождения, а не складывать три числа, и даёт распределение, которое выдержит разговор с финансами.
От заявленного расхода к созданной ценности
ROI что-то значит, только если вбирает три вещи, которые валовой расход игнорирует: инкрементальность, горизонт времени и юнит-экономику. Центральные цифры: CAC, измеренный на марже, а не в среднем, LTV, собирающий ARPU, удержание, расширение и отток, срок окупаемости в месяцах, приростная выручка (та, что маркетинг создал, а не та, что случилась бы всё равно) и маржа вклада после cost-to-serve. Канал с внешне хорошим ROAS может иметь отрицательную маржу вклада, если вычесть стоимость обслуживания этих клиентов: высокий ROAS считает выручку, но молчит о том, во сколько обходится доставка, поддержка и возвраты по привлечённому сегменту.
Здесь маркетинг и финансы обязаны мерить одно и то же. ROAS на валовой выручке и окупаемость на марже вклада рассказывают о канале разные истории, и разница — как раз cost-to-serve: логистика, поддержка, возвраты, инфраструктура на клиента. Игнорировать её — всё равно что радоваться обороту, не глядя на прибыль, и именно так канал попадает в бюджет следующего квартала, уже подъедая маржу.
Измерить это в enterprise заставляет смотреть дальше квартала: отложенные конверсии, задержка атрибуции, сезонность и время nurturing сдвигают отдачу на несколько периодов. Поэтому ROI кампании с длинным циклом судят не по цифре месяца, а по окну, покрывающему реальный цикл сделки.
Управлять бюджетом от квартала к кварталу
Базовый инструмент — скользящий бюджет на четыре квартала, обновляемый каждый квартал прогнозами, маржинальным CAC, проекциями ROI, насыщением каждого канала и новыми возможностями. Поверх него собирают три ритма с разными задачами: месячный следит за эффективностью по каналам, сигналами насыщения и изменениями CAC и LTV; квартальный перераспределяет бюджет и решает вопрос экспансии; полугодовой или годовой пересматривает стратегию бренда и развитие компетенций. Путать ритмы — принимать стратегическое решение на шумных месячных данных — типичный источник метаний.
Ошибка, симметричная метаниям, — паралич: команды, боясь реагировать на шум, замораживают распределение на кварталы и дают каналу насыщаться без ответа. Практическая линейка — отделять сигнал от шума по размеру отклонения и его устойчивости: падение ROAS, повторившееся в двух месячных срезах подряд и совпавшее с ростом маржинального CAC, — сигнал; единичное недельное колебание — почти никогда, и реакция на него лишь добавляет издержку переключения.
К этому добавляется сценарное планирование: смоделировать рецессию, инфляцию CPC и CPM, всплески спроса, приход конкурентов или региональную экспансию — значит превратить неопределённость в план с заранее продуманными ветками, а не в импровизацию, когда рынок уже сдвинулся.
Метрики, которые обретают смысл только на масштабе
Три семьи достраивают картину. Интегрированные метрики воронки отслеживают движение между этапами — осведомлённость, рассмотрение, конверсия — плюс рост брендовых запросов, прямой трафик, ассистированные продажами конверсии и вклад в pipeline; в покупках с высоким вовлечением это межэтапное движение важнее изолированной конверсии. Метрики операционной эффективности — стоимость приростного lift, стоимость квалифицированной возможности, сокращение цикла сделки, ROAS по каналу против маржинального ROAS — измеряют, улучшается ли система, а не только продаёт ли. А портфельные метрики — доля brand против performance, ROI по регионам, диверсификация каналов, плановый бюджет против исполненного — относятся к маркетингу как к тому, чем он и является: к портфелю, который балансируют, а не к сумме кампаний.
Удержать всё это — вопрос компетенций не меньше, чем цифр. Команде нужно владеть юнит-экономикой, триангуляцией атрибуции, сценарным моделированием и дизайном экспериментов, а метрики должны говорить на одном языке с продуктом, финансами, продажами и data science; если финансы и маркетинг измеряют один канал по-разному, бюджетный спор превращается в драку определений.
Вопросы, которые возвращаются на комитете
Enterprise от стартапа отличает масштаб проблемы: множество каналов, длинные окна атрибуции и большие бюджеты требуют многолетнего управления и экономических моделей, которые стартап может отложить. ROI на длинных циклах измеряют приростным эффектом, маржинальным CAC, многоканальной атрибуцией и вкладом в pipeline на окне, покрывающем реальный цикл, а не last-touch месяца. Перераспределение — квартальное с месячной ревизией, чтобы подстраивать вложения под маржинальный CAC и динамику рынка, не переоценивая шум. Баланс бренда и performance — вопрос портфеля: performance даёт немедленную измеримую отдачу, бренд строит капитал, удешевляющий будущее привлечение, и срезать бренд первым обычно дорого аукается через пару кварталов. А когда ROI падает, первым смотрят маржинальный CAC по каналам, а не средний: спад почти всегда начинается в насыщенном канале, чья стоимость растёт, пока сводный отчёт ещё выглядит здоровым.