Финансовый директор спрашивает, почему бюджет канала вырос на 30%, а клиентов прибавилось только на 10%. Сводный отчёт ответа не даёт: средний CAC в нём почти не сдвинулся. Ответ лежит в стоимости следующего клиента, и вокруг неё строится вся модель ниже.
Средний CAC прячет проблему
У крупной компании с маркетинговым бюджетом всё сложнее, чем у стартапа. Каналов много. Трудно понять, какой канал привёл клиента. Сделки длинные, а отдача видна через несколько кварталов после траты.
Сильнее всего здесь 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. Бюджет делят по цене следующего клиента в каждом канале. Средняя цена тут плохой советчик.
Атрибуция, планирование и прогнозы нужны, чтобы ответить на этот вопрос цифрами. Без этого любой спор о бюджете сводится к ощущениям.
Каналы делят по роли в воронке
Прежде чем делить деньги, разложите каналы по задачам. Каждую группу меряют по-своему, и выдыхаются они тоже по-разному.
Перформанс-каналы работают постоянно: поисковая реклама, ретаргетинг в соцсетях. Их легко измерить, в них приходят люди, готовые купить, и цена следующего клиента предсказуема. Но чем больше в них вкладывать, тем меньше отдача. После какой-то точки новые деньги только повышают цену клиента.
Каналы, которые создают спрос (видео, рекомендательные ленты, блогеры), приводят людей, которые пока не собираются покупать. Покупка случается позже, иногда через недели. Эффект виден косвенно: растут запросы по названию бренда и прямые заходы на сайт. В клике, который закрывает сделку, его почти не видно.
Каналы удержания (email, CRM, сообщения в продукте) стоят дёшево. Они доводят заявки до покупки, удерживают клиентов и помогают им покупать больше. Новых клиентов они почти не приводят.
Брендовые инициативы (спонсорство, экспертные выступления) дают эффект в горизонте нескольких кварталов и питают ассистированные конверсии, но плохо поддаются прямой атрибуции. Их хочется срезать первыми, когда бюджет поджимает: отдачи не видно в последнем клике. Но долгосрочный рост держится как раз на том, что работают все четыре группы.
Делить каналы по роли нужно ради честных измерений. Если бренд и поиск мерить одной линейкой last-touch, то есть отдавать всю заслугу последнему клику, всегда проигрывают те, кто работает в начале пути покупателя.
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 последнее касание, и бюджет медленно уходит в каналы, которые лишь снимают спрос, созданный другим каналом.
Кривые маржинального CAC решают, куда идёт следующий доллар
По мере роста вложений каждый канал приближается к насыщению, и там маржинальный CAC отрывается от среднего. Если смоделировать убывающую отдачу, сравнить маржинальный CAC с LTV по каналам и следить за кривой окупаемости, появляется главное: возможность отправить следующий доллар в канал с наибольшим приростным вкладом, даже если в сводном отчёте он выглядит скромнее.
Маржинальный CAC ещё и предупреждает раньше. Если он растёт, хотя вложения не менялись, что-то пошло не так: аудитория исчерпана, креатив приелся или конкуренты подняли ставки. Средний CAC покажет это гораздо позже. Например, 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.
Как маржинальный CAC отрывается от среднего, видно на простом расчёте с круглыми числами:
- Канал на расходе 100 000 привёл 2 500 клиентов, значит средний CAC = 100 000 / 2 500 = 40.
- Поднимаем бюджет до 130 000 (плюс 30 000), клиентов становится 2 750 (плюс 250).
- CAC на приросте бюджета = 30 000 / 250 = 120: столько в среднем стоит дополнительный клиент на этом шаге, если прирост клиентов вызван именно дополнительными расходами.
- Средний при этом лишь чуть подрос, до 130 000 / 2 750 ≈ 47, и в сводном отчёте канал всё ещё выглядит дешёвым.
Формула та же, что и для среднего, но берётся на приросте:
маржинальный CAC = Δрасход / Δклиенты
Правило распределения из этого прямое: следующий доллар оправдан, пока маржинальный CAC ниже LTV с поправкой на срок окупаемости. Как только шаг бюджета поднимает маржинальный CAC выше этой планки, деньги эффективнее увести в канал с более пологой кривой, даже если его средний CAC на бумаге выше. В SaaS принято держать LTV не ниже трёх CAC и окупать привлечение примерно за год. Для маржинального CAC планка та же, только проверяют её на последнем шаге бюджета.
Поправки к такому распределению вносят по итогам экспериментов: гео-эксперименты, тесты инкрементальности, тесты креатива и аудитории, включение и выключение каналов. Канал, выглядящий прибыльным в цифровой атрибуции, может не давать реального прироста: выключаешь, а продажи не падают. Подтверждений стоит ждать скромно. Большинство таких тестов не показывает разницы, которую можно отличить от шума, особенно в каналах, где недельные продажи и без того скачут на несколько процентов.
Для оценки таких кривых безупречная эконометрика не нужна, нужна дисциплина: намеренно менять вложения и фиксировать отклик. Если поднимать бюджет канала ступенями и мерить CAC на каждой ступени, становится видно, где кривая ломается. А вот вывести насыщение из одного уровня расхода не получится: без вариации нельзя понять, есть ли у канала запас или он уже упёрся в потолок, и решение превращается в догадку, выданную за данные.
Почему одной модели атрибуции мало?
Чаще всего ошибаются уже в постановке задачи, когда ищут "единую" модель атрибуции. В многоканальной среде подходы нужно накладывать и триангулировать, потому что каждое семейство моделей 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, причинность они не проверяют.
Статистические модели, например data-driven атрибуция и media mix modelling (MMM), учитывают больше сигналов. Зато им нужно много данных и специалисты по data science. MMM смотрит на общие продажи во времени и оценивает вклад каждого канала, включая офлайн.
Причинные и экспериментальные методы (географические эксперименты, сплиты аудитории, тесты инкрементальности) показывают реальный прирост; остальные семейства видят только корреляцию.
На практике крупные компании сочетают все три. Многоканальная атрибуция (MTA) отслеживает каждого пользователя в цифровых каналах. MMM показывает общий тренд и офлайн-расходы, которых MTA не видит. А когда они расходятся, спор решает эксперимент.
Финальным отчётом ни один из них не служит; вместе они образуют систему решений, которая направляет бюджет, вложения в креатив и выход на новые рынки.
Расхождение трёх подходов само по себе несёт информацию. Если MTA щедро кредитует ретаргетинг, который в эксперименте не даёт прироста, 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. Распределение, которое выдержит разговор с финансами, получается из разбора таких расхождений; простая сумма трёх чисел его не даст.
От заявленного расхода к созданной ценности
ROI что-то значит, только если учитывает три вещи, которых не видно в сумме расходов: реальный прирост от маркетинга, срок и юнит-экономику. Главных цифр немного. Маржинальный CAC вместо среднего. LTV, в который входят ARPU, удержание, допродажи и отток. Срок окупаемости в месяцах. Приростная выручка, то есть та, что появилась благодаря маркетингу и не пришла бы сама. И маржа вклада после затрат на обслуживание клиента.
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 разницу между ними даёт как раз стоимость обслуживания: 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.
В крупной компании приходится смотреть дальше квартала. Многие клиенты покупают через месяцы после первого контакта, а сезонность путает цифры. Поэтому ROI кампании с длинным циклом судят по окну, покрывающему реальный цикл сделки; цифра одного месяца тут мало что скажет.
Бюджет на 4 квартала, пересмотр раз в квартал
Базовым инструментом служит 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. Типичный источник метаний: путаница ритмов, когда стратегическое решение принимают на шумных месячных данных.
Обратная ошибка называется параличом: команды, боясь реагировать на шум, замораживают распределение на кварталы и дают каналу насыщаться без ответа.
Сигнал от шума отличают по размеру и устойчивости. Если ROAS падает два месяца подряд, а маржинальный CAC в это время растёт, это сигнал. Разовое колебание за неделю почти никогда сигналом не бывает, и реагировать на него значит зря дёргать команду.
К этому добавляется сценарное планирование. Если заранее смоделировать рецессию, инфляцию CPC и CPM, всплески спроса, приход конкурентов или региональную экспансию, неопределённость превращается в план с продуманными ветками, и импровизировать после сдвига рынка уже не придётся.
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 эффективности показывают, становится ли лучше сама система. Сколько стоит продажа, которую действительно принёс маркетинг. Сколько стоит квалифицированная заявка. Сокращается ли цикл сделки. И как средний ROAS канала соотносится с ROAS последних вложенных денег.
Портфельные метрики (доля бренда против перформанса, ROI по регионам, диверсификация каналов, плановый бюджет против исполненного) относятся к маркетингу как к тому, чем он и является: к портфелю, который нужно балансировать.
Удержать всё это помогают компетенции не меньше, чем цифры. 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.
Что отвечать на бюджетном комитете
Стартап может отложить многолетнее управление и экономические модели, крупная компания нет: множество каналов, длинные окна атрибуции и большие бюджеты делают их обязательными. Отсюда четыре рабочих правила.
ROI на длинных циклах показывают через приростной эффект, маржинальный CAC, многоканальную атрибуцию и вклад в pipeline на окне, покрывающем реальный цикл; last-touch за месяц на комитет не выносят.
Бюджет перераспределяют раз в квартал и сверяют каждый месяц, чтобы успевать за маржинальным CAC и рынком, не дёргаясь от шума.
Спор "бренд или performance" решают как вопрос портфеля: performance даёт немедленную измеримую отдачу, бренд копит капитал, удешевляющий будущее привлечение, и бренд, срезанный первым, обычно дорого аукается через пару кварталов.
Когда ROI падает, первым открывают маржинальный CAC по каналам. Спад почти всегда начинается в насыщенном канале, пока сводный отчёт ещё выглядит здоровым.