Сквозная аналитика в CRM: UTM, источники, модели атрибуции, отчёт «канал → выручка»

Недавно разговаривал с владельцем интернет-магазина из Алматы. Он показывает мне экран ноутбука: Google Analytics, Яндекс.Метрика, рекламные кабинеты Facebook и Instagram, ещё какие-то таблицы в Excel. «Вот смотри, – говорит, – Яндекс показывает 500 заявок за месяц, Facebook – 300, а в CRM у меня всего 600 заказов. Где остальные 200? И главное – кто из них реально приносит деньги, а кто только бюджет проедает?»

Знакомая картина, правда? Маркетинговые каналы живут своей жизнью, отдел продаж – своей, финансы – своей. Каждый смотрит на свои цифры и уверен в своей правоте. А руководитель сидит посередине и пытается понять: куда вложить следующий миллион тенге – в контекст, таргет или SEO? Без сквозной аналитики этот вопрос превращается в гадание на кофейной гуще.

Сквозная аналитика – это возможность взять любой канал привлечения и проследить путь клиента от первого клика на рекламу до последнего тенге в вашей кассе. Не конверсии в «лиды», не «показатели вовлечённости», а реальные деньги. В этой статье разберём, как построить такую систему: какие данные собирать, как их объединять, какие модели атрибуции использовать и как получить отчёт, который покажет правду о ваших маркетинговых инвестициях.

«Мы полгода думали, что Instagram – наш главный канал продаж. Потом настроили сквозную аналитику и узнали, что он приводит самые дешёвые лиды, но 70% из них не доходят до покупки. А Google, который казался дорогим, давал клиентов с LTV в три раза выше. Перераспределили бюджет – и за квартал подняли выручку на 40%».

Что такое сквозная аналитика и почему без неё бизнес летит вслепую

Представьте, что вы управляете самолётом. У вас есть приборы, показывающие высоту, скорость, направление. Но каждый прибор работает независимо, показывает свои данные в своих единицах, и никто не удосужился их синхронизировать. Высотомер говорит, что вы на 10 000 метров, спидометр – что скорость 800 км/ч, но между ними нет связи. Вы не понимаете, хватит ли топлива, не упадёте ли вы из-за неправильной скорости для этой высоты. Звучит как сценарий катастрофы? Это и есть бизнес без сквозной аналитики.

Большинство компаний оперируют разрозненными метриками: маркетинг считает лиды и CTR, продажи – конверсию и средний чек, финансы – выручку и маржу. Но между этими данными – пропасть. Вы не знаете, какой конкретно лид из какой рекламной кампании превратился в какую сделку и принёс сколько денег. Это не просто неудобно – это опасно для бизнеса.

Почему традиционная аналитика не работает

Классическая веб-аналитика (Google Analytics, Яндекс.Метрика) делает одну важную вещь: отслеживает поведение пользователей на сайте. Она знает, откуда пришёл посетитель, какие страницы смотрел, нажал ли кнопку «Оставить заявку». Но дальше её полномочия заканчиваются. Что произошло после заявки – закрыта она в сделку или нет, на какую сумму, через какое время – веб-аналитика не знает и знать не может.

С другой стороны есть CRM. Она знает всё о сделках: суммы, статусы, менеджеров, сроки. Но часто понятия не имеет, откуда пришёл клиент. В лучшем случае менеджер вручную спрашивает «как вы о нас узнали?» и записывает ответ. «Из интернета» – говорит клиент. Полезная информация, да?

Между этими двумя системами – разрыв. И пока он существует, вы не можете ответить на главный вопрос: какой канал приносит деньги, а какой – только расходует бюджет. Сквозная аналитика этот разрыв устраняет. Она связывает клик на рекламу с конкретной оплатой, позволяя увидеть полную картину.

Из чего состоит система сквозной аналитики: три кита и связующий клей

Сквозная аналитика – не одна программа и не одна интеграция. Это архитектура, которая объединяет несколько систем в единый поток данных. Рассмотрим, какие элементы нужны и как они взаимодействуют.

Источники трафика и UTM-разметка

Всё начинается с рекламы. Вы запускаете кампании в Google Ads, Яндекс.Директ, настраиваете таргет в Instagram, публикуете посты в соцсетях, рассылаете email. Каждый канал генерирует трафик на ваш сайт. И первая задача – не потерять информацию о том, откуда пришёл каждый конкретный посетитель.

Для этого существуют UTM-метки – специальные параметры, которые добавляются к URL. Когда пользователь переходит по ссылке вида site.kz/?utm_source=google&utm_medium=cpc&utm_campaign=sales_summer, система аналитики записывает: источник – Google, тип – платный клик, кампания – летняя распродажа. Это первый кирпичик данных.

Проблема в том, что UTM-метки – это ответственность маркетолога. Если он забудет их поставить, поставит неправильно или использует разные форматы для одинаковых кампаний – данные будут мусором. «google», «Google», «ggl», «гугл» – для системы это четыре разных источника. Поэтому первое, что нужно сделать – установить единый стандарт UTM-разметки для всей компании.

CRM как центр сбора данных

UTM-метки попадают на сайт вместе с посетителем. Но посетитель пока анонимен – у него есть только cookie-идентификатор. Магия происходит в момент конверсии: когда он оставляет заявку, звонит или пишет в мессенджер. В этот момент к анонимному профилю привязывается контакт – телефон, email, имя.

CRM-система становится центром, где объединяются данные о маркетинговом источнике и информация о клиенте. При правильной интеграции в карточку контакта автоматически подтягиваются UTM-метки первого визита: откуда пришёл, по какой кампании, какое объявление увидел. Теперь эти данные не потеряются, даже если клиент вернётся через месяц без всяких меток.

Важный момент: CRM должна хранить не только источник первого касания, но и историю всех взаимодействий. Клиент мог увидеть рекламу в Instagram, потом найти вас через Google, потом прийти по рекомендации друга. Каждое касание – часть пути к покупке. Какое из них важнее? Об этом поговорим в разделе про модели атрибуции.

Данные о сделках и оплатах

Заявка – это ещё не деньги. Между «интересно» и «купил» может быть пропасть: переговоры, уточнения, согласования, ожидание. Не каждый лид становится клиентом. И для сквозной аналитики критически важно отслеживать не только заявки, но и их судьбу: какие превратились в сделки, какие закрылись успешно, на какую сумму, какие отвалились и почему.

В идеале CRM должна быть связана с вашей системой оплаты. Для казахстанского бизнеса это часто Kaspi, банковские эквайринги, платёжные агрегаторы. Когда деньги поступают на счёт, сделка в CRM автоматически помечается как оплаченная. Теперь мы знаем точно: этот конкретный клиент, пришедший из этой конкретной кампании, принёс вот столько тенге.

Модели атрибуции: кому отдать заслугу за продажу

Допустим, клиент прошёл такой путь: увидел рекламу в Instagram → перешёл, но не купил → через неделю нашёл вас в Google → опять ушёл думать → через три дня вернулся напрямую по закладке → оставил заявку → купил. Какой канал привёл этого клиента? Instagram, Google или прямой заход?

Это вопрос атрибуции – распределения «заслуги» за конверсию между разными точками контакта. И тут нет единственно правильного ответа. Есть разные модели, каждая со своей логикой.

Атрибуция по последнему клику (Last Click)

Самая простая и распространённая модель: вся заслуга достаётся последнему каналу перед конверсией. В нашем примере это прямой заход. Логика проста: именно это касание «добило» клиента до покупки.

Минус очевиден: мы игнорируем все предыдущие касания, которые познакомили клиента с брендом, сформировали интерес, удержали в голове. Instagram и Google сработали вхолостую? Конечно, нет. Но по этой модели они не получат ни копейки «признания».

Атрибуция по первому клику (First Click)

Противоположный подход: всё отдаём первому касанию. В нашем случае – Instagram. Логика: без первоначального знакомства с брендом никакой покупки бы не было.

Минус зеркальный: мы игнорируем все последующие усилия. Клиент мог увидеть сотни реклам, но если он не вернулся – первое касание ничего не стоит. А модель этого не учитывает.

Линейная атрибуция

Компромиссный вариант: делим заслугу поровну между всеми касаниями. Instagram получает 33%, Google – 33%, прямой заход – 33%. Справедливо? В некотором смысле. Но модель не учитывает, что разные касания могут иметь разную ценность. Первое знакомство и финальный визит – не одно и то же.

Атрибуция с учётом давности (Time Decay)

Чем ближе касание к конверсии, тем больше веса оно получает. Прямой заход получит больше, Google – меньше, Instagram – ещё меньше. Логика: недавние касания лучше «помнятся» клиентом и сильнее влияют на решение.

Позиционная атрибуция (U-образная)

Первое и последнее касание получают по 40%, оставшиеся 20% делятся между промежуточными. Идея в том, что первое касание – это привлечение внимания, последнее – финальное убеждение, а середина – поддержка интереса. Для многих бизнесов эта модель близка к реальности.

Какую модель выбрать? Зависит от вашего бизнеса. Для интернет-магазина с быстрым циклом покупки Last Click может работать. Для B2B с длинным циклом продаж лучше подойдёт U-образная или Time Decay. Главное – выбрать одну модель и использовать её последовательно. Сравнивать данные, полученные по разным моделям, – путь к путанице.

Технические аспекты: как собрать данные и не потерять по дороге

Теория – это прекрасно, но дьявол, как водится, в деталях. Рассмотрим, какие технические решения нужны для работающей сквозной аналитики и где чаще всего случаются потери данных.

Трекинг на сайте: что ставить и как настраивать

На сайте должен стоять код аналитики, который умеет делать две вещи: сохранять UTM-метки при первом визите и передавать их в момент конверсии. Google Analytics и Яндекс.Метрика делают первое автоматически, но для второго нужна настройка.

Ключевой момент – сохранение меток между визитами. Клиент пришёл по рекламе сегодня, а купил через неделю без всяких UTM. Если система не сохранила первоначальный источник, связь потеряна. Для этого метки записываются в cookie или local storage браузера и «всплывают» при конверсии.

Второй важный аспект – отслеживание конверсий. Это может быть отправка формы, звонок через коллтрекинг, начало чата в мессенджере. Каждый тип конверсии требует своей настройки. Формы – через события в Analytics и GTM. Звонки – через сервисы коллтрекинга (в Казахстане работают Calltouch, Ringostat, UIS и др.). Мессенджеры – через интеграцию чат-платформы с CRM.

Коллтрекинг: отслеживание звонков

Для многих казахстанских бизнесов звонки – основной канал конверсии. Клиент смотрит сайт, но заказывает по телефону. Без коллтрекинга эти конверсии уходят в «чёрную дыру» – вы не знаете, откуда пришёл звонящий.

Как работает коллтрекинг: на сайте показывается динамический номер телефона, разный для каждого посетителя (или для каждого источника). Когда клиент звонит, система знает, на какой номер он позвонил, и связывает звонок с его сессией на сайте. UTM-метки подтягиваются автоматически.

Есть два подхода: статический коллтрекинг (один номер на канал – для билбордов, визиток, оффлайн-рекламы) и динамический (уникальный номер на каждого посетителя – для онлайн-рекламы). Для сквозной аналитики нужен динамический.

Интеграция с мессенджерами

WhatsApp, Telegram, Instagram Direct – для казахстанского бизнеса это часто ключевые каналы коммуникации. Проблема в том, что переход в мессенджер «обрывает» связь с веб-сессией. Клиент нажал кнопку «Написать в WhatsApp» – и для сайта он исчез.

Решение – передавать UTM-метки внутри ссылки на мессенджер. Вместо простого wa.me/77771234567 используем wa.me/77771234567?text=Здравствуйте!%20Пишу%20с%20сайта%20(utm_source=google). Когда клиент напишет, в сообщении будет метка источника. Омниканальная CRM автоматически извлечёт эту информацию и привяжет к контакту.

Интеграция аналитики с CRM: как собрать всё вместе

Самый критичный этап – связать данные веб-аналитики с CRM. В этот момент разрозненные клики превращаются в реальные сделки с конкретными суммами. Посмотрим, как это работает технически.

Что должно передаваться в CRM

При создании лида или контакта в CRM должны автоматически заполняться поля источника:

• utm_source – источник (google, facebook, yandex...)
• utm_medium – тип трафика (cpc, organic, email...)
• utm_campaign – название кампании
• utm_content – вариант объявления
• utm_term – ключевое слово
• client_id – идентификатор клиента из Google Analytics
• landing_page – страница входа
• referrer – откуда пришёл (для organic и referral)

Эти данные должны передаваться автоматически – без участия менеджера. Любой ручной ввод – источник ошибок. Менеджер не знает UTM-меток, ему некогда их искать, и он гарантированно что-то напутает.

Методы интеграции

Через формы на сайте. Скрытые поля формы заполняются JavaScript'ом значениями UTM-меток из cookie. Когда форма отправляется, эти данные уходят вместе с контактной информацией. CRM получает готовый пакет.

Через коллтрекинг. Сервис коллтрекинга передаёт в CRM не только запись звонка, но и UTM-метки сессии, с которой был совершён звонок. Данные уходят через webhook или прямую интеграцию.

Через мессенджеры. При использовании омниканальной платформы с интеграцией WhatsApp, Telegram, Instagram метки передаются в первом сообщении клиента. Платформа парсит их и записывает в CRM.

Через client_id и API. Продвинутый вариант: в CRM передаётся client_id из Google Analytics, а потом данные о сделках отправляются обратно в Analytics через Measurement Protocol. Это позволяет видеть выручку прямо в интерфейсе Google Analytics.

Обогащение данных в CRM

Сырые UTM-метки – это технические идентификаторы. Для удобства анализа их стоит преобразовывать в читаемые значения. Вместо utm_source=fb&utm_medium=cpc&utm_campaign=sale_nauryz_2025_alm_30plus_m менеджер должен видеть «Facebook Ads – Распродажа к Наурызу – Алматы, мужчины 30+».

Это делается через справочник или автоматическую обработку при создании лида. Названия кампаний должны следовать единой структуре, которая позволяет парсить их программно.

Отчёт «канал → выручка»: как построить и что он покажет

Итак, данные собраны: UTM-метки в CRM, сделки закрыты, оплаты зафиксированы. Теперь нужно превратить это в отчёт, который ответит на главный вопрос: какой канал приносит деньги?

Структура базового отчёта

Минимальный отчёт по источникам должен содержать:

• Количество лидов – сколько заявок/звонков/обращений
• Количество сделок – сколько лидов дошло до стадии сделки
• Конверсия лид → сделка – процент квалификации
• Количество продаж – сколько сделок закрыто успешно
• Конверсия сделка → продажа – процент закрытия
• Выручка – сумма оплаченных сделок
• Средний чек – выручка / количество продаж

Это данные из CRM. Теперь добавляем данные о затратах – из рекламных кабинетов или вручную:

• Расходы на канал – сколько потрачено на рекламу
• Стоимость лида (CPL) – расходы / количество лидов
• Стоимость продажи (CPS) – расходы / количество продаж
• ROI канала – (выручка - расходы) / расходы × 100%

Пример отчёта по каналам (условные данные)

Что видим из этого отчёта? Instagram даёт самые дешёвые лиды (2 000 ₸), но конверсия в продажи всего 8%. TikTok ещё хуже – 3% конверсии и минимальный ROI. А вот SEO и Email, несмотря на меньшее количество лидов, дают лучший возврат на инвестиции.

Без сквозной аналитики маркетолог смотрел бы на CPL и радовался: «Instagram отлично работает, давайте увеличим бюджет!» А с полной картиной понятно, что лучше вложиться в Google Ads и SEO – там реальные деньги.

Продвинутые отчёты: когорты, LTV и путь клиента

Базовый отчёт показывает текущую картину. Но для стратегических решений нужны более глубокие срезы.

Когортный анализ по источникам

Когортный анализ отвечает на вопрос: как ведут себя клиенты из разных источников со временем? Клиенты из Google покупают один раз и уходят, а из Instagram возвращаются за повторными покупками? Или наоборот?

Для этого группируем клиентов по месяцу первой покупки и источнику, затем смотрим их активность в последующие месяцы. Такой отчёт покажет, какой канал приводит более «долгосрочных» клиентов с высоким LTV.

LTV по источникам

Lifetime Value – суммарная выручка от клиента за всё время работы с ним. Один канал может давать клиентов со средним чеком 50 000 ₸, которые покупают один раз. Другой – клиентов с первой покупкой на 30 000 ₸, но они возвращаются 5 раз за год. Кто ценнее? Второй, конечно.

Расчёт LTV по источникам позволяет понять реальную ценность канала, а не только его способность генерировать первые продажи. Это особенно важно для бизнесов с повторными покупками: e-commerce, услуги, подписки.

Анализ пути клиента

Сколько касаний нужно до покупки? Какие каналы работают в связке? Может оказаться, что Instagram никогда не даёт прямых продаж, но клиенты, которые видели рекламу в Instagram, конвертируются лучше, когда потом приходят из Google.

Это анализ мультиканальных последовательностей. Он показывает типичные пути: Instagram → Google → Прямой → Покупка. И позволяет оценить вклад каждого канала в общий результат, даже если он не был последним перед конверсией.

Инструменты для сквозной аналитики: что выбрать

Рынок предлагает разные решения – от бесплатных до enterprise-уровня. Выбор зависит от масштаба бизнеса, имеющихся систем и бюджета.

Встроенная аналитика CRM

Многие современные CRM имеют встроенные отчёты по источникам. Это базовый уровень: если UTM-метки попадают в CRM, она может строить отчёты «канал → сделки → выручка». Для малого бизнеса этого часто достаточно.

Ограничение: CRM видит только то, что в неё попало. Она не знает о посетителях, которые не оставили заявку. Не может связать данные с рекламными кабинетами для расчёта ROI. Не строит кроссканальные пути.

Специализированные сервисы сквозной аналитики

Roistat, Calltouch, CoMagic, Alytics – это платформы, которые специализируются на сквозной аналитике. Они объединяют данные из веб-аналитики, рекламных кабинетов, CRM и систем оплаты.

Преимущества: готовые интеграции с популярными сервисами, продвинутые отчёты, автоматический расчёт ROI, коллтрекинг в комплекте. Минусы: ежемесячная плата, зависимость от вендора, иногда избыточный функционал для небольших компаний.

Самостоятельная сборка на BI-платформе

Для компаний с сильной технической командой или сложными требованиями – вариант собрать сквозную аналитику самостоятельно. Данные из CRM, рекламных кабинетов и веб-аналитики выгружаются в хранилище данных (DWH), связываются и визуализируются в Power BI, Looker, DataLens или Metabase.

Преимущества: полный контроль, любые кастомные отчёты, интеграция с внутренними системами. Минусы: требует разработки и поддержки, дольше запускается, нужны компетенции в работе с данными.

Гибридный подход

Комбинация: коллтрекинг от специализированного сервиса, веб-аналитика стандартная (GA4/Метрика), данные стекаются в CRM, а оттуда – в BI для глубокой аналитики. Это баланс между готовыми решениями и гибкостью.

Практические советы: как внедрить сквозную аналитику без боли

Начните с UTM-дисциплины

Первое и самое важное – единый стандарт UTM-разметки. Создайте таблицу допустимых значений для каждого параметра. Используйте UTM-генератор, чтобы избежать опечаток. Проводите периодический аудит меток. Без этого любая система будет выдавать мусор.

Автоматизируйте передачу данных

Чем меньше ручных операций – тем меньше ошибок. UTM-метки должны автоматически попадать в скрытые поля форм. Коллтрекинг должен сам передавать данные в CRM. Интеграции должны работать без участия менеджеров. Каждое ручное действие – точка отказа.

Учитывайте цикл сделки

Не судите каналы по слишком короткому периоду. Если ваш цикл продаж – 2 месяца, смотреть ROI за последние 2 недели бессмысленно. Лиды, пришедшие в начале месяца, ещё не успели стать клиентами. Анализируйте когорты и давайте данным «созреть».

Не гонитесь за 100% точностью

Всегда будут потери: заблокированные cookies, переходы между устройствами, оффлайн-конверсии. Цель – не идеальная точность, а достаточная для принятия решений. Если 80% лидов размечены корректно – это уже хорошо. Лучше принимать решения на 80% данных, чем вообще без данных.

Сегментируйте анализ

Общий ROI по каналу может скрывать важные детали. Google Ads в целом работает, но одна кампания приносит 500% ROI, а другая – минус. Разбивайте анализ по кампаниям, объявлениям, ключевым словам. Оптимизируйте на детальном уровне.

Связывайте онлайн и оффлайн

Для казахстанского бизнеса характерны оффлайн-конверсии: клиент смотрел сайт, а купил в магазине или офисе. Попросите продавцов спрашивать источник и фиксировать в CRM. Да, это ручной ввод, но хоть какие-то данные лучше, чем ничего.

Особенности сквозной аналитики для казахстанского рынка

Казахстан – не типичный рынок, и это влияет на настройку аналитики.

Мессенджеры как основной канал коммуникации

WhatsApp здесь – не дополнительный канал, а часто основной способ связи с бизнесом. Это означает, что классическая воронка «сайт → форма → CRM» не работает. Нужна омниканальная система, которая отслеживает переходы в мессенджеры и связывает их с источниками трафика.

Kaspi как экосистема

Kaspi Магазин – отдельный канал продаж со своей аналитикой. Если вы продаёте через Kaspi, данные оттуда нужно интегрировать в общую картину. Это не UTM-разметка, а отдельный источник с собственными заказами и клиентами.

Двуязычность

Рекламные кампании на казахском и русском языках – это разные аудитории с разным поведением. Имеет смысл разделять их в аналитике: отдельные UTM-метки для кампаний на разных языках, анализ конверсии и LTV по языковым сегментам.

Региональные различия

Алматы, Астана и регионы – разные рынки. Стоимость привлечения, конверсия, средний чек могут отличаться в разы. Добавляйте в UTM-разметку географию (например, utm_campaign=sale_almaty), чтобы анализировать эффективность по регионам.

Заключение: от догадок к решениям на данных

Сквозная аналитика – это не роскошь для крупных компаний и не техническое излишество. Это необходимость для любого бизнеса, который тратит деньги на привлечение клиентов и хочет делать это эффективно.

Без неё вы оперируете фрагментами картины: маркетинг радуется дешёвым лидам, продажи жалуются на «холодных» клиентов, финансы не понимают, откуда деньги. Никто не видит связи между рекламным бюджетом и выручкой. Решения принимаются на основе интуиции, а не данных.

Со сквозной аналитикой вы видите полный путь: от клика на рекламу до денег в кассе. Знаете, какой канал реально приносит прибыль. Понимаете, куда инвестировать, а что можно отключить. Маркетинг, продажи и финансы говорят на одном языке – языке цифр.

Начните с малого: наведите порядок в UTM-разметке, настройте передачу меток в CRM, постройте первый отчёт «канал → выручка». Потом добавьте коллтрекинг, свяжите с мессенджерами, усложните модель атрибуции. Каждый шаг приближает вас к полной картине.

И помните: даже неидеальные данные лучше, чем никаких. Решение на основе 80% информации – это всё равно решение, а не угадывание. А в конкурентной среде казахстанского рынка это может стать вашим главным преимуществом.

Читайте также

• Сквозная аналитика с Яндекс.Метрикой и CRM
• Lead scoring: AI-приоритизация лидов
• Unit-экономика через призму CRM: LTV, CAC, Payback Period
• Когортный анализ в CRM
• BI-дашборды для CRM: Power BI, DataLens