Сквозная аналитика: что это, как она устроена и как настроить систему с нуля

Рекламный кабинет показывает ROMI 150 процентов, и кажется, что реклама окупается с запасом. Но в CRM за тот же месяц из сотни заявок до оплаты дошло меньше десятой части, а после вычета себестоимости и зарплаты менеджера канал вообще ушел в минус. Рекламный кабинет и CRM в этой ситуации считают разные вещи: один меряет клики и заявки, другой, деньги. Пока эти два счета не сведены в один, руководитель принимает решения по рекламе вслепую, ориентируясь на цифру, которая ничего не говорит о прибыли.

Сквозная аналитика — это способ довести данные от рекламного клика до оплаченной сделки, а не остановиться на заявке. Разберем, что это такое, чем она принципиально отличается от привычной веб-аналитики, как устроена технически, кому она нужна и когда без нее можно спокойно обойтись, какие метрики она открывает, как связать источники данных в рабочую систему по шагам и на что обратить внимание отдельно в Битрикс24 и при выборе специализированного сервиса.

Что такое сквозная аналитика и чем она отличается от веб-аналитики

Сквозная аналитика объединяет данные о рекламе, поведении на сайте и продажах из CRM в одном отчете. Системе присваивают каждому посетителю сквозной идентификатор, а когда сделка закрывается в CRM, итоговый доход связывается с источником трафика, который эту сделку принес. Минимальная цепочка выглядит так: расход на рекламу, визит на сайт, идентификатор посетителя, лид, сделка, оплата. Если хотя бы одно звено выпадает, вся картина рассыпается: реклама без CRM показывает клики без денег, а CRM без рекламы показывает деньги без источника.

Обычная веб-аналитика вроде Яндекс Метрики или GA4 останавливается на визите, заявке или звонке и дальше не идет. Она честно показывает клики, визиты и события на сайте, но не знает, что случилось со сделкой потом: дошла ли она до оплаты, сорвалась ли на полпути, вернули ли клиенту деньги. Официальная документация Яндекс Метрики прямо говорит об этом: чтобы связать историю посетителей на сайте с реальными продажами, статусы и суммы сделок нужно отдельно загружать из CRM через специальный механизм, сама Метрика такими данными не располагает. Аналитику эффективности рекламы вообще можно вести на одном из трех уровней: клики, цели на сайте или деньги, и обычная веб-аналитика типично останавливается на первых двух.

Сквозная аналитика идет дальше этой точки и доводит путь клиента до оплаченной сделки, включая звонки и возвраты денег. Разница не в том, что одна система "лучше" другой, а в том, что они отвечают на разные вопросы. Веб-аналитика отвечает на вопрос, что происходит на сайте. Сквозная аналитика отвечает на вопрос, какая реклама реально приносит деньги. Первый вопрос нужен всегда, второй становится критичным, когда рекламный бюджет вырастает настолько, что ошибка в оценке канала стоит заметных денег.

Без CRM сквозная аналитика в полном смысле невозможна: связывать рекламу не с чем, если сделки нигде не фиксируются структурированно. Таблица в Excel формально может сыграть роль CRM на самом старте, но как только менеджеров в отделе продаж становится больше одного, ручной ввод статусов и сумм начинает расходиться с реальностью быстрее, чем его успевают поправлять, и связка данных теряет смысл раньше, чем ее успевают достроить.

Тот же вопрос иногда путают со сравнением с BI-системой в целом: там разбор глубже, отдельная статья про BI-систему разбирает разницу подробно, включая место сквозной аналитики среди других инструментов работы с данными. Здесь сосредоточимся на практической сборке: откуда берутся данные и как их связать между собой технически.

Как устроена сквозная аналитика: путь данных от клика до денег

Данные в сквозной аналитике проходят цепочку из четырех звеньев. Реклама фиксирует клик по объявлению и канал, из которого он пришел, через UTM-метку. Сайт фиксирует визит, ставит счетчик через код отслеживания и создает уникальный идентификатор посетителя. CRM создает сделку, привязывает к ней ответственного менеджера и ведет ее по статусам до закрытия, а не просто хранит контакт. Оплата фиксирует итоговый доход по сделке через кассу или банк, а сводный отчет собирает всю цепочку в одну картину по каналам, кампаниям и даже отдельным объявлениям.

Все четыре звена связываются между собой одним общим ключом, а не набором разрозненных полей. Обычно это ClientID Яндекс Метрики или id сделки в CRM. Без передачи этого идентификатора между системами связать конкретную заявку и продажу с конкретным рекламным источником технически невозможно: у CRM просто нет способа понять, что заявка от Иванова и сделка на 40 000 рублей относятся к одному и тому же визиту с одной и той же рекламной кампании, а не пришли откуда-то еще.

На практике связка работает в обе стороны, и это часто упускают из виду. При заполнении формы или звонке в CRM передают идентификатор посетителя вместе с UTM-параметрами и страницей входа, с которой пришел клиент. А обратно, из CRM в системы аналитики, передают id заказа с его статусом и доходом, чтобы продажу можно было сопоставить с визитом на сайте: без обратной передачи Метрика будет знать про визит, но не будет знать, чем он закончился. Именно это двустороннее движение данных и есть техническая суть сквозной аналитики, а не просто установка счетчика или подключение CRM по отдельности друг от друга.

Технически цепочка чаще всего выглядит так: реклама с UTM-меткой и client_id ведет на сайт, где стоит код отслеживания и форма, форма передает данные в CRM через вебхук или API, а CRM в свою очередь либо сама выгружает статусы обратно в систему веб-аналитики, либо все данные стекаются в отдельное хранилище, откуда строится итоговый отчет. Чем больше источников подключено, тем важнее, чтобы у каждого звена был один и тот же ключ, а не свой собственный формат идентификатора.

Кому нужна сквозная аналитика и когда без нее можно обойтись

Сквозная аналитика имеет смысл, когда бизнес использует несколько рекламных каналов одновременно и есть отдел продаж с CRM: без CRM попросту нечего связывать с рекламой на стороне денег. Отдельно она нужна там, где решение о покупке принимается долго и клиент проходит через несколько касаний с разными каналами. В e-commerce с длинным циклом сделки, например при покупке мебели или техники, клиент сравнивает варианты в нескольких вкладках и возвращается не сразу. В B2B решение согласовывают несколько человек, и сделка растягивается на недели. В недвижимости и у автодилеров цикл еще длиннее, а сумма сделки такая, что цена ошибки в оценке рекламы становится существенной. В сфере услуг и онлайн-образовании похожая картина: клиент читает отзывы, сравнивает программы, откладывает решение.

Если клиент неделями сравнивает предложения и согласовывает решение с несколькими людьми, оценивать каналы по последнему клику вредно. Реклама, которая познакомила клиента с продуктом месяц назад, в такой оценке просто исчезает: система засчитает конверсию каналу, с которого пришел последний визит, а не тому, что реально запустил интерес к покупке. В этом случае без связки нескольких точек касания в одну картину решение о распределении бюджета принимается на основе неполных данных.

Признак того, что пора внедрять систему, не сама отрасль, а поведение самого бизнеса. Если маркетолог или руководитель раз в месяц вручную сверяет расходы из трех рекламных кабинетов с выгрузкой из CRM в отдельном файле, и на эту сверку уходит заметная часть рабочего времени, это уже сигнал: данные есть, просто они не связаны технически, и система убирает именно эту рутину, а не добавляет новую отчетность поверх старой.

Есть и обратная сторона. Если продажи уже стабильно идут через один-два устоявшихся канала, например только через соцсети или наружную рекламу, и компания не тестирует постоянно новые площадки, сложная система сквозной аналитики, скорее всего, окажется избыточной. Внедрение обычно не окупается при небольшом рекламном бюджете, без CRM и при малом числе заявок в месяц: в этом случае разумнее сначала навести порядок в самой Метрике, корректной UTM-разметке, базовом расчете ROMI по канальным меткам и коллтрекинге, а сквозную аналитику подключать, когда объем рекламы и заявок вырастет настолько, что ручная сверка данных начнет реально отнимать время.

Есть и организационный эффект, который часто перевешивает технический. Когда маркетинг и продажи ведут учет по-разному, у каждого отдела своя версия того, сколько принесла реклама. У маркетинга своя статистика по кликам и заявкам, у продаж своя по сделкам, и обе стороны считают правой именно свою цифру. Общая связанная картина снимает значительную часть таких разногласий, потому что спорить о цифрах, которые собраны одной системой по одной методике, гораздо сложнее, чем о цифрах из двух разных таблиц.

Практический ориентир для принятия решения простой: посчитайте, сколько сейчас времени в месяц уходит на ручную сверку рекламы, заявок и оплат в Excel, и сравните с тем, сколько будет стоить подключение системы. Если сверка занимает несколько часов в неделю у маркетолога или руководителя отдела продаж, а рекламный бюджет исчисляется сотнями тысяч рублей в месяц, внедрение почти всегда окупается временем, которое освобождается для решений, а не для сведения таблиц. Если же реклама размещается эпизодически, а весь отдел продаж, это один человек, который и так помнит каждую сделку, сложная система, скорее всего, добавит работы больше, чем снимет.

Модели атрибуции: как разделить заслугу между каналами

Клиент обычно взаимодействует с компанией через разные каналы несколько раз, прежде чем купить: увидел рекламу, зашел с органики, вернулся по email-рассылке, оформил заказ через прямой заход в адресную строку. Атрибуция, это набор правил, по которому системе аналитики нужно решить, какому именно каналу засчитать итоговую конверсию, а значит и часть рекламного бюджета, потраченного на нее.

First Click отдает всю ценность каналу первого визита, показывает, откуда люди впервые узнают о компании, и хорошо подходит для отложенной конверсии с длительным принятием решения. Но при долгом цикле продаж эта модель обесценивает все промежуточные касания, которые фактически довели клиента до покупки. Last Click, наоборот, засчитывает конверсию последнему каналу перед покупкой, в Яндекс Метрике это модель по умолчанию, и системно занижает роль каналов верхней части воронки вроде медийной рекламы и контент-маркетинга: они формируют спрос, но не приводят к покупке напрямую, поэтому в отчетах по last click выглядят бесполезными.

Линейная модель делит ценность поровну между всеми каналами в цепочке: четыре касания, по 25 процентов каждому. Она честно показывает все участвующие каналы, но не подсказывает, куда вкладывать больше денег, а случайный баннер получает тот же вес, что и осознанный поиск с коммерческим запросом непосредственно перед самой покупкой. Time-decay распределяет ценность по нарастающей: чем ближе касание к моменту покупки, тем больший вес оно получает, а первое касание, которое изначально познакомило клиента с продуктом, оказывается недооцененным, хотя без него сделки могло бы и не быть. U-образная, или позиционная, модель отдает по 40 процентов ценности первому и последнему касанию, а оставшиеся 20 процентов равномерно распределяются между промежуточными: она выделяет и знакомство, и финальный толчок к покупке, но недооценивает середину воронки.

В Яндекс Метрике из коробки доступен более скромный набор моделей: первый переход, последний переход, последний значимый переход, при котором визиты из незначимых источников приписываются более значимому предыдущему, и автоматическая атрибуция. Более сложные модели вроде линейной и time-decay обычно берут из Google Analytics или специализированных сервисов сквозной аналитики, у которых набор моделей заметно шире. Для старта хватает last click плюс параллельного взгляда через first click, этого достаточно, чтобы увидеть и что закрывает сделки, и что их запускает, а к более тонким моделям стоит переходить, когда накопится достаточно данных для сравнения.

Разница между моделями хорошо видна на одном пути клиента. Человек увидел баннер в соцсети, через неделю нашел компанию по брендовому запросу в поиске, а спустя еще три дня кликнул по контекстной рекламе и оформил заказ. По last click вся заслуга уйдет контекстной рекламе, хотя она сработала только на последнем шаге, когда клиент уже все решил. По first click заслуга достанется баннеру, который просто познакомил с брендом. Линейная модель поделит ценность на три равные части, а U-shaped отдаст по 40 процентов баннеру и контекстной рекламе, оставив 20 процентов на брендовый поиск в середине. Ни одна модель не дает единственно верный ответ, каждая просто отвечает на свой вопрос об одном и том же пути клиента.

Метрики сквозной аналитики и как их считать

Пока данные не связаны, рекламный кабинет и CRM считают лидом разные вещи. Кабинет засчитывает любое целевое действие: звонок, даже трехсекундный, заявку, даже дубль, сообщение в чат. CRM считает лидом то, что реально попало в воронку и с чем работает менеджер. Поэтому метрики ROMI, CAC, LTV и ROI строятся на сопоставлении расходов на рекламу с реальными деньгами из CRM и кассы, а не только с данными кабинета, где цифры почти всегда выглядят лучше, чем есть на самом деле.

ROMI, Return on Marketing Investment, считается по формуле: Доход от маркетинга минус Расходы на маркетинг, результат делится на Расходы на маркетинг и умножается на 100 процентов. Например, расходы на рекламу составили 85 000 рублей, а выручка от этой рекламы, 210 000 рублей: ROMI = (210 000 − 85 000) / 85 000 × 100% = 147%. Более точный вариант формулы берет вместо выручки валовую прибыль, если есть данные по марже, и его стоит использовать, как только появляется возможность считать не по обороту, а по факту заработанных денег.

CAC, стоимость привлечения клиента, считается как Расходы на маркетинг, деленные на Количество новых клиентов за тот же период. Частая ошибка здесь, в расходы включают только рекламный бюджет, забывая зарплаты менеджеров и стоимость сервисов, из-за чего реальная стоимость привлечения оказывается заниженной, иногда в разы. Более полная формула добавляет к расходам на рекламу еще и расходы на продажи, и именно она точнее отражает, во сколько на самом деле обходится новый клиент.

LTV в базовом виде равен Среднему чеку, умноженному на Частоту покупок и Срок жизни клиента: клиент покупает на 2000 рублей четыре раза в год и остается активным три года, LTV = 2000 × 4 × 3 = 24 000 рублей. Более точная версия формулы для подписочных моделей учитывает еще и удержание клиентов вместе со ставкой дисконтирования, но для большинства бизнесов достаточно базового расчета, чтобы понять порядок цифр.

CPL равен Расходам, деленным на Количество лидов: 100 000 рублей бюджета и 50 лидов дают CPL 2000 рублей за лид, и эту метрику можно посчитать даже без CRM, просто по данным рекламного кабинета. ROI отличается от ROMI тем, что учитывает все инвестиции бизнеса, а не только маркетинговые: логистику, аренду, персонал, тогда как ROMI намеренно игнорирует общефирменные расходы и служит точечным индикатором отдачи именно от рекламы.

Смотреть на все пять метрик одновременно не нужно, у каждой своя роль. CPL и CAC показывают, дорого или дешево обходится привлечение, ROMI и ROI, окупается ли реклама с учетом или без учета остальных расходов бизнеса, а LTV отвечает на отдельный вопрос: сколько клиент вообще принесет за все время, а не за одну сделку. Канал с высоким CAC может быть прибыльным, если LTV клиентов из этого канала заметно выше среднего, и наоборот, дешевый CAC не спасает канал, если приведенные им клиенты уходят после первой покупки.

Пересчитывать метрики раз в год бессмысленно: рекламные ставки, конкуренция и поведение клиентов меняются быстрее. Для CAC и CPL достаточно недельного или месячного среза, чтобы вовремя заметить, что канал подорожал. ROMI и LTV честнее смотреть на более длинном горизонте, месяц или квартал, потому что цикл сделки редко укладывается в неделю, и на коротком отрезке эти метрики будут скакать не из-за реальных изменений, а просто из-за малого числа сделок в выборке.

В одном из практических кейсов реклама в РСЯ с бюджетом 120 000 рублей показала 72 лида в кабинете, но в CRM оказалось только 31 реальный лид и три сделки, а реальный ROMI составил минус 74 процента при том, что по цене лида канал выглядел эффективным. Разница между 72 и 31 лидом — это и есть цена расчета метрик по кабинету вместо CRM, а не статистическая погрешность: больше половины «лидов» оказались мусором, который никогда не собирался покупать.

Как связать источники данных: порядок сборки с нуля

Дашборд начинается не с графиков, а с вопроса, какие пять цифр нужно смотреть каждое утро, и сборка сквозной аналитики устроена так же. Сначала собирается путь данных, и только потом появляются отчеты, а не наоборот. Порядок сборки методологически один и тот же почти у всех, кто внедрял систему с нуля, и пропускать шаги в нем не стоит: каждый следующий шаг опирается на то, что уже подключено.

1. UTM-метки на все рекламные ссылки. Без метки система не узнает, из какого канала пришел переход, а обязательные параметры, источник, тип продвижения и название кампании, должны быть заполнены на каждой ссылке в каждом рекламном кабинете.
2. Коллтрекинг и email-трекинг для офлайн-обращений. Технология подмены номера и почтового адреса фиксирует, с какой рекламы пришел звонок или письмо, включая звонки без ответа, и передает эти данные дальше по цепочке в CRM.
3. Интеграция с CRM. В каждую сделку должны попадать все метки и данные по источнику, откуда она пришла, иначе связка обрывается уже на этом шаге, сколько бы данных ни собрали на предыдущих.
4. Загрузка расходов по рекламным каналам. Расходы передаются через API или готовую интеграцию: например, из VK Рекламы данные о тратах можно ежедневно выгружать напрямую в Яндекс Метрику, а не переносить вручную из кабинета в таблицу.
5. Учет офлайн-конверсий. Продажи, закрытые не через сайт, передаются через CSV-файл или API в течение 21 дня после визита, с привязкой к идентификатору посетителя, иначе они выпадут из общей картины.
6. Проверка корректности данных. Финальный шаг, регулярный аудит и регламент ведения CRM, чтобы связка не разваливалась от случайной ошибки менеджера: полезно пройти путь клиента самому, сделать тестовую заявку или звонок и убедиться, что вся цепочка отработала правильно.

Порядок шагов не жесткий стандарт, у разных компаний и источников он немного варьируется, но общая логика сохраняется: сначала разметка и трекинг, потом CRM, потом деньги, и только в конце проверка. Итоговые связанные данные логично выводить не в разрозненные отчеты, а в единое место, откуда их видно каждое утро: как собрать такой дашборд, отдельная тема, но начинается она с того же набора связанных источников, которые описаны выше.

Что подключить: реклама, коллтрекинг и офлайн-каналы

Данные: откуда и как связать, вопрос, с которым сталкивается любой, кто собирает систему впервые. Реклама в Яндекс Директе размечается на уровне объявления, кампании или в быстрых ссылках, а обязательные параметры UTM-метки, источник перехода, тип продвижения и название кампании, должны быть заполнены, иначе статистика по этому объявлению не соберется корректно. Реклама во ВКонтакте размечается похожим набором меток, а VK Реклама умеет передавать статистику расходов напрямую в Яндекс Метрику через штатный механизм передачи данных, что снимает необходимость сводить эти цифры вручную.

Для рекламы во ВКонтакте на практике устоялся похожий набор параметров: utm_source=vk обозначает саму площадку, utm_medium указывает тип размещения, обычно cpc или cpa, utm_campaign, читаемое название кампании, а utm_content помогает различать конкретные объявления внутри одной кампании. В кабинете VK Рекламы разметку ссылок можно включить автоматически или прописывать вручную под каждое объявление, в зависимости от того, как настроена кампания.

Органический трафик размечать UTM-метками не нужно и даже вредно: системы аналитики распознают его автоматически по факту перехода из поисковой выдачи, а метки на органических или внутренних ссылках искажают итоговую атрибуцию, потому что система начинает считать переход по внутренней ссылке новым визитом с новым источником. Это частая ошибка на старте: разметить абсолютно все ссылки, включая те, где разметка не нужна и портит данные вместо того, чтобы их дополнять.

Коллтрекинг закрывает офлайн-обращения по телефону: клиенту показывается подменный номер, привязанный к конкретному рекламному источнику, и система фиксирует, с какой рекламы, по какому ключевому слову и из какого региона позвонил клиент, передавая это в CRM при создании сделки. Email-трекинг решает ту же задачу для писем, показывая посетителю уникальный подменный адрес, который позволяет системе связать письмо с конкретной сессией на сайте. Без коллтрекинга звонки остаются вне сквозной аналитики полностью, а по данным сервиса коллтрекинга Callibri доля звонков в общем потоке лидов доходит до 44 процентов в электронной коммерции и заметно выше в нишах вроде медицины и недвижимости, где решение чаще принимают по телефону, а не через форму на сайте.

Продажи, закрытые не через сайт, например в шоуруме, нужно заносить в систему вручную или выгрузкой из учетной системы, иначе они выпадают из сквозной аналитики целиком, и часть реальных продаж окажется невидимой для отчетов. Готового универсального коннектора «1С в сквозную аналитику из коробки» на рынке нет: обычно это либо ручная выгрузка через CSV, либо точечная интеграция конкретной CRM с конкретным сервисом коллтрекинга, настроенная под задачи компании, а не готовое решение на все случаи сразу.

Для розницы с офлайн-точками и онлайн-каналом одновременно есть отдельная задача: понять, как онлайн влияет на офлайн-продажи, когда клиент смотрит товар на сайте, а покупает в магазине рядом с домом. Такие сценарии называют ROPO, research online, purchase offline, и Яндекс Метрика умеет их учитывать через тот же механизм передачи офлайн-конверсий: выкупленный в магазине заказ привязывается к визиту на сайте по идентификатору, если кассовая система умеет его передать.

Как связать CRM и 1С с рекламными кабинетами

Из CRM в систему аналитики должен передаваться базовый набор данных: статус сделки, ее сумма, ответственный менеджер и источник обращения. Это стандартный состав полей, на которых строятся отчеты по продажам и каналам в любой связке, и без любого из этих четырех полей отчет получится неполным: без статуса непонятно, дошла ли сделка до оплаты, без источника непонятно, какому каналу ее засчитать. Часть CRM заполняет источник автоматически по метке, с которой пришла заявка, но там, где заявку заводит сам менеджер после звонка или встречи, поле источника приходится проставлять руками, и именно здесь чаще всего теряется связь с рекламой.

Связка с 1С нужна прежде всего для сверки фактических платежей и возвратов, а не просто для учета офлайн-продаж как таковых. Без нее оплаченные сделки в CRM приходится проверять вручную, а бухгалтерия дополнительно запрашивает у менеджеров номера заказов, чтобы свести цифры между системами. В одном из практических кейсов внедрения такой интеграции автор колонки описывал ситуацию, где остатки в CRM время от времени расходились с 1С, и сделка в CRM должна была явно знать, с каким заказом в 1С она связана, а без этого доверие к автоматическому обмену данными постепенно терялось, и сотрудники возвращались к ручной сверке.

Частая техническая проблема здесь, расхождение в идентификации одного и того же клиента между системами: в CRM клиент заведен как физическое лицо, а в 1С, как юридическое, или его имя записано по-разному в двух базах, например «Иван Петров» в одной системе и «Петров И.И.» в другой. Для системы это два разных человека, и без единого уникального ключа, например ИНН для компаний или связки телефона с почтой для физлиц, связать записи невозможно чисто технически, сколько бы полей ни совпадало по смыслу.

Ручной ввод данных менеджерами, а не автоматический обмен, обычно и есть основной источник таких расхождений. В одном из практических кейсов интеграции 1С и CRM без проверки совпадений по ИНН больше половины базы клиентов со временем стали дублями: любая новая заявка создавала нового клиента вместо того, чтобы найти существующего, и менеджеры перестали видеть полную историю по клиенту, с которым уже работали раньше.

Практический вывод из таких кейсов простой: перед запуском интеграции стоит один раз причесать данные в обеих системах, привести написание имен и компаний к единому виду и завести уникальные коды сопоставления там, где их еще нет, а не полагаться на то, что связка сама разберется с историческим беспорядком в базе. Если вместо этого данные продолжают параллельно выгружать в Excel и периодически сверять вручную, это верный признак, что интеграция формально есть, а доверия к ней внутри команды нет.

Сквозная аналитика в Битрикс24: что учесть отдельно

Битрикс24 умеет считать сквозную аналитику из коробки для сайтов, магазинов и CRM-форм, созданных в самой системе: они подключаются автоматически, а для внешних сайтов нужен код отслеживания и UTM-метки, как и для любой другой системы. Основные рекламные кабинеты, VK, Яндекс Директ и Google Ads, подключаются быстро через штатный механизм, а для Google Ads детализация отчета доходит до уровня конкретной кампании, группы объявлений, отдельного объявления и ключевого слова, что позволяет находить неэффективные объявления внутри одной кампании, а не только сравнивать кампании между собой. Официальная документация описывает два ключевых отчета: «Окупаемость рекламы», который показывает конверсию по каждому каналу и подсказывает, какой из них продает лучше, и «Влияние трафика на продажи», который раскрывает эффективность менеджеров с клиентами из разных источников через сквозную воронку продаж, а не только конверсию самой рекламы.

Есть жесткое ограничение, о котором часто забывают: отчеты формируются только если хотя бы один источник трафика размечен UTM-меткой. Нерасмеченный трафик в них просто не появится, даже если по факту он приносил заявки и продажи: система не сможет связать его ни с каким каналом и молча исключит из отчета. Из офлайн-каналов встроенная сквозная аналитика официально не поддерживает интеграцию с Авито как источником с выгрузкой расходов: такую площадку нельзя подключить как обычный рекламный кабинет, и данные по ней придется сводить отдельно.

По независимым обзорам настройки, встроенный коллтрекинг в Битрикс24 обычно статический: для каждого рекламного источника нужен отдельный выделенный номер телефона, что усложняет тонкую атрибуцию звонков по сравнению со специализированными сервисами динамического коллтрекинга, где номер подменяется автоматически под каждого посетителя. Для остальных офлайн-каналов, флаеров, радио, наружной рекламы, система тоже опирается на ручную разметку: отдельный номер или кодовое слово на каждый канал, а не автоматическое определение источника.

Для сложных сценариев и нестандартных источников в Битрикс24 есть целая категория дополнений в маркетплейсе, что косвенно говорит о том, что штатного функционала хватает не для всех задач: чем сложнее воронка и чем больше нестандартных источников трафика, тем выше шанс, что базовых отчетов окажется недостаточно и понадобится либо стороннее приложение, либо специализированный сервис сквозной аналитики. Смежный раздел CRM-аналитики в Битрикс24 тоже стоит держать в уме отдельно: он рассчитан на определенный объем записей по тарифу и поддерживает только старую версию счетов, а настроить доступ к отчетам по ролям сотрудников там нельзя, отчеты видят все, у кого вообще есть доступ к разделу.

Сервисы сквозной аналитики: сравнение и что выбрать

На рынке несколько специализированных сервисов, которые закрывают связку рекламы, коллтрекинга и CRM в одном интерфейсе. Roistat объединяет данные рекламы, сайта и CRM в едином дашборде, включает модуль коллтрекинга и заявляет больше 200 готовых интеграций с CRM вроде amoCRM, Bitrix24, Pipedrive, RetailCRM и YCLIENTS, а также умеет автоматически управлять ставками в Яндекс Директе и Google Ads на основе реальных продаж, а не только кликов. Calltouch, помимо сквозной аналитики и коллтрекинга, предлагает речевую аналитику, скоринг клиентов и отдельный CDP-модуль, который приоритизирует теплые обращения для менеджеров, и интеграцию с 1С, но честно предупреждает: каждая 1С обычно доработана под заказчика, поэтому такая интеграция всегда отдельная разработка, а не подключение в пару кликов, как у облачных CRM.

ROMI center делает акцент на автоматической выгрузке данных из рекламы и CRM прямо в Google Analytics, Яндекс Метрику и BigQuery без участия программиста, что подходит компаниям, которые уже привыкли смотреть отчеты в этих системах и не хотят переходить на новый интерфейс. Callibri собирает коллтрекинг, email-трекинг, запись разговоров и речевую аналитику в одном инструменте под названием МультиТрекинг, а отдельный модуль CRM-чата помогает не терять заявки из мессенджеров и чатов на сайте.

Здесь стоит предупредить об одной путанице, которая встречается на сайтах самих сервисов: в списке интеграций Roistat фигурирует «1C-Bitrix», это CMS-платформа для интернет-магазинов, а не связь с учетной системой 1С-Предприятие или 1С-CRM, и путать их не стоит при выборе сервиса под конкретную задачу сверки платежей.

Выбор между сервисами обычно сводится к тому, какая задача первична. Если главное, звонки и коллтрекинг, разница между Calltouch и Callibri небольшая, и стоит смотреть на уже используемую CRM и готовые интеграции с ней. Если главное, автоматизация отчетов без лишнего интерфейса, ROMI center предсказуемо проще внедрить командам, которые уже привыкли работать в Google Analytics или Метрике напрямую. А если разговор идет не про один канал, а про всю картину бизнеса целиком, дальше уже речь не о выборе между специализированными сервисами, а о том, нужен ли отдельный слой аналитики поверх них.

Отдельно стоит бренд UIS: с августа 2023 года он объединился с Comagic, и сайт comagic.ru теперь ведет на uiscom.ru, а продуктовая линейка развивается под единым названием, включая виртуальную АТС и коллтрекинг с элементами искусственного интеллекта. Все перечисленные сервисы устроены вокруг одной задачи, рекламы и продаж, и это их сильная сторона: они хорошо решают именно эту задачу и не пытаются охватить больше.

Но как только в компании нужна аналитика шире, не только по рекламе, а по всему бизнесу сразу, включая финансы и операции, специализированный сервис сквозной аналитики превращается в еще один источник данных, который снова придется сводить вручную с остальными: он покажет, откуда пришли деньги, но не покажет, что с ними происходит дальше в компании. Это именно то место, где единый дашборд, который сводит маркетинг, продажи, финансы и операции вместе, снимает лишний шаг: не нужно отдельно сверять сквозную аналитику по рекламе с отчетом по деньгам, оба среза уже в одном месте, и по ним можно смотреть полноценную бизнес-аналитику, а не только эффективность рекламы.

Частые ошибки при внедрении сквозной аналитики

Собирают дашборд с избыточным числом графиков, на которые никто реально не смотрит. Система настроена, отчеты формируются, но решения по ним не принимаются: обилие цифр и красивых диаграмм создает иллюзию контроля, а не сам контроль. Дашборд, это инструмент для конкретной задачи, а не витрина данных, и если после взгляда на него непонятно, что делать дальше, значит на экран вывели не те цифры. Обычно это следствие обратного порядка сборки: сначала подключили все источники, которые нашлись, а потом стали думать, что из этого показать, вместо того чтобы сперва решить, какие пять-семь цифр реально нужны каждое утро, и собирать данные под них.

Не проверяют корректность данных после настройки интеграций. Один и тот же клиент может жить в CRM в трех видах: контакт с сайта, отдельная карточка после звонка и еще одна сделка, созданная менеджером вручную. Менеджеры создают сделки без указания источника, и связь с рекламным каналом теряется уже на этом шаге, а грязные данные в CRM, дубли карточек, неуказанные суммы, ненадежные статусы, делают всю остальную аналитику бессмысленной, сколько бы источников ни было подключено технически правильно.

Забывают про офлайн-канал при подключении источников: если компания отслеживает только заявки с сайта, а значительная доля клиентов звонит напрямую, аналитика получается неполной изначально, и для каждого источника, включая звонки, нужен свой инструмент отслеживания. Такая же логика применима к идентификаторам: одного gclid или fbclid недостаточно для всей цепочки учета. Нужен собственный стабильный id заявки, который передается в CRM вместе со сведениями об источнике, иначе заявка просто не сопоставляется с визитом на сайте, и связь с рекламой рвется уже на этапе внедрения, а не где-то в середине системы.

Отдельно стоит помнить про идентификатор посетителя, который присваивает система веб-аналитики: он сбрасывается при каждой очистке cookies, и один и тот же реальный человек на разных заходах может получать разные идентификаторы. Строить связку наивно, полагаясь только на этот идентификатор без запасного варианта вроде телефона или почты, рискованно именно из-за этой особенности.

Все перечисленные ошибки объединяет одна причина: систему настраивают один раз и больше к ней не возвращаются. Реклама, CRM и сайт со временем меняются, добавляются новые кампании, новые менеджеры, новые формы на сайте, и каждое такое изменение способно незаметно разорвать связку, которая исправно работала месяцами. Регулярный аудит данных, тот же шаг, что и при первичной настройке, стоит повторять не разово, а на регулярной основе, например раз в квартал вместе с проверкой актуальности UTM-меток на всех активных кампаниях.

Часто задаваемые вопросы

Сколько стоит настроить сквозную аналитику? Цена зависит от набора инструментов: специализированный сервис сквозной аналитики с коллтрекингом стоит дороже, чем связка бесплатной Яндекс Метрики с ручной UTM-разметкой и CRM-интеграцией. На официальных сайтах сервисов из этой статьи публичных цен нет, поэтому стоимость лучше уточнять напрямую под конкретный набор источников и объем трафика.

Можно ли настроить сквозную аналитику бесплатно, без платных сервисов? Базовую версию можно собрать на Яндекс Метрике: UTM-метки, передача статусов сделок из CRM через CRM-интеграцию Метрики, загрузка расходов по каналам и офлайн-конверсий через CSV. Платные сервисы избавляют от части ручной настройки и добавляют коллтрекинг из коробки, но не единственный путь к рабочей системе, особенно на старте, когда каналов немного.

Сколько времени занимает внедрение с нуля? Зависит от числа источников и от того, насколько чистые данные уже есть в CRM. Разметка UTM и подключение коллтрекинга занимают дни, а интеграция с CRM и проверка корректности данных, недели, особенно если параллельно приходится причесывать накопившиеся дубли и пропуски в источниках, которые копились месяцами до внедрения.

Нужен ли программист для настройки? Для UTM-меток и подключения готовых интеграций, обычно нет: большинство сервисов и рекламных кабинетов рассчитаны на самостоятельную настройку маркетологом. Программист или интегратор понадобится там, где нужна нестандартная связка, например доработанная под компанию 1С или собственная CRM без готового коннектора к нужному сервису.

Нужен ли отдельный дашборд, если уже подключен сервис сквозной аналитики? Специализированный сервис обычно показывает только рекламу и продажи. Как только к этой картине добавляются финансы, склад или операции, данные снова приходится сводить руками между несколькими интерфейсами, и здесь отдельный единый дашборд, куда стекаются все источники сразу, экономит именно этот последний шаг ручной сверки.

Что делать, если данные из разных источников не сходятся? Сначала проверить единый идентификатор: если он не передается на каком-то из звеньев цепочки, дальше искать смысла нет, пока не починили именно эту точку. Дальше стоит пройти путь клиента вручную, оставить тестовую заявку или сделать тестовый звонок и убедиться, что вся цепочка от клика до карточки в CRM отработала так, как задумано.

С каких метрик начать, если пока непонятно, за чем следить в первую очередь? С CAC и ROMI по каждому каналу отдельно: они быстрее всего покажут, какая реклама реально приносит деньги, а какая только выглядит эффективной по цене клика. LTV и более сложные модели атрибуции стоит подключать позже, когда накопится достаточно сделок, чтобы эти метрики считались не по десятку случайных примеров, а по устойчивой выборке.

С чего начать сборку

Если пока не подключено вообще ничего, минимальный рабочий набор, это UTM-метки на всю рекламу плюс поле источника в каждой сделке CRM: этого уже достаточно, чтобы увидеть первую грубую картину по каналам. Дальше слои добавляются по порядку: коллтрекинг для звонков, выгрузка расходов по каналам, офлайн-конверсии, регулярная проверка данных. Пытаться подключить все источники разом обычно приводит к тому, что где-то в середине связки закрадывается ошибка, которую потом сложно найти среди множества одновременных изменений.

Собранная сквозная аналитика имеет смысл только тогда, когда данные из нее попадают в место, куда реально смотрят каждое утро, а не в отдельный отчет, который открывают раз в квартал перед совещанием. Систему стоит собирать поэтапно и проверять каждый шаг перед следующим, а не откладывать запуск до момента, когда подключены сразу все источники: рабочая связка из двух каналов и CRM полезнее недоделанной системы из десяти источников, где половина данных не проверена.

Если хочется сразу видеть связанные данные по рекламе, продажам, финансам и операциям в одном дашборде, а не собирать их из нескольких сервисов вручную, зарегистрируйтесь в Analyzo и подключите источники, которые уже используете, без месяцев настройки с нуля.