Продолжим разбор важных маркетинговых метрик. Руководство с формулами и практическим применением. Часть вторая.
8. Кликабельность (Click-Through Rate, CTR)
CTR показывает процент пользователей, кликнувших на рекламное объявление, ссылку или элемент, от общего числа увидевших его. Это метрика релевантности и привлекательности вашего рекламного сообщения.
Формула расчета
CTR = (Количество кликов / Количество показов) × 100%
Компоненты формулы
• Количество кликов — число переходов по ссылке
• Количество показов (impressions) — сколько раз объявление было показано
Практический пример
Рекламная кампания в Яндекс.Директ:
• Показов: 50 000
• Кликов: 1 250 CTR = (1 250 / 50 000) × 100% = 2,5%
Интерпретация значений
Средний CTR по каналам:
• Яндекс.Директ (поиск): 5-10%
• Google Ads (поиск): 3-5%
• Контекстно-медийная сеть: 0,5-1%
• Таргетированная реклама VK: 0,5-2%
• Email-рассылка: 2-5%
• Органическая выдача (топ-3): 20-40%
Факторы влияния:
• Ниша и конкурентность
• Качество креатива
• Соответствие запросу
• Позиция размещения
Советы по оптимизации
1. Работайте над заголовками — 80% успеха зависит от заголовка
2. Используйте цифры и триггеры — «Скидка 50%», «Бесплатная доставка»
3. Добавляйте расширения объявлений — увеличивают видимость
4. Тестируйте креативы — минимум 3-5 вариантов одновременно
5. Улучшайте релевантность — объявление должно точно отвечать на запрос
Типичные ошибки
• Оценка CTR в отрыве от конверсии (высокий CTR ≠ высокая прибыль)
• Игнорирование качества кликов
• Отсутствие сегментации по устройствам и аудиториям
• Сравнение CTR разных каналов без учета специфики
9. Конверсия лида в клиента (Lead-to-Customer Conversion Rate)
Эта метрика показывает процент лидов, которые превратились в платящих клиентов. Она оценивает эффективность работы отдела продаж и качество лидов из маркетинга.
Формула расчета
Lead-to-Customer CR = (Количество новых клиентов / Количество лидов) × 100%
Компоненты формулы
• Новые клиенты — число лидов, совершивших первую покупку
• Количество лидов — все полученные лиды за период
Практический пример
B2B-компания, квартальный отчет:
• Получено лидов: 400
• Из них стали клиентами: 80 Lead-to-Customer
CR = (80 / 400) × 100% = 20%
Интерпретация значений
Средние показатели по отраслям:
• B2C (e-commerce): 20-40%
• B2B (SMB): 10-20%
• B2B (Enterprise): 5-10%
• SaaS (self-service): 25-40%
• SaaS (sales-led): 10-15%
Факторы влияния:
• Сложность продукта
• Длина цикла сделки
• Качество квалификации лидов
• Эффективность продаж
Связь с CAC
CAC = CPL / Lead-to-Customer CR
Пример: CPL = 2 000 рублей, конверсия лид → клиент = 20%
CAC = 2 000 / 0,2 = 10 000 рублей
Советы по оптимизации
1. Квалифицируйте лиды — разделяйте MQL и SQL, работайте с качеством
2. Оптимизируйте процесс продаж — CRM, скрипты, автоматизация
3. Сокращайте цикл сделки — каждый день задержки снижает конверсию
4. Развивайте lead nurturing (взращивание лидов) — email-цепочки, ретаргетинг, контент
5. Обучайте менеджеров — лучшие менеджеры конвертят в 2-3 раза эффективнее
Типичные ошибки
• Отсутствие разделения на этапы воронки (холодный лид vs горячий)
• Игнорирование времени между лидом и покупкой
• Неучет сезонности и внешних факторов
• Отсутствие анализа причин отказов
10. Маркетинговые и продажные лиды (MQL vs SQL)
MQL (Marketing Qualified Lead) — лид, проявивший интерес к продукту, но еще не готовый к покупке.
SQL (Sales Qualified Lead) — лид, готовый к прямому контакту с отделом продаж и потенциальной сделке. Разделение критически важно для выстраивания эффективной воронки.
Критерии квалификации
MQL — признаки:
• Скачал материалы (ebook, гайд)
• Подписался на рассылку
• Посетил ключевые страницы сайта 3 + раз
• Заполнил форму с контактами
• Engagement score > порогового значения
SQL — признаки:
• Запросил демо или консультацию
• Соответствует ICP (Ideal Customer Profile)
• Есть бюджет и полномочия принятия решения
• Таймлайн покупки определен (0-3 месяца)
• Lead score > порогового значения
Формула конверсии
MQL-to-SQL CR = (Количество SQL / Количество MQL) × 100%
SQL-to-Customer CR = (Количество клиентов / Количество SQL) × 100%
Общая конверсия:
MQL-to-Customer CR = MQL-to-SQL CR × SQL-to-Customer CR
Практический пример
SaaS-компания (предоставляет программное обеспечение через интернет), месячная воронка:
• 1 000 MQL • 300 SQL (конверсия MQL→SQL = 30%)
• 60 клиентов (конверсия SQL→клиент = 20%)
Общая конверсия MQL→ клиент = 6%
Интерпретация значений
Типичные бенчмарки:
• MQL → SQL: 20-40% (зависит от строгости квалификации)
• SQL → Customer: 15-30% (B2B)
• SQL → Customer: 40-60% (B2C, низкий порог входа)
Модель lead scoring.
Поведенческие сигналы (баллы):
• Посещение страницы с ценами:
+10 • Просмотр кейсов: + 5
• Подписка на blog: + 3
• Открытие email: + 2
Демографические данные (баллы):
• Компания 100 + сотрудников: + 15
• C-level позиция: + 20
• Целевая индустрия: + 10
MQL порог: 30 баллов
SQL порог: 60 баллов
Советы по оптимизации
1. Выстраивайте lead nurturing — автоматические цепочки для прогрева MQL
2. Используйте scoring — приоритизация горячих лидов
3. Синхронизируйте маркетинг и продажи — единые критерии SQL
4. Анализируйте конверсию на каждом этапе — где теряете лиды?
5. Тестируйте критерии квалификации — регулярно пересматривайте пороги
Типичные ошибки
• Передача в sales неквалифицированных лидов (портит отношения)
• Отсутствие SLA между маркетингом и продажами
• Игнорирование MQL, которые не конвертировались в SQL (можно вернуть)
• Статичная модель scoring без адаптации
11. Коэффициент удержания клиентов (Customer Retention Rate, CRR)
CRR показывает процент клиентов, которые продолжили сотрудничество с компанией за определенный период. Это ключевая метрика лояльности и эффективности работы с существующей базой.
Формула расчета
CRR = ((Клиенты на конец периода - Новые клиенты) / Клиенты на начало периода) × 100%
Компоненты формулы
• Клиенты на конец периода — количество активных клиентов в конце периода
• Новые клиенты — клиенты, привлеченные в течение периода
• Клиенты на начало периода — база на старте периода
Практический пример
SaaS-сервис, анализ за квартал:
• Клиентов на 1 января: 500
• Новых клиентов за квартал: 150
• Клиентов на 31 марта: 580 CRR = ((580 - 150) / 500) × 100% = (430 / 500) × 100% = 86%
Интерпретация значений
Бенчмарки по отраслям:
• SaaS (B2B): 85-95%
• E-commerce: 20-40% (годовая)
• Подписки (медиа): 70-85%
• Банки: 80-90%
• Телеком: 75-85%
Важно: CRR зависит от бизнес-модели и частоты покупок.
Связь с другими метриками
Churn Rate = 100% - Retention Rate
Если CRR = 86%, то Churn = 14%
Советы по оптимизации
1. Развивайте онбординг — 70% оттока происходит в первые 30 дней
2. Персонализируйте коммуникацию — email, push, персональные предложения
3. Работайте с предиктивной аналитикой — выявляйте риск оттока заранее
4. Создавайте барьеры выхода — накопительные программы, долгосрочные тарифы
5. Запрашивайте обратную связь — NPS, опросы, интервью
Типичные ошибки
• Расчет retention без учета естественного жизненного цикла клиента
• Игнорирование когортного анализа
• Отсутствие сегментации по ценности клиентов
• Фокус только на привлечении в ущерб удержанию
12. Коэффициент оттока (Churn Rate)
Churn Rate — процент клиентов, прекративших сотрудничество за период. Это обратная метрика к Retention Rate, показывающая, насколько быстро компания теряет клиентскую базу.
Формула расчета
Churn Rate = (Ушедшие клиенты за период / Клиенты на начало периода) × 100%
Или: Churn Rate = 100% - Retention Rate
Revenue Churn (отток выручки):
Revenue Churn = (Потерянная MRR / MRR на начало периода) × 100%
Компоненты формулы
• Ушедшие клиенты — количество клиентов, прекративших покупки
• Клиенты на начало периода — исходная база
• MRR (Monthly Recurring Revenue) — месячная регулярная выручка
Практический пример
Стриминговый сервис, месячный отчет:
• Подписчиков на 1 месяца: 10 000
• Отменили подписку: 500
• Новых подписок: 800
• Подписчиков на конец месяца: 10 300
Churn Rate = (500 / 10 000) × 100% = 5%
Примечание: новые подписки не учитываются в расчете (!) Churn.
Интерпретация значений
Критические пороги:
• Месячный Churn > 5% — тревожный сигнал для SaaS
• Месячный Churn = 2-5% — требует внимания
• Месячный Churn < 2% — здоровый показатель
Годовой Churn для e-commerce:
• 60-80% — норма для большинства категорий
• 20-40% — отличный результат (loyalty программы)
Советы по оптимизации
1. Анализируйте причины ухода — выходные интервью, опросы
2. Работайте с триггерами оттока — снижение активности, жалобы
3. Используйте win-back кампании — специальные предложения для ушедших
4. Внедряйте Customer Success — проактивная помощь клиентам
5. Мониторьте cohort retention — отток по когортам показывает проблемы
Типичные ошибки
• Расчет Churn с учетом новых клиентов (искажает реальность)
• Игнорирование Revenue Churn (потеря крупных клиентов критичнее)
• Отсутствие сегментации оттока по причинам
• Реактивная работа вместо предиктивной
13. Средний чек (Average Order Value, AOV)
AOV показывает среднюю сумму одной транзакции. Это важнейшая метрика для e-commerce и розничной торговли, напрямую влияющая на прибыльность бизнеса.
Формула расчета
AOV = Общая выручка / Количество заказов
Компоненты формулы
• Общая выручка — сумма всех продаж за период
• Количество заказов — число транзакций за период
Практический пример
Интернет-магазин за месяц:
• Выручка: 3 600 000 рублей
• Количество заказов: 1 200
AOV = 3 600 000 / 1 200 = 3 000 рублей
Интерпретация значений
Средний чек по категориям (Россия):
• Продукты питания (онлайн): 1 500-3 000 рублей
• Одежда и обувь: 2 500-5 000 рублей
• Электроника: 8 000-25 000 рублей
• Косметика: 1 500-3 500 рублей
• Мебель: 15 000-50 000 рублей
Связь с другими метриками
Выручка = Трафик × Конверсия × AOV
Это базовое уравнение e-commerce. Рост любого из трех параметров увеличивает выручку.
Советы по оптимизации
1. Кросс-продажи — «С этим товаром покупают», рекомендации
2. Апселлинг — предложение премиум-версии
3. Бандлы и комплекты — наборы со скидкой
4. Порог бесплатной доставки — «Добавьте товаров на 500₽ для бесплатной доставки»
5. Программы лояльности — бонусы за крупные покупки
Практические техники увеличения AOV
Кейс: Интернет-магазин косметики
• Было: AOV = 2 000 рублей
• Внедрили: 1) бесплатная доставка от 3 00, 2) комплекты «уход за кожей» со скидкой 15%, 3) рекомендации «купи 3 товара, получи 4-й бесплатно»
• Стало: AOV = 2 750 рублей (+37,5%)
Типичные ошибки
• Агрессивный апселлинг, снижающий конверсию
• Игнорирование сегментации AOV по категориям
• Отсутствие анализа трендов во времени
• Неучет сезонности и промо-акций
14. Пожизненная ценность клиента (Customer Lifetime Value, CLV/LTV)
LTV показывает общую прибыль, которую компания получит от клиента за весь период сотрудничества. Это стратегическая метрика для понимания долгосрочной ценности клиентской базы и определения допустимого CAC.
Формула расчета
Базовая формула: LTV = Средний чек × Количество покупок в год × Средний срок жизни клиента
Формула с учетом маржинальности: LTV = (Средний чек × Маржа) × Частота покупок в год × Срок жизни клиента
Формула для подписочных моделей: LTV = ARPU × Срок жизни клиента (в месяцах)
Компоненты формулы
• Средний чек — средняя сумма одной транзакции
• Маржа — процент прибыли с продажи
• Частота покупок — среднее количество покупок за год
• ARPU (Average Revenue Per User) — средняя выручка на пользователя в месяц.
• Срок жизни клиента — период от первой до последней покупки
Практические примеры
Пример 1: Интернет-магазин косметики
• Средний чек: 3 500 рублей
• Маржа: 40%
• Покупок в год: 6
• Средний срок жизни: 3 года
LTV = 3 500 × 0,4 × 6 × 3 = 25 200 рублей
Пример 2: SaaS-сервис
• ARPU: 5 000 рублей/месяц
• Средний срок подписки: 18 месяцев
LTV = 5 000 × 18 = 90 000 рублей
Интерпретация значений
Золотое правило: LTV должен быть минимум в 3 раза больше CAC
• LTV / CAC < 1 — бизнес убыточен
• LTV / CAC = 1-3 — низкая эффективность
• LTV / CAC = 3-5 — здоровая экономика
• LTV / CAC > 5 — отличные показатели, можно инвестировать в рост
Советы по оптимизации
1. Увеличивайте средний чек — кросс-селлинг, апселлинг, бандлы
2. Повышайте частоту покупок — email-маркетинг, персонализация
3. Продлевайте срок жизни — программы лояльности, качественный сервис
4. Работайте с retention — удержание дешевле привлечения
5. Сегментируйте клиентов — фокус на наиболее ценных сегментах
Типичные ошибки
• Расчет LTV на основе краткосрочных данных
• Неучет затрат на удержание клиентов
• Игнорирование сегментации (LTV сильно различается)
• Использование среднего LTV для принятия решений о CAC
В завершении этого блока скажу, что, конечно, маркетинговые метрики не существуют изолированно — они образуют сложную экосистему, где изменение одного показателя влияет на другие. В следующей статье мы подробнее коснемся этой взаимосвязи. А также разберем:
- Как выбрать метрики под бизнес-цели
- Построение дашборда: ЧТО отслеживать ежедневно
- Инструменты для tracking метрик
А первая часть статьи про метрики по ссыллочке
Ну и рада снова поделиться полезным. Отличного всем профессионального дня!
