Кто сказал «Половина моих рекламных денег тратится впустую»?

Может Форд, может Джон Ванамейкер – но было это давно. Прошло с тех пор много лет, появились рекламные кабинеты, CRM, ChatGPT. Проблема никуда не ушла.

Интересно, а Форд видел что-то подобное? Каждый канал показывает хороший ROAS - в своём кабинете. Яндекс говорит - 4х. ВКонтакте - 3.5х. И так далее. А план по выручке не выполнен.

Разные кабинеты между собой не дружат. Ну ок, думаешь – я не динозавр, дам нейросети, она разберётся.

Увы - не разберётся. Каждая платформа посчитает атрибуцию в свою пользу, а ИИ просто перескажет эти цифры.

Помню как сейчас: контекст давал самый низкий CPL, его масштабировали – а в CRM оказалось, что LTV этих клиентов мягко говоря так себе. Залетный трафик - такое бывает.

Так вот, как с этим разобраться сейчас, когда столько AI-инструментов?

Есть 5 простых шагов:

  1. Свяжи клик с оплатой через UTM-метки или идентификаторы клика. Смотри не на лиды в кабинете, а на оплаченных клиентов в CRM.
  2. Посчитай LTV по источнику привлечения. Клиенты из разных мест платят по-разному. Google Sheets + выгрузка из CRM + несколько детальных промптов – этого достаточно для старта.
  3. Сравни CAC с LTV по каждому источнику. Не стоимость лида, а стоимость реального клиента. Заставь свою модель сомневаться.
  4. Найди корреляцию расходов и выручки по периодам. Поднял бюджет в апреле – выросла ли выручка через месяц? Если нет - стоит разобраться почему.
  5. Вот тут есть простор для ИИ - выдай ему контекст проблемы, бизнеса, задачи и ограничения.

Где ИИ реально усиливает: когда данные сведены в одну таблицу, модель быстро считает когорты, ищет аномалии, пишет SQL для выгрузки из BigQuery. Без этой базы - пишет красивые байки.

Знаете, в чем нам повезло? Форд не имел данных. У тебя они есть. Осталось смотреть на нужные.

Больше о работе с данными в продукте и маркетинге есть в Телеграм-канале «Модель атрибуции».