Forrester несколько лет подряд исследуют, сколько компаний реально принимают решения на основе данных, а не просто собирают их. Цифра стабильная: около 6%.

Ну да, 6%. Не 60. Шесть.

При этом дашборды-то есть у всех. GA4 подключен. Рекламные кабинеты стянуты. CRM ведётся. Отчёты приходят по расписанию. Картина полная - ощущение контроля есть. А решения? Неа.

Сейчас попробую объяснить, где ломается.

Типичная пятница: фаундер спрашивает «что с бюджетом на следующей неделе?» Открываешь отчёт. CPA вырос на 18%. ROAS упал. Трафик средний. Воронка вроде ок. Смотришь, потом говоришь «разберусь к понедельнику».

Что дальше? Верно! Идем в ChatGPT или Claude - ну про это же сейчас везде орут. Закидываешь какие-то данные, пишешь «где теряем деньги» - получаешь уверенный текст про сезонность, изменение аукциона и важность тестирования креативов. Красиво. Бесполезно.

Я сейчас подключаюсь к проектам как внешний Head of Marketing Analytics. И вижу, чем это заканчивается: кампании с нулевыми продажами крутятся месяцами, потому что в дашборде выглядели «терпимо». Деньги уходят. Никто не принимал решение отключить, потому что «надо ещё посмотреть».

Проблема в вопросах.

Например «Почему у нас вырос CPA?». У этого тейка нет периода, нет канала, нет порога - на сколько вырос, критично ли это. AI на такое выдаёт текст. Аналитик выдаёт текст. Что делать - по-прежнему непонятно.

Другое дело: «Какие кампании в Facebook за последние 14 дней потратили больше $300 и показали CPA выше целевого на 25%+ при нулевых оплатах?».

С таким подходом ваша система аналитики, Claude или ChatGPT работают - фильтруют, считают, выдают список кандидатов на отключение. Не потому что умнее стали, а потому что получили рамку с критерием.

Но это, черт возьми, требует работы. Увы :)

Как это собрать на практике:

  1. Формулируешь решение - что конкретно нужно принять. «Отключить слабые кампании до пятницы» лучше, чем «разобраться с рекламой».
  2. Определяешь критерий - конкретное число: CPA выше X, потрачено больше Y, продаж ноль за N дней.
  3. Идешь в аналитику или собираешь данные под вопрос - записываешь гипотезы.
  4. Если есть возможность - даешь доступ к данным ассистенту. Просишь его опровергнуть твои гипотезы и подобрать более сильные.
  5. Принимаешь решение - список гипотез на руках, дело за малым.

Те 6% из Forrester, которые реально работают с аналитикой - они не умнее и не богаче. Они просто знают, с каким вопросом идти к данным.

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