Для продуктов с сильным брендом и оффлайн-конверсиями расчет предельной допустимой стоимости лида (CPL) требует комплексного подхода. Необходимо учитывать не только прямую атрибуцию, но и отложенный эффект бренда, его влияние на оффлайн-продажи и LTV клиента. Это позволяет корректно оценить ROMI и предотвратить недооценку эффективности маркетинговых инвестиций.
Расчет предельной допустимой стоимости лида (CPL) для продуктов с сильным брендом, где значительная часть конверсий происходит вне прямой цифровой атрибуции, — это ключевая задача перформанс-маркетолога. Стандартные модели атрибуции часто недооценивают вклад верхних уровней воронки и брендовых кампаний, что может приводить к неоптимальному распределению бюджета и снижению общего ROMI. Важно учитывать влияние бренда на готовность клиента к покупке и его конверсию в оффлайн-каналах.
Традиционный расчет CPL опирается на прямую атрибуцию, где конверсия четко привязывается к последнему клику или источнику трафика. Для большинства продуктов с прямым откликом это работает. Но когда речь идет о сильном бренде, ситуация меняется. Потребители, уже знакомые с брендом, могут прийти к покупке через несколько касаний, часть из которых — оффлайн, или же самостоятельно найдут продукт после просмотра рекламы, не кликая по ней напрямую. Это так называемые «просмотровые конверсии» или «конверсии с помощью».
Представьте: пользователь видит баннерную рекламу нового продукта известной компании. Он не кликает, но запоминает бренд. Через неделю он идет в магазин, видит этот продукт на полке и покупает его. Прямая атрибуция не зафиксирует вклад баннера. Если таких пользователей сотни тысяч, то значительная часть реальных продаж останется неучтенной в онлайн-метриках. Это создает иллюзию высокого CPL по цифровым каналам, в то время как общая эффективность маркетинга может быть гораздо выше.
Также сильный бренд снижает барьеры к покупке, повышает доверие и, как следствие, конверсию на каждом этапе воронки. Это влияние сложно измерить напрямую и приписать конкретному лиду, но оно есть и напрямую влияет на ROMI. Игнорирование этого эффекта приводит к занижению допустимой стоимости лида и, как результат, к неэффективному масштабированию кампаний.
Ключевая проблема — это отсутствие прямого трекинга оффлайн-конверсий, которые инициированы онлайн-активностью. Когда продукт покупается в розничной точке, по телефону или через другие нецифровые каналы, перформанс-маркетолог теряет возможность связать эту продажу с конкретным рекламным касанием. Это не означает, что эти продажи не были результатом рекламной кампании; это означает, что у нас нет данных о прямой атрибуции.
Например, крупный ритейлер бытовой техники инвестирует в медийную рекламу на YouTube для нового поколения смартфонов. Пользователь видит рекламу, не переходит по ссылке, но через несколько дней приходит в ближайший оффлайн-магазин и покупает смартфон. Если не учитывать этот косвенный эффект, медийная кампания покажет низкий ROMI и высокий CPL, что приведет к ее некорректному отключению или снижению бюджета.
Для расчета предельной допустимой стоимости лида необходимо выстроить максимально детализированную воронку, учитывая все этапы и каналы. Она должна включать как онлайн, так и оффлайн точки взаимодействия, а также различные модели атрибуции.
Каждый этап имеет свою конверсию. Сильный бренд влияет на конверсию на каждом этапе. Например, узнаваемый бренд получит более высокую кликабельность (CTR) на баннерах, более высокий процент заполнения форм и, что самое важное, более высокую конверсию из лида в продажу, даже если лид пришел не напрямую через цифровую рекламу.
Прежде чем перейти к расчету CPL, необходимо определить несколько базовых показателей:
Предположим, для первой продажи допустимая доля маркетинговых расходов — 20%. Тогда максимальная стоимость привлечения клиента (CAC) составит: 3 000 руб. × 0.2 = 600 руб. Это верхний предел для стоимости привлечения одного клиента, а не одного лида.
Для корректного расчета допустимого CPL необходимо выйти за рамки last-click атрибуции и использовать более сложные подходы.
Медиамикс-моделирование (MMM) — это статистический метод, который анализирует исторические данные о продажах, маркетинговых расходах по каналам, ценах, акциях и других внешних факторах (сезонность, макроэкономика) для определения вклада каждого канала в общие продажи. MMM позволяет оценить синергетический эффект между каналами и влияние оффлайн-активностей.
Например, если выросли инвестиции в охватную ТВ-рекламу, и при этом наблюдается рост поисковых запросов по бренду и рост оффлайн-продаж, MMM поможет количественно оценить вклад ТВ в эти метрики. Это позволяет скорректировать эффективность онлайн-каналов, приписывая им часть оффлайн-конверсий.
«Игнорирование мультиканального поведения клиента в расчетах ROMI — это как попытка измерить температуру тела только по одному пальцу. Вы получите данные, но они не будут отражать реальной картины здоровья.»
— Денис Орлов, перформанс-маркетолог
Метод когортного анализа предполагает сравнение групп пользователей, которые были подвержены рекламному воздействию, с контрольными группами, не видевшими рекламы. Это позволяет измерить инкрементальный эффект рекламной кампании — то есть прирост продаж, который произошел именно благодаря рекламе, а не естественным образом.
Допустим, мы запустили баннерную кампанию в регионе X и не запускали аналогичную в регионе Y. Сравнивая динамику продаж в регионах, мы можем оценить, какой прирост обеспечила реклама в регионе X. Этот прирост затем переносится на оценку эффективности конкретной рекламной активности, и на его основе корректируется общая конверсия и CPL.
Современные платформы аналитики (например, Google Analytics 4) предлагают модели атрибуции на основе данных, которые используют алгоритмы машинного обучения для распределения ценности конверсии между всеми точками касания. Эти модели лучше учитывают комплексный путь пользователя и могут быть более точными, чем линейные или last-click модели.
Хотя эти модели все еще ограничены данными, доступными в цифровом пространстве, они могут дать более полную картину о вкладе верхних уровней воронки, которые формируют спрос и работают на бренд.
Для корректного расчета допустимого CPL необходимо использовать модифицированную формулу, которая учитывает как прямые, так и косвенные/оффлайн-конверсии.
Сфокусируйтесь на LTV, если ваш бизнес подразумевает повторные покупки, иначе — на прибыли от первой продажи. Это база для всех расчетов.
Пример: LTV клиента = 15 000 руб. (чистая прибыль).
ROMI показывает, сколько прибыли вы получаете с каждого рубля, потраченного на маркетинг. Целевой ROMI должен быть выше 1 (чтобы маркетинг окупался) и учитывать внутренние финансовые нормативы. Например, вы хотите, чтобы каждый рубль, вложенный в маркетинг, приносил 3 рубля прибыли.
Целевой ROMI = 3. То есть, на привлечение клиента, приносящего 15 000 руб. прибыли, мы готовы потратить не более: 15 000 руб. / 3 = 5 000 руб. Это наш целевой CAC (Customer Acquisition Cost).
Это суммарная конверсия, учитывающая все каналы продаж (онлайн и оффлайн), а также эффект бренда. Здесь применяются методы MMM, когортного анализа или данные из CRM. Допустим, из всех привлеченных лидов, независимо от канала, в клиентов конвертируется 5%.
CR_L2C_total = 5% = 0.05.
Формула для расчета предельного CPL:
CPL_max = (LTV_client / Target_ROMI) * CR_L2C_total
Подставим значения:
CPL_max = (15 000 руб. / 3) * 0.05 = 5 000 руб. * 0.05 = 250 руб.
Таким образом, предельная допустимая стоимость лида, учитывающая общую конверсию и целевой ROMI, составляет 250 рублей.
Полученное значение 250 руб. — это усредненный CPL для всех каналов. Теперь необходимо скорректировать его для каждого конкретного канала, учитывая его специфику и вклад в общую воронку. Если какой-то канал генерирует лиды с более низкой конверсией в продажу (например, холодные лиды), его CPL_max будет ниже. Если канал приносит лиды высокого качества, его CPL_max может быть выше.
Например, если вы знаете, что лиды из контекстной рекламы имеют конверсию 7% (потому что они уже ищут продукт), а лиды из медийной рекламы — 3% (потому что это верх воронки), то можно использовать эти данные для расчета специфичного CPL_max для каждого канала.
CPL_max_контекст = (15 000 руб. / 3) * 0.07 = 350 руб.
CPL_max_медийная = (15 000 руб. / 3) * 0.03 = 150 руб.
Крупный производитель бытовой электроники столкнулся с проблемой: перформанс-кампании в digital показывали высокий CPL по онлайн-заявкам, но при этом общие продажи в розничных сетях росли. Команда маркетинга подозревала, что онлайн-реклама значительно влияет на оффлайн-продажи, но не могла это доказать.
Прибыль с онлайн-продаж = 1000 заявок * 0.10 * 12 500 руб. = 1 250 000 руб. (с первой продажи).
ROMI = 1 250 000 руб. / 700 000 руб. = 1.78. Это ниже целевого ROMI 2.5, что могло бы привести к сокращению бюджета.
Компания провела исследование с помощью медиамикс-моделирования (MMM) и опросов клиентов в розничных магазинах. Выяснилось, что 20% оффлайн-покупателей указали, что узнали о продукте из онлайн-рекламы, но совершили покупку в магазине. Ежемесячно в рознице совершается 3 000 продаж.
Дополнительные оффлайн-продажи, инициированные онлайн-рекламой: 3 000 продаж * 0.20 = 600 продаж.
Среднее количество лидов на 1 оффлайн-продажу: Если принять, что эти 600 оффлайн-продаж также были результатом лидов, то к 1000 онлайн-лидов добавляется эквивалент, который привел к оффлайн продажам. Это непрямой способ, но для упрощения: предположим, что каждые 10 лидов приводили к 1 оффлайн-продаже, то есть, для 600 оффлайн-продаж нужно 6000 лидов. (Эту часть можно уточнить через более точные модели атрибуции, где каждому лиду может быть присвоен вес.)
Общая конверсия из лида в клиента (CR_L2C_total): 10% (онлайн) + 600 оффлайн-продаж / (1000 онлайн-лидов + Y оффлайн-лидов) = ? (здесь нужно более точное определение лидов). Давайте упростим: допустим, суммарно сгенерировано 1000 онлайн-лидов, и они привели к 100 онлайн-продажам + 600 оффлайн-продажам. Итого 700 продаж на 1000 лидов (если все 600 оффлайн-продаж можно привязать к нашим 1000 лидам как к триггеру) = 70%. Это нереалистично, конечно.
Более корректно: мы не увеличиваем количество лидов, а увеличиваем эффективность существующих. То есть, те 1000 онлайн-лидов привели к 100 онлайн-продажам. Но, кроме того, они повлияли на 600 оффлайн-продаж, которые иначе бы не произошли. Таким образом, 1000 лидов фактически привели к 100 + 600 = 700 продажам. Общая конверсия из лида в продажу: 700/1000 = 70%. Но это слишком оптимистично.
Давайте сделаем так: у нас есть 1000 онлайн-лидов. Они привели к 100 онлайн-продажам. Это CR_online = 10%. Кроме того, мы оценили, что 20% оффлайн-продаж (3000 * 0.2 = 600 продаж) были инициированы онлайн-маркетингом. Примем, что эти 600 продаж были конвертированы из дополнительного пула "скрытых" лидов, генерируемых онлайн, или же что те же 1000 лидов имели расширенный эффект. Предположим, что эти 600 продаж можно разделить между 1000 лидами. Тогда каждый лид привел к 0.1 онлайн-продаже и 0.6 оффлайн-продажи. Итого, каждый лид приводит к 0.7 продаж (очень высокая конверсия, но это пример).
Корректнее считать среднюю конверсию лида в продажу, исходя из общей прибыли. Общая прибыль от 100 онлайн-продаж: 100 * 12 500 = 1 250 000 руб. Общая прибыль от 600 оффлайн-продаж, инициированных онлайн: 600 * 12 500 = 7 500 000 руб.
Суммарная прибыль, инициированная онлайн-маркетингом (без учета LTV): 1 250 000 + 7 500 000 = 8 750 000 руб.
Фактический ROMI = 8 750 000 руб. / 700 000 руб. = 12.5. Это значительно выше целевого ROMI 2.5.
Теперь, зная общую прибыль, которую генерируют 1000 онлайн-лидов, и учитывая целевой ROMI, мы можем определить общую допустимую стоимость привлечения этих лидов.
Общая допустимая стоимость привлечения 1000 лидов = Общая прибыль / Целевой ROMI = 8 750 000 руб. / 2.5 = 3 500 000 руб.
Допустимый CPL = Общая допустимая стоимость привлечения / Количество лидов = 3 500 000 руб. / 1000 = 3 500 руб.
Вместо 700 руб. по прямой атрибуции, фактический допустимый CPL для данного бренда с учетом косвенных продаж и целевого ROMI составляет 3 500 руб. Это позволяет значительно увеличить бюджет на привлечение лидов, не снижая рентабельности.
Этот кейс показывает, что для сильных брендов, особенно в сферах с мультиканальными продажами, стандартные метрики могут давать ложную картину. Использование комплексного подхода позволяет не только оправдать текущие инвестиции, но и найти точки для эффективного масштабирования.
Правильный расчет допустимого CPL для продуктов с сильным брендом — это не просто аналитическая задача, это стратегическое решение, которое напрямую влияет на эффективность маркетинговых инвестиций и рост бизнеса. Недооценка влияния бренда и оффлайн-конверсий может привести к упущенным возможностям масштабирования и снижению конкурентоспособности.
Сильные бренды часто оперируют с неоднородной аудиторией. Разные сегменты по-разному реагируют на медийную активность и конвертируются с разной эффективностью. Игнорировать это — значит усреднять показатели и терять в точности расчётов. На практике, CPL должен быть адаптивным, учитывающим ценность и особенности каждого сегмента.
Первый и самый очевидный подход — это сегментация на основе прогнозируемого LTV (Lifetime Value). Клиенты с высоким потенциальным LTV могут оправдать более высокую стоимость привлечения. Например, для сегмента B2B SaaS, где LTV составляет миллионы рублей, допустимый CPL будет значительно выше, чем для массового продукта с низкой средней стоимостью чека.
Допустим, мы выделили два сегмента: «Премиум» с LTV_1 = 500 000 рублей и «Стандарт» с LTV_2 = 100 000 рублей. Если целевой ROMI для обоих сегментов составляет 200%, а общая конверсия из лида в клиента (CR_L2C_total) одинакова и равна 10%, то предельный CPL будет отличаться кратно:
Для «Премиум»: CPA_доп = LTV_1 / ROMI_целевой = 500 000 / 2 = 250 000 рублей. Тогда CPL_доп = CPA_доп * CR_L2C_total = 250 000 * 0,10 = 25 000 рублей.
Для «Стандарт»: CPA_доп = LTV_2 / ROMI_целевой = 100 000 / 2 = 50 000 рублей. Тогда CPL_доп = CPA_доп * CR_L2C_total = 50 000 * 0,10 = 5 000 рублей.
Это позволяет точнее управлять бюджетами и оптимизировать рекламные кампании под каждый сегмент, выделяя больше ресурсов на привлечение наиболее ценных клиентов.
Не все лиды одинаковы. Лиды, пришедшие с прямой рекламы по брендовым запросам, как правило, конвертируются лучше, чем лиды из медийных кампаний, нацеленных на верх воронки. Соответственно, и предельный CPL для них может быть разным. Более «холодные» лиды требуют больше усилий по «прогреву» и могут иметь более низкую, но всё же ценную, допустимую CPL.
Рассмотрим пример. У нас есть лиды из двух источников:
При целевом CPA клиента в 10 000 рублей:
Для брендовых запросов: CPL_branded = CPA_целевой * CR_L2C_branded = 10 000 * 0,20 = 2 000 рублей.
Для медийной рекламы: CPL_media = CPA_целевой * CR_L2C_media = 10 000 * 0,05 = 500 рублей.
Это демонстрирует, что необходимо устанавливать разные пороги CPL для разных каналов и типов лидов, исходя из их потенциальной конверсии. Усреднение в этом случае приведёт к переплате за «горячих» лидов и недооценке «холодных», что помешает эффективному масштабированию кампаний.
«Предельный CPL — это не фиксированная константа, а динамический параметр, который должен адаптироваться к ценности каждого потенциального клиента и эффективности каждого канала привлечения. Игнорирование этого принципа — прямой путь к неоптимальному распределению маркетингового бюджета.»
— Денис Орлов, перформанс-маркетолог Rusability
Сильный бренд всегда создаёт синергетический эффект между различными маркетинговыми каналами. Медийные кампании, PR, контент-маркетинг — всё это не приносит прямых лидов, но значительно влияет на эффективность перформанс-каналов. И задача перформанс-маркетолога — учесть этот эффект при расчёте допустимого CPL.
Классическая модель атрибуции «last click» или «last non-direct click» игнорирует этот синергетический вклад. В результате, медийные каналы кажутся неэффективными, а их бюджеты урезаются, что в долгосрочной перспективе приводит к падению общей эффективности маркетинга.
Концепция инкрементальности позволяет оценить, какой вклад каждый канал или рекламная активность вносит в общие продажи, которые не произошли бы без этой активности. То есть, мы смотрим на чистый прирост.
Если мы знаем, что медийная кампания увеличила конверсию перформанс-каналов на 15%, то часть бюджета медийной кампании можно «перенести» на перформанс-каналы в виде увеличенного допустимого CPL. Это сложная задача, требующая проведения экспериментов (A/B-тестов, гео-экспериментов) и использования продвинутых моделей.
Пример: Рекламная кампания на YouTube (медийный канал) не приносит прямых лидов, но после её запуска конверсия из клика в лид в контекстной рекламе выросла с 3% до 3.45% (прирост на 15%). Предположим, средняя стоимость клика в контексте — 100 рублей. Без YouTube CPL_контекст = 100 / 0,03 = 3 333 рубля. С учётом синергии, эффективный CPL контекста при прежних затратах будет:
CPL_контекст_с_синергией = 100 / 0,0345 = 2 898 рублей. Это говорит о том, что медийная кампания позволила "эффективно снизить" CPL в контексте, или, другими словами, мы можем позволить себе потратить больше на лид в контексте, потому что медийка сделала его более качественным.
При расчёте бюджета, мы можем распределить стоимость медийной кампании пропорционально инкрементальному вкладу. Если YouTube даёт 20% инкремента к продажам, то 20% его бюджета можно рассматривать как вклад в общий маркетинговый ROMI, а не как отдельный, неэффективный расход.
Считает маркетинг в деньгах: ROMI, CPA, LTV. Показывает расчёты, а не обещания.
Профиль автора
Комментарии (0)
Без регистрации. Комментарии проверяются автоматически перед публикацией.
Пока нет комментариев. Будьте первым!