Формула маржинальности канала в сквозной аналитике

23 октября 2026 · Команда SaitHub · SEO-блог SaitHub

Многие владельцы бизнеса оценивают эффективность рекламы только по стоимости лида или конверсии, игнорируя реальную прибыль. Сквозная аналитика позволяет увидеть, какой канал приносит деньги, а какой убыточен, даже при высоких показателях конверсии.

Связь между расходами и выручкой

Базовая проблема классической аналитики заключается в разрыве между данными рекламных платформ и учётными системами. В Директе или Facebook вы видите стоимость клика и конверсию в заявку, но не знаете, сколько денег эта заявка принесла компании. Чтобы закрыть этот разрыв, необходимо передавать данные о сделке в рекламный кабинет через интеграцию с CRM или 1С.

Без такой связи вы оптимизируете не прибыль, а количество лидов. Например, канал может давать 100 заявок в месяц по 500 рублей за клик, но если средний чек 3000 рублей, а себестоимость 2000 рублей, то маржа с заявки всего 1000 рублей. При затратах на рекламу 50 000 рублей вы работаете в минус. Сквозная аналитика устраняет эту слепоту, привязывая каждый лид к конкретной сумме оплаты.

Ключевые метрики для расчёта

Для точного расчёта маржинальности канала необходимо использовать три ключевые величины. Первая — это CAC (Cost of Acquisition), то есть полная стоимость привлечения клиента по конкретному каналу. Вторая — ARPU (Average Revenue Per User), средний доход с одного клиента за период. Третья — GM (Gross Margin), валовая маржа продукта или услуги.

Игнорирование любой из этих метрик приводит к искажению картины. Если вы не учитываете возвраты и отмены заказов, ваша маржа будет завышена. Если не разделяете расходы по каналам, вы не сможете понять, где именно вы «сжигаете» бюджет.

• CAC — сумма всех маркетинговых расходов канала, деленная на количество новых клиентов.
• ARPU — выручка от всех покупок клиента за определённый период.
• GM — разница между выручкой и себестоимостью продукции.

Формула расчёта маржинальности

Формула выглядит просто, но требует аккуратного сбора данных. Чистая прибыль канала равна валовой марже от всех клиентов, привлечённых этим каналом, минусе полной стоимости их привлечения. То есть Profit = (GM * Number of Clients) - CAC * Number of Clients.

Рассмотрим пример. Канал «Яндекс Директ» привёл 50 клиентов. Валовая маржа с каждого клиента составляет 5000 рублей. Полные затраты на рекламу составили 200 000 рублей. Чистая прибыль = (5000 * 50) - 200 000 = 250 000 - 200 000 = 50 000 рублей. Маржинальность канала составляет 20% от выручки. Если бы вы не считали CAC, вы бы увидели только выручку 250 000 рублей и решили, что канал прибыльный.

Ошибки атрибуции и их влияние

Самая частая ошибка в сквозной аналитике — неправильное определение источника клиента. Пользователь мог кликнуть по рекламе, потом перейти на сайт через поисковик и только там оставить заявку. Если система атрибуции припишет сделку поисковому трафику, вы недооцените эффективность рекламы.

Для минимизации ошибок используйте модель Last Click или First Click в зависимости от длины воронки. Если цикл сделки короткий (до 1-2 дней), лучше брать Last Click. Если цикл длинный (недели или месяцы), First Click покажет, где клиент впервые узнал о вас. Переключение между моделями без корректировки бюджета ведёт к перераспределению средств и потере точности.

Практический пример для e-commerce

В интернет-магазине с высоким чеком маржинальность каналов может сильно различаться. Канал «Таргет в VK» может давать низкую стоимость лида, но низкую конверсию в покупку. Канал «SEO» может давать дорогой лид, но высокую лояльность и повторные покупки.

При расчёте необходимо учитывать не только первую покупку, но и LTV (Lifetime Value). Если SEO-продвигание стоит 10 000 рублей в месяц, но приводит к покупке на 200 000 рублей с маржой 40%, то чистая прибыль с канала 80 000 рублей. Это делает SEO значительно более выгодным, чем платный трафик с маржой 10%. Сквозная аналитика позволяет увидеть эту разницу и перераспределить бюджет в пользу каналов с высокой пожизненной ценностью.

Автоматизация сбора данных

Ручной перенос данных из CRM в рекламные кабинеты занимает часы и подвержен ошибкам. Для корректной работы необходимо настроить вебхуки или API-интеграции. Данные о статусе сделки (оплачено, отменено, возвращено) должны автоматически поступать в рекламную систему.

Интеграция позволяет обновлять статистику в реальном времени. Вы видите не только заявки, но и факт оплаты. Это критически важно, так как конверсия в заявку и конверсия в оплату могут отличаться в 2-3 раза. Автоматизация исключает человеческий фактор и обеспечивает чистоту данных для расчёта маржинальности.