Какой канал реально приводит учеников: сквозная аналитика для школы

Реклама идёт, статьи выходят, рилсы крутятся, сарафан работает сам по себе - и в конце месяца в CRM лежит пачка заявок, а как каждая из них дошла до оплаты, толком не понятно. Форма на сайте спрашивает, откуда человек о вас узнал, он честно пишет «увидела в интернете» - и это всё, что у школы остаётся. На деле путь от первого касания до оплаты почти всегда длиннее одного клика, а системы по умолчанию хвалят только последний шаг перед покупкой. Разберём по шагам: что такое атрибуция и почему last-click обманывает, как разметить ссылки и настроить счётчик, как не терять звонки, как связать заявку с оплатой и как не переоценить один канал, списав в ноль другой.

Зачем вообще считать путь от рекламы до сделки

Возьмём обычный месяц школы. Реклама во ВКонтакте принесла тридцать заявок, блог - пятнадцать переходов из поиска, рилсы дали охват без явных заявок, а два человека пришли по совету знакомых. Из этой пачки за месяц купили пять человек. Вопрос, на который школе нужен ответ: какой канал реально привёл этих пятерых?

Разбираться в этом стало важнее, чем несколько лет назад. Дешёвые заявки закончились, и цена ошибки - урезать не тот канал - выросла вместе с ценой самой заявки. Полную формулу того, во что обходится ученик из платного трафика, мы разбирали в расчёте стоимости ученика из рекламы - но сама эта цифра ничего не стоит, если непонятно, из какого именно канала она взялась.

Сквозная аналитика отвечает на вопрос «откуда деньги», а не «откуда трафик». Три вещи должны быть связаны в одну цепочку: клик по объявлению или переход по ссылке, заявка в CRM и факт оплаты. Без этой связки школа считает эффективность канала интуитивно, и любое решение о бюджете строится на догадке, а не на цифрах.

Что такое атрибуция простыми словами

Атрибуция в аналитике - это способ распределить заслугу за целевое действие между рекламой, кликами и другими шагами на пути пользователя. Официальная документация Google формулирует это так:

Там же Google задаёт вопрос, который и есть суть проблемы: обычно вся заслуга за целевое действие достаётся последнему объявлению, по которому кликнул клиент, но правда ли именно оно одно убедило его совершить покупку. У каждого визита есть свой источник трафика - откуда конкретно человек пришёл в этот раз: с рекламы, из поиска, напрямую по ссылке, из переписки. Атрибуция - это про то, как из цепочки таких источников выбрать того, кому засчитать оплату, или как честно разделить заслугу между несколькими.

Почему last-click обманывает

Именно так на практике работает last-click - модель атрибуции, при которой всю заслугу получает последний перед покупкой источник. Просто и понятно, поэтому она стоит по умолчанию почти везде: в счётчиках, в CRM, в рекламных кабинетах. Проблема в том, что она системно занижает каналы, которые открывают человеку тему и знакомят с вами, и завышает те, что просто оказались последними в цепочке.

Авинаш Кошик, один из самых цитируемых аналитиков цифрового маркетинга и автор блога Occam's Razor, в разборе моделей атрибуции даёт конкретную проверку для любого канала. Он советует открыть отчёт Assisted Conversions в Google Analytics и посмотреть на соотношение ассоциированных и последних конверсий по каждому каналу: если оно больше единицы, канал чаще стоит в начале пути клиента, а не в конце. Именно такие каналы получают ноль заслуги в системах с атрибуцией по последнему клику - об этом Кошик прямо пишет в своём разборе (Kaushik.net).

Для школы это означает конкретную вещь: рилсы, статьи и сарафан, которые знакомят человека с вами, в отчёте по last-click выглядят бесполезными, даже если именно они запустили всю цепочку. Похожую логику мы разбирали в сравнении рилсов и статей - охват и намерение решают разные задачи, и мерить их одной линейкой last-click некорректно с самого начала.

Модели атрибуции: от last-click до мультиканальной

Сведём основные модели в таблицу.

У Директа и поиска, например, разная экономика по деньгам и срокам: один канал - аренда трафика с оплатой за каждый клик, другой - актив, который со временем дешевеет. Мерить оба одной моделью атрибуции без поправки на эту разницу - значит заранее исказить сравнение в пользу того канала, который просто чаще оказывается последним перед оплатой.

Разобраться в собственных каналах на этом уровне детализации можно и без найма отдельного аналитика. На бесплатном демо «Фабрики клиентов» мы показываем, как платформа сама помечает, из какой статьи пришла заявка на демо - без ручного разбора логов и без веры на слово посетителю. Посмотреть, как это выглядит на вашей нише - до сделки и без обязательств.

UTM-метки: как разметить каждую ссылку

У аббревиатуры UTM неожиданное происхождение: она расшифровывается как Urchin Tracking Module, в честь компании Urchin Software Corporation, основанной в 1995 году в Сан-Диего. В 2002 году Urchin выпустила модуль URL-меток поверх обычного анализа логов сайта, а в 2005 году Google купил компанию и переименовал продукт в Google Analytics. Название параметров в ссылке сохранили ради обратной совместимости - отсюда и «utm» в каждой размеченной ссылке, хотя для обычного посетителя это ничего не значит.

Разметить ссылку на практике - значит заполнить несколько полей перед публикацией:

1. Источник (utm_source) - конкретная площадка: реклама во ВКонтакте, рассылка, конкретный Telegram-канал для посева.
2. Канал (utm_medium) - тип трафика: платная реклама, рассылка, соцсети, партнёрская публикация.
3. Кампания (utm_campaign) - конкретный запуск или тема: «весенний поток», «вебинар про профессию».
4. Содержание (utm_content), если объявлений или ссылок несколько внутри одной кампании - чтобы отличить один креатив от другого.

Счётчик и цели: что считать в Яндекс Метрике

Счётчик - это только первый слой. Он фиксирует визиты, устройство, источник по UTM-метке, поведение на странице - у Яндекс Метрики для этого есть вебвизор, запись действий конкретного посетителя на странице. Но без целей всё это остаётся статистикой посещаемости, а не сквозной аналитикой продаж.

Цель - это конкретное действие, которое вы считаете важным: отправленная форма, звонок, клик по кнопке записи на демо. У каждой цели своя конверсия по источникам, и именно на этом уровне видно первую разницу между каналами: один даёт много визитов и мало заявок, другой - меньше визитов, но заявки чаще. Рекламные кабинеты тоже видят конверсии через собственный пиксель - код, который площадка ставит на сайт, чтобы засчитать собственную рекламу. Разница в том, что пиксель рекламной площадки видит только свою рекламу, а счётчик на сайте - все источники разом, если они размечены метками.

Коллтрекинг: как не терять звонки

Школа часто принимает решение о покупке после консультации по телефону, и звонок здесь - не менее ценное событие, чем заявка с формы. Но без коллтрекинга звонок в CRM попадает без источника: неизвестно, увидел ли человек рекламу, статью или взял номер у знакомого.

Статический коллтрекинг закрепляет один номер за одним каналом целиком: этот номер - для листовок, этот - для наружной рекламы, где номер физически не может подмениться на лету. Динамический работает иначе: сайту выделяется пул подменных номеров, и каждому посетителю на время его сессии показывается свой номер из этого пула, привязанный к конкретному визиту и его источнику. Если человек звонит по этому номеру, звонок автоматически привязывается к тому, откуда он пришёл - вплоть до конкретного объявления, а не просто канала целиком.

Разница простая: статический коллтрекинг отвечает на вопрос «какой канал дал звонок», динамический - «какой конкретно визит дал звонок». Для рекламы в интернете, где кампаний и объявлений много, нужен именно динамический вариант - иначе звонки из разных объявлений смешаются в одну цифру по каналу.

Как связать заявку с оплатой

Технически это устроено так. Счётчик присваивает каждому уникальному посетителю анонимный идентификатор - у Яндекс Метрики это ClientID, привязанный к браузеру, а не к человеку: если зайти с двух разных браузеров, будет два разных ClientID. Идентификатор можно получить JS-кодом прямо на странице и записать в скрытое поле формы заявки - тогда он уходит в CRM вместе с телефоном и именем.

Дальше, когда сделка закрыта, этот же идентификатор используют, чтобы отправить факт оплаты обратно в счётчик или в рекламный кабинет как офлайн-конверсию - через API, готовую интеграцию или ручной csv-файл. Похожий принцип используют и зарубежные рекламные системы: у кликов по объявлениям Google Ads есть собственный идентификатор клика, который сохраняют вместе с данными заявки и позже отправляют обратно вместе с фактом офлайн-сделки - механизм называется офлайн-конверсией по клик-айди и решает ровно ту же задачу, что и передача данных из CRM в Яндекс Метрику. Автоматическую передачу результата сделки обратно в рекламную систему называют постбэком.

Когда эта цепочка настроена, вопрос «сколько стоит ученик из канала X» перестаёт быть догадкой: по каждому каналу отдельно видно полную стоимость привлечения клиента, а не только среднюю по всей рекламе стоимость заявки - формулу этого расчёта целиком мы разбирали в пиларе про стоимость ученика из рекламы.

Сквозная аналитика: всё в одном дашборде

Официальные материалы Яндекса определяют сквозную аналитику как метод, который помогает комплексно оценить эффективность маркетинга и окупаемость по каналам продвижения: она объединяет данные из веб-аналитики, рекламных платформ, CRM и продаж, а не рассматривает каждую систему отдельно. Там же выделяют три уровня зрелости этого процесса: ручной, где данные сводит человек в таблице, полуавтоматический, где часть данных подтягивается сама, а отчёты всё ещё собирают руками, и полностью автоматизированный, где вся цепочка от клика до оплаты видна в одном месте без ручной сборки.

Для маленькой школы полноценная профессиональная система - избыточна на старте. Разумный путь - двигаться по уровням: сначала свести показатели вручную в одной таблице за месяц, чтобы увидеть, работает ли сама идея, и только потом подключать автоматическую передачу данных между системами.

Как случайно переоценить или недооценить канал

Первая ошибка - смотреть только на цену заявки. Канал с дешёвыми заявками может приводить нецелевых людей, которые почти никогда не доходят до оплаты, - тогда дешёвая заявка на деле обходится дороже дорогой, просто это не видно без связки с оплатой.

Вторая ошибка - оценивать канал только по тем, кто дошёл до конца, забывая про тех, кто отвалился по пути. Канал, который приводит много заявок среднего качества, может стабильно давать пять оплат из ста, а канал с меньшим числом заявок - три оплаты из пятнадцати. Вторая доля выше, и без учёта отвалившихся кажется, что первый канал сильно эффективнее, хотя абсолютное число оплат почти одинаковое.

Третья ошибка - самая коварная, потому что причина лежит вне вашей школы. В 2025 году рынок сместился целиком: трафик вырос, а число заявок при том же бюджете упало у всех сразу. Если в этот момент смотреть только на свои цифры, легко решить, что именно ваш канал или ваша атрибуция сломались, хотя на деле изменился весь рынок, а не ваша настройка.

Когортный анализ: проверка канала во времени

Разовая конверсия в оплату - это снимок одного момента. Она не показывает, что происходит с учеником после покупки: доходит ли он до конца курса, просит ли возврат, покупает ли следующий продукт. Когортный анализ закрывает именно этот пробел: вы берёте всех, кто пришёл из канала A в январе, и всех, кто пришёл из канала B в том же январе, а дальше сравниваете эти две группы спустя месяц, два, три после оплаты, а не в момент самой оплаты.

На практике встречается ситуация, когда холодный трафик с одного канала даёт быстрые дешёвые оплаты, но повышенную долю возвратов через месяц, потому что аудитория была недостаточно готова к покупке. Другой канал даёт заявки дороже и медленнее, зато ученики из него реже просят деньги назад и чаще покупают следующий продукт. Без когортного разреза оба канала на первый взгляд выглядят одинаково хорошо в момент оплаты - разница проявляется только со временем.

РФ-специфика: что вместо Google Analytics

Формально Google Analytics не запрещён построчно, но выполнить все требования закона с ним на практике сложно. Ещё с января 2025 года владельцам сайтов начали приходить требования Роскомнадзора - официально уведомить о трансграничной передаче персональных данных или отказаться от сервиса, поскольку он определяет уникального посетителя и передаёт данные за рубеж.

С 1 июля 2025 года действует более жёсткое требование: персональные данные должны сначала собираться и храниться на серверах в России, а трансграничная передача возможна только при соблюдении требований закона (уведомление Роскомнадзора). Google Analytics устроен иначе: он обрабатывает данные сразу на зарубежных серверах. Под новые правила не подходит сама конструкция сервиса, и никакие настройки конкретного сайта здесь ничего не изменят.

Для школы с аудиторией в России практический вывод простой: строить сквозную аналитику стоит на Яндекс Метрике, которая хранит данные на серверах в России, поддерживает цели, коллтрекинг через интеграции и приём офлайн-конверсий из CRM - то есть закрывает весь путь от клика до оплаты без юридического риска, который несёт Google Analytics для сайта на русскоязычную аудиторию.

С чего начать, если сквозной аналитики пока нет вообще

Собрать минимальную сквозную аналитику можно за несколько дней, без отдельного найма аналитика:

1. Поставьте счётчик на сайт и настройте в нём цели на каждое ключевое действие: отправка формы, запись на демо, клик по кнопке оплаты.
2. Разметьте UTM-метками все ссылки, которые ведут на сайт извне: реклама, посевы, рассылки, партнёрские публикации.
3. Добавьте в форму заявки скрытое поле с идентификатором визита из счётчика, чтобы каждая заявка в CRM несла отметку о том, откуда именно пришёл человек.
4. Раз в месяц вручную сверяйте список оплат из CRM с источником визита - и только по итогам нескольких таких сверок делайте выводы о канале, а не по одному отчёту.
5. Когда основа отработала, добавьте динамический коллтрекинг, если звонки занимают заметную долю продаж, и автоматическую передачу офлайн-конверсий обратно в счётчик.

Ту же логику - от ручной сверки к автоматической системе - мы применили и к собственному блогу: каждая заявка на демо у нас помечена гайдом, из которого она пришла последним перед заявкой. Это не полная мультиканальная модель по всем вашим каналам, а конкретный, честный ответ на один узкий вопрос - какая статья довела человека до заявки. Именно этот принцип - система сама показывает источник, а не отдел маркетинга гадает по last-click - и есть суть сквозной аналитики в миниатюре.

В примере из начала статьи ВКонтакте принёс тридцать заявок, блог - пятнадцать, а купили в итоге всего пять человек. Разница между «дешёвой заявкой» и каналом, который реально довёл до оплаты, видна только тогда, когда клик, заявка и оплата связаны в одну цепочку. На бесплатном демо «Фабрики клиентов» мы показываем эту цепочку на собственном примере: у нас каждая заявка размечена гайдом, который довёл до неё человека. Посмотреть демо.