Смерть MQL как метрики успеха
Классическое разделение на маркетинговые лиды (MQL) и продажи (SQL) в B2B-секторе окончательно устарело. Когда мы гонимся за количеством заявок, мы игнорируем реальность 2026 года: ценность несет только выручка, за которую теперь отвечают все — от отдела маркетинга до клиентского сервиса.
Переход к RevOps (объединенному управлению выручкой) делает старую воронку пережитком прошлого. Сейчас важнее не объем входящих контактов, а связность данных внутри экосистемы. Если ваш отдел маркетинга до сих пор отчитывается за количество «лидов», вы просто тратите бюджет на шум, пока конкуренты выстраивают путь клиента через реальную доходность.
— @ProductAnalyticsMK
Классическое разделение на маркетинговые лиды (MQL) и продажи (SQL) в B2B-секторе окончательно устарело. Когда мы гонимся за количеством заявок, мы игнорируем реальность 2026 года: ценность несет только выручка, за которую теперь отвечают все — от отдела маркетинга до клиентского сервиса.
Переход к RevOps (объединенному управлению выручкой) делает старую воронку пережитком прошлого. Сейчас важнее не объем входящих контактов, а связность данных внутри экосистемы. Если ваш отдел маркетинга до сих пор отчитывается за количество «лидов», вы просто тратите бюджет на шум, пока конкуренты выстраивают путь клиента через реальную доходность.
— @ProductAnalyticsMK
Почему я перестал доверять «хорошему конверсу» без cohort-анализа
Я всё чаще вижу одну и ту же ошибку у SaaS-маркетологов: событие сработало, воронка выглядит бодро, а через 30–60 дней оказывается, что канал привёл не пользователей, а статистический шум.
Проблема в том, что **event-based-аналитика без когорт — это красивый отчёт о прошлом дне, а не инструмент управления ростом**.
Что я обычно проверяю первым:
— не просто регистрацию, а дошёл ли пользователь до первого «ценного действия»;
— не общий CR, а CR по когортам входа: неделя, источник, продуктовый сценарий;
— не CAC сам по себе, а CAC в связке с 30/60/90-day retention — удержанием;
— не «сколько лидов», а сколько из них сформировали повторяемую выручку.
Один показательный пример из практики: у нас был источник, который давал почти на 20% лучший конверc в регистрацию, чем медиана. В CRM он выглядел как победитель. Но когортный анализ показал, что через 45 дней активация там проседала вдвое, а доля оплат на второй цикл была ниже на 27%. По сути, канал покупал дешёвую активность, а не будущую выручку.
Именно поэтому в 2026 году я смотрю на воронку иначе. Не «сколько людей вошло», а «какая когорта дошла до ценности и осталась с продуктом». Это особенно важно в B2B, где MQL и SQL всё чаще теряют смысл без общей картины RevOps — ответственности маркетинга, продаж и customer success за деньги, а не за формальные статусы.
Мой вывод простой: если у события нет связи с когортой, я не называю его ключевым. Это может быть удобный маркер, но не управленческая метрика.
Маркетинг в SaaS выигрывает не там, где лучше отчётность, а там, где лучше видна причинность.
— @ProductAnalyticsMK
Есть схожая тема в @ResearchVendorsRu, рекомендуем
Я всё чаще вижу одну и ту же ошибку у SaaS-маркетологов: событие сработало, воронка выглядит бодро, а через 30–60 дней оказывается, что канал привёл не пользователей, а статистический шум.
Проблема в том, что **event-based-аналитика без когорт — это красивый отчёт о прошлом дне, а не инструмент управления ростом**.
Что я обычно проверяю первым:
— не просто регистрацию, а дошёл ли пользователь до первого «ценного действия»;
— не общий CR, а CR по когортам входа: неделя, источник, продуктовый сценарий;
— не CAC сам по себе, а CAC в связке с 30/60/90-day retention — удержанием;
— не «сколько лидов», а сколько из них сформировали повторяемую выручку.
Один показательный пример из практики: у нас был источник, который давал почти на 20% лучший конверc в регистрацию, чем медиана. В CRM он выглядел как победитель. Но когортный анализ показал, что через 45 дней активация там проседала вдвое, а доля оплат на второй цикл была ниже на 27%. По сути, канал покупал дешёвую активность, а не будущую выручку.
Именно поэтому в 2026 году я смотрю на воронку иначе. Не «сколько людей вошло», а «какая когорта дошла до ценности и осталась с продуктом». Это особенно важно в B2B, где MQL и SQL всё чаще теряют смысл без общей картины RevOps — ответственности маркетинга, продаж и customer success за деньги, а не за формальные статусы.
Мой вывод простой: если у события нет связи с когортой, я не называю его ключевым. Это может быть удобный маркер, но не управленческая метрика.
Маркетинг в SaaS выигрывает не там, где лучше отчётность, а там, где лучше видна причинность.
— @ProductAnalyticsMK
Есть схожая тема в @ResearchVendorsRu, рекомендуем
Почему маркетологу в SaaS пора перестать смотреть только на last-click
Я всё чаще вижу одну и ту же ошибку: маркетинг в SaaS оценивают по последнему касанию, хотя решение о покупке созревает в цепочке событий, а не в одном клике. Для продукта с длинным циклом сделки это особенно дорого: last-click красиво раскладывает бюджеты, но плохо объясняет, где реально рождается выручка.
Моя позиция простая: если у вас B2B-продукт, то базовой единицей анализа должны быть не кампании, а события, воронка и когорты. Не «сколько лидов пришло», а **какие действия коррелируют с оплатой, удержанием и расширением аккаунта**.
Я это вижу на практике постоянно. В одном SaaS-проекте у нас лид-форма давала почти весь «официальный» спрос в отчётах, но при разборе событий выяснилось другое: люди, которые в первые 7 дней делали 3 и более ключевых действия в продукте, конвертировались в платящих в 4,2 раза чаще. И именно эти действия оказывались сильнее всех рекламных кампаний как предиктор выручки.
Отсюда вывод для маркетолога в 2026 году:
— считать не только источники, но и продуктовые события;
— строить воронку не до заявки, а до активации и повторного использования;
— смотреть когорты по времени до ценности, а не только по CPL;
— связывать маркетинг с RevOps-моделью, где важна не лид-магия, а вклад в выручку.
Last-click ещё пригодится для оперативной рутины. Но если вы хотите управлять ростом, а не отчётностью, нужно задавать другой вопрос: не «откуда пришёл пользователь?», а «что в его поведении приводит к деньгам и удержанию?».
Вот там и начинается аналитика, а не бухгалтерия трафика.
— @ProductAnalyticsMK
Я всё чаще вижу одну и ту же ошибку: маркетинг в SaaS оценивают по последнему касанию, хотя решение о покупке созревает в цепочке событий, а не в одном клике. Для продукта с длинным циклом сделки это особенно дорого: last-click красиво раскладывает бюджеты, но плохо объясняет, где реально рождается выручка.
Моя позиция простая: если у вас B2B-продукт, то базовой единицей анализа должны быть не кампании, а события, воронка и когорты. Не «сколько лидов пришло», а **какие действия коррелируют с оплатой, удержанием и расширением аккаунта**.
Я это вижу на практике постоянно. В одном SaaS-проекте у нас лид-форма давала почти весь «официальный» спрос в отчётах, но при разборе событий выяснилось другое: люди, которые в первые 7 дней делали 3 и более ключевых действия в продукте, конвертировались в платящих в 4,2 раза чаще. И именно эти действия оказывались сильнее всех рекламных кампаний как предиктор выручки.
Отсюда вывод для маркетолога в 2026 году:
— считать не только источники, но и продуктовые события;
— строить воронку не до заявки, а до активации и повторного использования;
— смотреть когорты по времени до ценности, а не только по CPL;
— связывать маркетинг с RevOps-моделью, где важна не лид-магия, а вклад в выручку.
Last-click ещё пригодится для оперативной рутины. Но если вы хотите управлять ростом, а не отчётностью, нужно задавать другой вопрос: не «откуда пришёл пользователь?», а «что в его поведении приводит к деньгам и удержанию?».
Вот там и начинается аналитика, а не бухгалтерия трафика.
— @ProductAnalyticsMK
Сегментируйте не по источнику, а по стадии “готовности” к сделке
В 2026 last-click всё чаще превращается в легенду для отчётов, а MQL/SQL по входному каналу — в шум. Я всё чаще вижу, что конверсии лучше объясняются не тем, откуда пришёл человек, а тем, что он уже сделал: посмотрел кейс → запросил демо → сравнил тарифы → говорил с CSM. Когорты по событиям дают честнее картину фазы интереса и помогают RevOps спорить на цифрах, а не на приоритетах.
— @ProductAnalyticsMK
В 2026 last-click всё чаще превращается в легенду для отчётов, а MQL/SQL по входному каналу — в шум. Я всё чаще вижу, что конверсии лучше объясняются не тем, откуда пришёл человек, а тем, что он уже сделал: посмотрел кейс → запросил демо → сравнил тарифы → говорил с CSM. Когорты по событиям дают честнее картину фазы интереса и помогают RevOps спорить на цифрах, а не на приоритетах.
— @ProductAnalyticsMK
Почему в SaaS я больше не верю в «воронку ради воронки»
Я всё чаще вижу, как маркетинг в SaaS продолжает строить идеальные воронки на слайдах, хотя реальная выручка проходит совсем по другому маршруту. Формально у нас есть events, лиды, MQL, SQL, сделки. На практике же решение о покупке всё чаще рождается не в одном канале, а в последовательности касаний: контент, демо, письмо, возвращение через неделю, разговор с sales, тест продукта, снова тишина — и только потом оплата.
Мой вывод простой: **если воронка не объясняет возвраты, паузы и повторные входы, она годится только для отчётности**.
В одном B2B SaaS-проекте я видел типичную картину: отчёт по last-click показывал, что 62% выручки «создаёт» брендовый поиск и ретаргетинг. Но когда мы разложили путь по событиям, оказалось, что почти у каждой покупки был длинный хвост из 4–7 касаний: вебинар, просмотр pricing, возврат через e-mail, активация trial, повторный визит в help center. Last-click просто присваивал себе финальный шаг и выкидывал всё, что реально подогревало спрос.
Поэтому я считаю, что маркетологу в SaaS пора мыслить не в терминах одной воронки, а в терминах **системы событий**:
— что запускает первый интерес;
— что ускоряет переход к trial или демо;
— какие события предсказывают оплату;
— где пользователь застревает до сделки;
— какие касания влияют на удержание, а не только на первую конверсию.
Особенно в 2026 году, когда privacy-first атрибуция, server-side, MMM и incrementality всё сильнее вытесняют last-click, событие становится важнее канала. Канал можно переоценить. Событие — сложнее подделать.
Если говорить совсем прямо, я всё меньше доверяю отчётам вида «канал X дал N лидов», и всё больше — картине, где видно, как меняется поведение пользователя между первым визитом и оплатой. Для меня это и есть взрослая аналитика в маркетинге: не считать трафик, а понимать, где именно рождается намерение купить.
— @ProductAnalyticsMK
Я всё чаще вижу, как маркетинг в SaaS продолжает строить идеальные воронки на слайдах, хотя реальная выручка проходит совсем по другому маршруту. Формально у нас есть events, лиды, MQL, SQL, сделки. На практике же решение о покупке всё чаще рождается не в одном канале, а в последовательности касаний: контент, демо, письмо, возвращение через неделю, разговор с sales, тест продукта, снова тишина — и только потом оплата.
Мой вывод простой: **если воронка не объясняет возвраты, паузы и повторные входы, она годится только для отчётности**.
В одном B2B SaaS-проекте я видел типичную картину: отчёт по last-click показывал, что 62% выручки «создаёт» брендовый поиск и ретаргетинг. Но когда мы разложили путь по событиям, оказалось, что почти у каждой покупки был длинный хвост из 4–7 касаний: вебинар, просмотр pricing, возврат через e-mail, активация trial, повторный визит в help center. Last-click просто присваивал себе финальный шаг и выкидывал всё, что реально подогревало спрос.
Поэтому я считаю, что маркетологу в SaaS пора мыслить не в терминах одной воронки, а в терминах **системы событий**:
— что запускает первый интерес;
— что ускоряет переход к trial или демо;
— какие события предсказывают оплату;
— где пользователь застревает до сделки;
— какие касания влияют на удержание, а не только на первую конверсию.
Особенно в 2026 году, когда privacy-first атрибуция, server-side, MMM и incrementality всё сильнее вытесняют last-click, событие становится важнее канала. Канал можно переоценить. Событие — сложнее подделать.
Если говорить совсем прямо, я всё меньше доверяю отчётам вида «канал X дал N лидов», и всё больше — картине, где видно, как меняется поведение пользователя между первым визитом и оплатой. Для меня это и есть взрослая аналитика в маркетинге: не считать трафик, а понимать, где именно рождается намерение купить.
— @ProductAnalyticsMK
Конец эпохи погони за лидами: почему продуктовая аналитика важнее воронок
В B2B-сегменте мы наблюдаем окончательный закат классической модели, где маркетолог отвечает за количество входящих заявок (MQL), а отдел продаж — за их превращение в деньги. В 2026 году этот разрыв стал фатальным. Когда стоимость привлечения клиента растет, а поисковые системы отдают приоритет прямым ответам нейросетей, а не переходам на ваш лендинг, единственный способ выжить — перейти на рельсы операционного управления выручкой (RevOps).
Главная ошибка сегодняшнего дня — попытка оптимизировать каждый этап воронки как самостоятельный изолированный процесс. Маркетологи продолжают смотреть на конверсию из клика в регистрацию, забывая, что в SaaS-модели деньги лежат глубоко внутри продукта, после того как пользователь прошел стадию адаптации (onboarding).
Мое наблюдение из практики последних месяцев: компании, которые перестали фокусироваться на «лидогенерации» и начали анализировать когорты (группы пользователей, объединенных общим периодом активации) через призму их продуктового поведения, показывают рост LTV (пожизненной ценности клиента) на 15-20% выше, чем те, кто по-прежнему заливает бюджет в охватные кампании.
Что это меняет в работе аналитика?
— Смещение фокуса с атрибуции последнего клика (last-click) на построение маркетинговых моделей микса (MMM). Мы больше не пытаемся угадать, какой баннер привел клиента, мы оцениваем вклад канала в общую выручку.
— Глубокое погружение в retention (удержание). Если ваш продукт не имеет встроенных механик возврата, никакой performance-маркетинг не окупит стоимость привлечения.
— Ценность смыслов выше объема. В эпоху нулевых кликов (когда пользователь получает ответ прямо в поисковой выдаче) ваш контент должен быть не «сео-оптимизированным», а экспертно-насыщенным. Если ваш текст не несет уникальной экспертизы, нейросеть перескажет его быстрее и точнее.
Для продуктового аналитика это означает выход за пределы CRM (системы управления взаимодействием с клиентами). Вам нужно видеть данные из системы биллинга, продуктовых логов и ответов службы поддержки в одном окне. Если вы все еще строите отчеты только по рекламным кабинетам, вы видите лишь верхушку айсберга, которая в текущих рыночных условиях почти не имеет значения для итоговой прибыли.
Маркетинг сегодня — это не про привлечение трафика, а про проектирование пути, где каждый шаг пользователя внутри продукта обоснован его потребностью, а не навязчивым призывом к действию. Пора перестать считать заявки и начать считать стоимость удержания каждого рубля выручки.
— @ProductAnalyticsMK
Параллельный взгляд на тему — @MarketingAnalyticsRoom
В B2B-сегменте мы наблюдаем окончательный закат классической модели, где маркетолог отвечает за количество входящих заявок (MQL), а отдел продаж — за их превращение в деньги. В 2026 году этот разрыв стал фатальным. Когда стоимость привлечения клиента растет, а поисковые системы отдают приоритет прямым ответам нейросетей, а не переходам на ваш лендинг, единственный способ выжить — перейти на рельсы операционного управления выручкой (RevOps).
Главная ошибка сегодняшнего дня — попытка оптимизировать каждый этап воронки как самостоятельный изолированный процесс. Маркетологи продолжают смотреть на конверсию из клика в регистрацию, забывая, что в SaaS-модели деньги лежат глубоко внутри продукта, после того как пользователь прошел стадию адаптации (onboarding).
Мое наблюдение из практики последних месяцев: компании, которые перестали фокусироваться на «лидогенерации» и начали анализировать когорты (группы пользователей, объединенных общим периодом активации) через призму их продуктового поведения, показывают рост LTV (пожизненной ценности клиента) на 15-20% выше, чем те, кто по-прежнему заливает бюджет в охватные кампании.
Что это меняет в работе аналитика?
— Смещение фокуса с атрибуции последнего клика (last-click) на построение маркетинговых моделей микса (MMM). Мы больше не пытаемся угадать, какой баннер привел клиента, мы оцениваем вклад канала в общую выручку.
— Глубокое погружение в retention (удержание). Если ваш продукт не имеет встроенных механик возврата, никакой performance-маркетинг не окупит стоимость привлечения.
— Ценность смыслов выше объема. В эпоху нулевых кликов (когда пользователь получает ответ прямо в поисковой выдаче) ваш контент должен быть не «сео-оптимизированным», а экспертно-насыщенным. Если ваш текст не несет уникальной экспертизы, нейросеть перескажет его быстрее и точнее.
Для продуктового аналитика это означает выход за пределы CRM (системы управления взаимодействием с клиентами). Вам нужно видеть данные из системы биллинга, продуктовых логов и ответов службы поддержки в одном окне. Если вы все еще строите отчеты только по рекламным кабинетам, вы видите лишь верхушку айсберга, которая в текущих рыночных условиях почти не имеет значения для итоговой прибыли.
Маркетинг сегодня — это не про привлечение трафика, а про проектирование пути, где каждый шаг пользователя внутри продукта обоснован его потребностью, а не навязчивым призывом к действию. Пора перестать считать заявки и начать считать стоимость удержания каждого рубля выручки.
— @ProductAnalyticsMK
Параллельный взгляд на тему — @MarketingAnalyticsRoom
Почему я перестал верить в «идеальную воронку» и смотрю на когорты
В SaaS-маркетинге до сих пор любят рисовать красивую линейную воронку: показали рекламу → получили лид → довели до сделки. На слайде это выглядит аккуратно. В реальности такая схема всё чаще врёт.
Я вижу это на проектах, где маркетинг работает не на одну заявку, а на выручку. Один и тот же канал может давать «дорогие» лиды по CPL, но приводить самые сильные когорты по оплате через 60–90 дней. А другой — выглядеть эффективным в last-click, но разваливаться после первой кассы.
Мой вывод простой: **маркетологу в SaaS сегодня важнее не воронка как картинка, а поведение когорт по событиям**.
Что я смотрю в первую очередь:
— не просто регистрацию, а активационное событие: дошёл ли человек до первого ценного действия;
— не только конверсию в оплату, а скорость до неё;
— не общий churn, а удержание по источнику, сегменту и сценарию входа;
— не «сколько лидов», а сколько из них дошли до повторяемой ценности продукта.
На одном B2B-проекте мы сравнили два канала. У канала А конверсия в лид была выше на 28%, и на уровне дашборда он выглядел победителем. Но когорта из канала B через 90 дней дала на 19% больше оплат и заметно лучше удержание. Причина оказалась не в трафике как таковом, а в типе пользователей: канал B приводил людей с более длинным циклом решения, но с более высоким продуктовым соответствием.
Именно поэтому в 2026 году я бы спорил не про «какой канал лучше», а про **какой канал приводит к нужному поведению**. В эпоху privacy-first атрибуции, слабого last-click и общей ответственности RevOps победит не тот, кто умеет собирать отчёт, а тот, кто умеет связывать события, когортный анализ и деньги.
Если у вас сейчас в отчёте только CPL, CR и SQL, вы смотрите на половину картины. В SaaS это уже слишком мало.
— @ProductAnalyticsMK
По этой же теме советуем @VideoAdsCraft
В SaaS-маркетинге до сих пор любят рисовать красивую линейную воронку: показали рекламу → получили лид → довели до сделки. На слайде это выглядит аккуратно. В реальности такая схема всё чаще врёт.
Я вижу это на проектах, где маркетинг работает не на одну заявку, а на выручку. Один и тот же канал может давать «дорогие» лиды по CPL, но приводить самые сильные когорты по оплате через 60–90 дней. А другой — выглядеть эффективным в last-click, но разваливаться после первой кассы.
Мой вывод простой: **маркетологу в SaaS сегодня важнее не воронка как картинка, а поведение когорт по событиям**.
Что я смотрю в первую очередь:
— не просто регистрацию, а активационное событие: дошёл ли человек до первого ценного действия;
— не только конверсию в оплату, а скорость до неё;
— не общий churn, а удержание по источнику, сегменту и сценарию входа;
— не «сколько лидов», а сколько из них дошли до повторяемой ценности продукта.
На одном B2B-проекте мы сравнили два канала. У канала А конверсия в лид была выше на 28%, и на уровне дашборда он выглядел победителем. Но когорта из канала B через 90 дней дала на 19% больше оплат и заметно лучше удержание. Причина оказалась не в трафике как таковом, а в типе пользователей: канал B приводил людей с более длинным циклом решения, но с более высоким продуктовым соответствием.
Именно поэтому в 2026 году я бы спорил не про «какой канал лучше», а про **какой канал приводит к нужному поведению**. В эпоху privacy-first атрибуции, слабого last-click и общей ответственности RevOps победит не тот, кто умеет собирать отчёт, а тот, кто умеет связывать события, когортный анализ и деньги.
Если у вас сейчас в отчёте только CPL, CR и SQL, вы смотрите на половину картины. В SaaS это уже слишком мало.
— @ProductAnalyticsMK
По этой же теме советуем @VideoAdsCraft
Как сегментировать когорты пользователей под актуальную модель RevOps
В условиях смены парадигмы с генерации маркетинговых квалифицированных лидов (MQL) на общую Revenue Operations (выручку, общую для маркетинга, продаж и клиентского сервиса), традиционная сегментация по дате регистрации теряет точность. Чтобы увидеть реальный вклад в прибыль в 2026 году, переходите на когортный анализ по «событию активации».
Вот алгоритм настройки такой аналитики на этой неделе:
— Определите событие «первой ценности». Это не подписка, а момент, когда пользователь SaaS-продукта дошел до использования ключевой функции. Например, интеграция API или создание первого отчета.
— Перестройте структуру данных. Вместо одной даты регистрации присвойте каждому пользователю метку «Дата достижения первой ценности». Все когорты теперь формируются по этой дате, а не по моменту регистрации. Это нивелирует разрыв между «бесплатниками» и теми, кто реально начал использовать продукт.
— Внедрите разделение по источникам формирования спроса. Привяжите к когортам атрибуцию, построенную на модели маркетингового микса (MMM) или инкрементальности (дополнительной ценности), так как классическая атрибуция по последнему клику дает искаженную картину из-за роста Search-платформ с их ответами внутри поисковой выдачи.
— Рассчитайте коэффициент удержания (Retention) относительно этого события. Если пользователь активировался, но отвалился через две недели — это проблема продукта или этапа онбординга (введения в курс дела). Если он не дошел до активации — это проблема ожиданий, заданных маркетингом.
— Сопоставьте когорты с LTV (пожизненной ценностью клиента). В эпоху снижения среднего чека важно понимать, какие именно сегменты пользователей, активировавшихся в конкретную неделю, показывают наиболее устойчивый рост выручки в долгосрочной перспективе.
Результатом должна стать таблица, где по горизонтали — недели активации, а по вертикали — накопительная выручка. Это покажет, как изменения в продукте или контентной стратегии напрямую влияют на показатели выручки, за которые теперь отвечает вся команда, а не только отдел продаж.
— @ProductAnalyticsMK
Дополнительный контекст — @AdOpsRoom
В условиях смены парадигмы с генерации маркетинговых квалифицированных лидов (MQL) на общую Revenue Operations (выручку, общую для маркетинга, продаж и клиентского сервиса), традиционная сегментация по дате регистрации теряет точность. Чтобы увидеть реальный вклад в прибыль в 2026 году, переходите на когортный анализ по «событию активации».
Вот алгоритм настройки такой аналитики на этой неделе:
— Определите событие «первой ценности». Это не подписка, а момент, когда пользователь SaaS-продукта дошел до использования ключевой функции. Например, интеграция API или создание первого отчета.
— Перестройте структуру данных. Вместо одной даты регистрации присвойте каждому пользователю метку «Дата достижения первой ценности». Все когорты теперь формируются по этой дате, а не по моменту регистрации. Это нивелирует разрыв между «бесплатниками» и теми, кто реально начал использовать продукт.
— Внедрите разделение по источникам формирования спроса. Привяжите к когортам атрибуцию, построенную на модели маркетингового микса (MMM) или инкрементальности (дополнительной ценности), так как классическая атрибуция по последнему клику дает искаженную картину из-за роста Search-платформ с их ответами внутри поисковой выдачи.
— Рассчитайте коэффициент удержания (Retention) относительно этого события. Если пользователь активировался, но отвалился через две недели — это проблема продукта или этапа онбординга (введения в курс дела). Если он не дошел до активации — это проблема ожиданий, заданных маркетингом.
— Сопоставьте когорты с LTV (пожизненной ценностью клиента). В эпоху снижения среднего чека важно понимать, какие именно сегменты пользователей, активировавшихся в конкретную неделю, показывают наиболее устойчивый рост выручки в долгосрочной перспективе.
Результатом должна стать таблица, где по горизонтали — недели активации, а по вертикали — накопительная выручка. Это покажет, как изменения в продукте или контентной стратегии напрямую влияют на показатели выручки, за которые теперь отвечает вся команда, а не только отдел продаж.
— @ProductAnalyticsMK
Дополнительный контекст — @AdOpsRoom
Когортный “ледяной душ”: почему retention ломается уже на первом событии воронки
В 2026 я всё чаще вижу одну и ту же картину в SaaS: маркетинг продолжает оптимизировать воронку по “конверсиям до активации”, а retention (удержание) проваливается дальше по пути — так, будто продукт внезапно стал хуже. На деле чаще ломается аналитика событий: первая когорта строится не на том сигнале, и мы сами себе “рисуем” раннюю эффективность.
Моя практика в нескольких B2B-проектах показывает простую закономерность. Если когорта формируется по событию “Lead created” или по факту “прошли демо”, то у 30–45% пользователей возникает задержка между маркетинговым обещанием и реальным началом использования. В терминах событий это выглядит так: промо-успех есть (заполнили форму/пришли на встречу), но в трекинге когорт мы считаем их активными слишком рано. Дальше retention неизбежно “плывёт”: любая нагрузка на onboarding (интеграции, настройка прав, импорт данных) превращается в точку отрезвления, которую маркетинг не видит в своих метриках.
Отсюда мой главный тезис: когортный анализ — это не про красивый график, а про выбор “якорного события”. И якорное событие нельзя брать из маркетинговой реальности, если вы хотите управлять продуктовой реальностью.
Как я предлагаю исправлять это на уровне методики (без театра):
1) Разделите этапы: “получили интерес” и “начали ценность”.
Воронка маркетинга может быть по лид-статусам, но когорта retention должна строиться по событию, которое отражает старт ценности: первая успешная настройка (например, подключили источник данных), первый запуск сценария, первый созданный рабочий объект и т.п. Названия событий должны быть продуктово-однозначными, а не “user_viewed_page”.
2) Введите “когортный смещатель” (cohort offset).
Между маркетинговым событием и якорным событием почти всегда есть лаг. Я в таких разрезах делаю контроль: считаю распределение задержки между “лид” и “первое ценностное действие”. Если медиана задержки растёт или растёт доля пользователей с задержкой > X часов/дней — это почти всегда сырость процесса: ручной follow-up, долгие согласования, перегруженный CSM, или фичи onboarding стали сложнее. Это не “проблема retention”, это проблема пути до момента ценности.
3) Сведите одну цифру к одному источнику правды.
В 2026 privacy-first атрибуция (server-side, MMM, incrementality) усиливает роль “внутренних” метрик. Но retention по когортам не должен зависеть от модели атрибуции. Когорта — это ваш пользователь в продукте; источник — ваше событие в продуктовой аналитике. Если вы продолжаете “клеить” когорты по UTM-меткам, вы неизбежно начинаете считать шум за сигнал (особенно когда пользователи проходят несколько касаний и атрибуция уезжает).
4) Проверка на здравый смысл: “активность” должна быть не событием страницы.
Если якорное событие — просмотр, чтение, демо-страница или “зашли в аккаунт”, retention будет всегда обманчивым. Такие события не несут обещанной ценности. Я бы называл это “активация из маркетинга”, а не “активация из продукта”.
Ещё одно наблюдение из практики: когда мы перестроили якорь когорты с “демо прошло” на “первый успешный импорт/создание проекта”, кривая удержания стала выглядеть логично: ранние потери концентрировались в первые 7–10 дней, а не размазывались равномерно. Это помогло RevOps-развязке: выяснилось, что провал коррелирует не с качеством лидов, а с разрывом между договорённостью на демо и доступностью нужной функциональности/инструкций в первый день.
Итоговая мысль, которую я теперь повторяю командам регулярно: если retention “плохой”, первым делом проверьте, не слишком ли рано вы называете пользователей активными. Когортный якорь — это ваша управленческая метка. Ошибка в ней делает любую оптимизацию до активации красивой, но бесполезной.
Если хотите, могу дать шаблон: какие 3–5 событий обычно становятся якорями для SaaS с разной длиной onboarding и как к ним привязать cohort offset, чтобы вы начали управлять именно тем, что продлевает выручку.
— @ProductAnalyticsMK
В 2026 я всё чаще вижу одну и ту же картину в SaaS: маркетинг продолжает оптимизировать воронку по “конверсиям до активации”, а retention (удержание) проваливается дальше по пути — так, будто продукт внезапно стал хуже. На деле чаще ломается аналитика событий: первая когорта строится не на том сигнале, и мы сами себе “рисуем” раннюю эффективность.
Моя практика в нескольких B2B-проектах показывает простую закономерность. Если когорта формируется по событию “Lead created” или по факту “прошли демо”, то у 30–45% пользователей возникает задержка между маркетинговым обещанием и реальным началом использования. В терминах событий это выглядит так: промо-успех есть (заполнили форму/пришли на встречу), но в трекинге когорт мы считаем их активными слишком рано. Дальше retention неизбежно “плывёт”: любая нагрузка на onboarding (интеграции, настройка прав, импорт данных) превращается в точку отрезвления, которую маркетинг не видит в своих метриках.
Отсюда мой главный тезис: когортный анализ — это не про красивый график, а про выбор “якорного события”. И якорное событие нельзя брать из маркетинговой реальности, если вы хотите управлять продуктовой реальностью.
Как я предлагаю исправлять это на уровне методики (без театра):
1) Разделите этапы: “получили интерес” и “начали ценность”.
Воронка маркетинга может быть по лид-статусам, но когорта retention должна строиться по событию, которое отражает старт ценности: первая успешная настройка (например, подключили источник данных), первый запуск сценария, первый созданный рабочий объект и т.п. Названия событий должны быть продуктово-однозначными, а не “user_viewed_page”.
2) Введите “когортный смещатель” (cohort offset).
Между маркетинговым событием и якорным событием почти всегда есть лаг. Я в таких разрезах делаю контроль: считаю распределение задержки между “лид” и “первое ценностное действие”. Если медиана задержки растёт или растёт доля пользователей с задержкой > X часов/дней — это почти всегда сырость процесса: ручной follow-up, долгие согласования, перегруженный CSM, или фичи onboarding стали сложнее. Это не “проблема retention”, это проблема пути до момента ценности.
3) Сведите одну цифру к одному источнику правды.
В 2026 privacy-first атрибуция (server-side, MMM, incrementality) усиливает роль “внутренних” метрик. Но retention по когортам не должен зависеть от модели атрибуции. Когорта — это ваш пользователь в продукте; источник — ваше событие в продуктовой аналитике. Если вы продолжаете “клеить” когорты по UTM-меткам, вы неизбежно начинаете считать шум за сигнал (особенно когда пользователи проходят несколько касаний и атрибуция уезжает).
4) Проверка на здравый смысл: “активность” должна быть не событием страницы.
Если якорное событие — просмотр, чтение, демо-страница или “зашли в аккаунт”, retention будет всегда обманчивым. Такие события не несут обещанной ценности. Я бы называл это “активация из маркетинга”, а не “активация из продукта”.
Ещё одно наблюдение из практики: когда мы перестроили якорь когорты с “демо прошло” на “первый успешный импорт/создание проекта”, кривая удержания стала выглядеть логично: ранние потери концентрировались в первые 7–10 дней, а не размазывались равномерно. Это помогло RevOps-развязке: выяснилось, что провал коррелирует не с качеством лидов, а с разрывом между договорённостью на демо и доступностью нужной функциональности/инструкций в первый день.
Итоговая мысль, которую я теперь повторяю командам регулярно: если retention “плохой”, первым делом проверьте, не слишком ли рано вы называете пользователей активными. Когортный якорь — это ваша управленческая метка. Ошибка в ней делает любую оптимизацию до активации красивой, но бесполезной.
Если хотите, могу дать шаблон: какие 3–5 событий обычно становятся якорями для SaaS с разной длиной onboarding и как к ним привязать cohort offset, чтобы вы начали управлять именно тем, что продлевает выручку.
— @ProductAnalyticsMK
Cohort-воронка после вебинара: как связать регистрации с выручкой через 4 метрики
В 2026 вебинар часто остаётся “контентом”, а не узлом системы. Задача — превратить его в cohort-воронку, где вы видите: кто дошёл до продаж и сколько дал выручки, даже если цикл сделки плавает.
Сделайте это на этой неделе.
1) Зафиксируйте “когортный ключ” (1 источник правды)
— Возьмите utm_campaign (или внутренний campaign_id) на регистрации и первое присутствие (attendance).
— Сделайте правило: если utm_campaign пустой — запись в отдельный сегмент “неидентифицировано” (не смешивайте).
2) Определите 4 события и привязку к пользователю
Минимальный набор:
— registered (зарегистрировался)
— attended (появился на вебинаре)
— qualified (попал в MQL/SQL-статус по вашему правилу)
— revenue (оплаченный счёт/выручка, привязанная к аккаунту)
Важно: привязывайте к одному идентификатору уровня “account” (B2B) или “contact”, но в одной модели. Для RevOps чаще всего нужен account_id.
3) Соберите cohort-таблицу “по неделе регистрации”
— В BI/таблице создайте поле cohort_week = week(registered_at).
— Для каждого account/contact посчитайте факт наступления каждого события в окне 0–7, 8–30, 31–90 дней (важно: разные окна, потому что сделка “длинная”).
4) Постройте cohort-воронку в форме матрицы выживания
Схема:
— строки: cohort_week
— колонки: горизонты времени (0–7, 8–30, 31–90)
— ячейки: доля дошедших до события из “registered” (процент) + рядом выручка на 1 зарегистрированного (revenue / registered_count)
Смысл: вы не просто видите конверсию, вы видите скорость и качество когорты.
5) Отсейте искажения атрибуции “последнего клика”
— Отдельно посчитайте “органические” контакты: those who attended but пришли без last-click (например, по first-touch/assist или по модели, где источник — кампании вебинара, а не последняя запись).
— Введите 2 показателя: conversion_last_click и conversion_campaign_assist (внутреннее сравнение). Если различие большое — значит, вебинаром закрывают путь не как финальным шагом.
6) Сделайте продуктовую “зацепку” для улучшений следующего цикла
Для каждой cohort_week заведите поле top_driver:
— доля attended из registered
— доля qualified из attended
— доля revenue из qualified
Выберите одно узкое место, которое хуже всего именно в “поздних окнах” (например, 31–90 дней). Исправляйте тезисами/оффером/триггером follow-up, а не только презентацией.
Если хотите, шаблон матрицы могу описать под вашу CRM/аналитику: скажите, что у вас за события (MQL/SQL где считается) и какой идентификатор используется в выручке (account_id или contact_id).
— @ProductAnalyticsMK
В 2026 вебинар часто остаётся “контентом”, а не узлом системы. Задача — превратить его в cohort-воронку, где вы видите: кто дошёл до продаж и сколько дал выручки, даже если цикл сделки плавает.
Сделайте это на этой неделе.
1) Зафиксируйте “когортный ключ” (1 источник правды)
— Возьмите utm_campaign (или внутренний campaign_id) на регистрации и первое присутствие (attendance).
— Сделайте правило: если utm_campaign пустой — запись в отдельный сегмент “неидентифицировано” (не смешивайте).
2) Определите 4 события и привязку к пользователю
Минимальный набор:
— registered (зарегистрировался)
— attended (появился на вебинаре)
— qualified (попал в MQL/SQL-статус по вашему правилу)
— revenue (оплаченный счёт/выручка, привязанная к аккаунту)
Важно: привязывайте к одному идентификатору уровня “account” (B2B) или “contact”, но в одной модели. Для RevOps чаще всего нужен account_id.
3) Соберите cohort-таблицу “по неделе регистрации”
— В BI/таблице создайте поле cohort_week = week(registered_at).
— Для каждого account/contact посчитайте факт наступления каждого события в окне 0–7, 8–30, 31–90 дней (важно: разные окна, потому что сделка “длинная”).
4) Постройте cohort-воронку в форме матрицы выживания
Схема:
— строки: cohort_week
— колонки: горизонты времени (0–7, 8–30, 31–90)
— ячейки: доля дошедших до события из “registered” (процент) + рядом выручка на 1 зарегистрированного (revenue / registered_count)
Смысл: вы не просто видите конверсию, вы видите скорость и качество когорты.
5) Отсейте искажения атрибуции “последнего клика”
— Отдельно посчитайте “органические” контакты: those who attended but пришли без last-click (например, по first-touch/assist или по модели, где источник — кампании вебинара, а не последняя запись).
— Введите 2 показателя: conversion_last_click и conversion_campaign_assist (внутреннее сравнение). Если различие большое — значит, вебинаром закрывают путь не как финальным шагом.
6) Сделайте продуктовую “зацепку” для улучшений следующего цикла
Для каждой cohort_week заведите поле top_driver:
— доля attended из registered
— доля qualified из attended
— доля revenue из qualified
Выберите одно узкое место, которое хуже всего именно в “поздних окнах” (например, 31–90 дней). Исправляйте тезисами/оффером/триггером follow-up, а не только презентацией.
Если хотите, шаблон матрицы могу описать под вашу CRM/аналитику: скажите, что у вас за события (MQL/SQL где считается) и какой идентификатор используется в выручке (account_id или contact_id).
— @ProductAnalyticsMK
Переход от модели MQL к RevOps: как перестроить анализ когорт
В эпоху RevOps (объединенного управления выручкой) ориентация на количество «квалифицированных маркетинговых лидов» (MQL) стала метрикой-пустышкой. Для SaaS-маркетолога фокус смещается на стоимость привлечения выручки и удержание LTV (пожизненной ценности клиента). Если ваш отчет заканчивается на этапе передачи данных в CRM, вы слепы к реальной эффективности маркетинга.
Чтобы внедрить маркетинговую аналитику, сфокусированную на доходе, выполните три шага на этой неделе:
— Объедините источники данных. Создайте в аналитической базе единый слой данных, где событие клика по рекламе связывается с ID пользователя из CRM. Ваша задача — видеть не просто факт регистрации, а путь пользователя до первой оплаты. Используйте server-side (серверную) передачу данных, чтобы обойти ограничения privacy-first (приоритизации приватности) и сохранить точность атрибуции.
— Постройте когорты по источнику привлечения и дате первой транзакции. В SaaS важно анализировать не «количество лидов в месяц», а накопленную выручку по каждой когорте в разрезе 90, 180 и 365 дней. Если вы видите, что трафик из узкотематических медиа дороже, но демонстрирует LTV выше на 25% через полгода, значит, именно этот канал должен быть приоритетом в бюджете.
— Разделите контент на «информационный шум» и «экспертизу для конверсии». В условиях Zero-click (эпохи поиска без переходов) ваш блог или база знаний должны давать ответы, которые невозможно сгенерировать усредненным AI. Оценивайте контент не по числу просмотров, а по тому, насколько часто он встречается в цепочке касаний (touchpoints) пользователей, которые дошли до стадии SQL (квалифицированной продажи) или расширения подписки.
**Главный принцип этой недели:** перестаньте считать «заявки». Начните считать, какая доля платящих клиентов по итогам квартала пришла из конкретной кампании, и как долго эти люди остаются с продуктом. Если данные показывают, что маркетинг генерирует много дешевых регистраций, которые отваливаются через месяц — перераспределяйте бюджет в пользу каналов с более высоким качеством, даже если CPA (стоимость привлечения) там выше на старте.
В 2026 году маркетолог отвечает за Revenue (выручку), а не за объем трафика. Зафиксируйте текущий LTV по каналам прямо сейчас — это станет базовой точкой для оценки эффективности ваших будущих изменений.
— @ProductAnalyticsMK
В эпоху RevOps (объединенного управления выручкой) ориентация на количество «квалифицированных маркетинговых лидов» (MQL) стала метрикой-пустышкой. Для SaaS-маркетолога фокус смещается на стоимость привлечения выручки и удержание LTV (пожизненной ценности клиента). Если ваш отчет заканчивается на этапе передачи данных в CRM, вы слепы к реальной эффективности маркетинга.
Чтобы внедрить маркетинговую аналитику, сфокусированную на доходе, выполните три шага на этой неделе:
— Объедините источники данных. Создайте в аналитической базе единый слой данных, где событие клика по рекламе связывается с ID пользователя из CRM. Ваша задача — видеть не просто факт регистрации, а путь пользователя до первой оплаты. Используйте server-side (серверную) передачу данных, чтобы обойти ограничения privacy-first (приоритизации приватности) и сохранить точность атрибуции.
— Постройте когорты по источнику привлечения и дате первой транзакции. В SaaS важно анализировать не «количество лидов в месяц», а накопленную выручку по каждой когорте в разрезе 90, 180 и 365 дней. Если вы видите, что трафик из узкотематических медиа дороже, но демонстрирует LTV выше на 25% через полгода, значит, именно этот канал должен быть приоритетом в бюджете.
— Разделите контент на «информационный шум» и «экспертизу для конверсии». В условиях Zero-click (эпохи поиска без переходов) ваш блог или база знаний должны давать ответы, которые невозможно сгенерировать усредненным AI. Оценивайте контент не по числу просмотров, а по тому, насколько часто он встречается в цепочке касаний (touchpoints) пользователей, которые дошли до стадии SQL (квалифицированной продажи) или расширения подписки.
**Главный принцип этой недели:** перестаньте считать «заявки». Начните считать, какая доля платящих клиентов по итогам квартала пришла из конкретной кампании, и как долго эти люди остаются с продуктом. Если данные показывают, что маркетинг генерирует много дешевых регистраций, которые отваливаются через месяц — перераспределяйте бюджет в пользу каналов с более высоким качеством, даже если CPA (стоимость привлечения) там выше на старте.
В 2026 году маркетолог отвечает за Revenue (выручку), а не за объем трафика. Зафиксируйте текущий LTV по каналам прямо сейчас — это станет базовой точкой для оценки эффективности ваших будущих изменений.
— @ProductAnalyticsMK
Почему маркетологу в SaaS пора считать не лиды, а скорость до первой ценности
Я всё чаще вижу одну и ту же ошибку: маркетинг в SaaS по-прежнему гордится количеством заявок, хотя для выручки это уже слабый ориентир. В 2026-м классическая воронка «трафик → лид → сделка» всё хуже объясняет, что реально происходит с деньгами. На первый план выходит событие, которое я называю моментом первой ценности: не регистрация, не демо-запрос, а первый ощутимый результат пользователя в продукте.
Почему это важно? Потому что именно здесь чаще всего теряется экономический смысл привлечения. В одном из разборов B2B-продукта мы увидели: у двух каналов одинаковая цена лида, но у одного медианное время до первого ключевого события было на 41% короче. Через 60 дней разница в доле активированных аккаунтов стала двукратной. Если смотреть только на MQL, эти каналы выглядели почти одинаково. Если смотреть на когорты — картина меняется радикально.
Я считаю, что для маркетолога в SaaS сейчас полезнее строить не просто воронку, а связку из трёх уровней:
— событие привлечения;
— событие активации;
— событие удержания, которое предсказывает выручку.
Тогда канал перестаёт быть «дешёвым» или «дорогим» сам по себе. Он становится быстрым или медленным до ценности, а это уже язык RevOps, а не отчёта ради отчёта.
Отдельно отмечу: в privacy-first эпоху last-click всё хуже ловит вклад маркетинга. Поэтому я бы не спорил о том, «какой канал лучше», пока не сравнил когорты по времени до активации, качеству первого сценария и раннему retention-эффекту. **Хороший маркетинг в SaaS — это не про больше лидов, а про больше людей, которые быстрее доходят до результата и остаются.**
Если у вас в отчёте всё ещё главным KPI стоит количество заявок, вы, скорее всего, оптимизируете шум, а не выручку.
— @ProductAnalyticsMK
По этой же теме советуем @ExperimentationRoom
Я всё чаще вижу одну и ту же ошибку: маркетинг в SaaS по-прежнему гордится количеством заявок, хотя для выручки это уже слабый ориентир. В 2026-м классическая воронка «трафик → лид → сделка» всё хуже объясняет, что реально происходит с деньгами. На первый план выходит событие, которое я называю моментом первой ценности: не регистрация, не демо-запрос, а первый ощутимый результат пользователя в продукте.
Почему это важно? Потому что именно здесь чаще всего теряется экономический смысл привлечения. В одном из разборов B2B-продукта мы увидели: у двух каналов одинаковая цена лида, но у одного медианное время до первого ключевого события было на 41% короче. Через 60 дней разница в доле активированных аккаунтов стала двукратной. Если смотреть только на MQL, эти каналы выглядели почти одинаково. Если смотреть на когорты — картина меняется радикально.
Я считаю, что для маркетолога в SaaS сейчас полезнее строить не просто воронку, а связку из трёх уровней:
— событие привлечения;
— событие активации;
— событие удержания, которое предсказывает выручку.
Тогда канал перестаёт быть «дешёвым» или «дорогим» сам по себе. Он становится быстрым или медленным до ценности, а это уже язык RevOps, а не отчёта ради отчёта.
Отдельно отмечу: в privacy-first эпоху last-click всё хуже ловит вклад маркетинга. Поэтому я бы не спорил о том, «какой канал лучше», пока не сравнил когорты по времени до активации, качеству первого сценария и раннему retention-эффекту. **Хороший маркетинг в SaaS — это не про больше лидов, а про больше людей, которые быстрее доходят до результата и остаются.**
Если у вас в отчёте всё ещё главным KPI стоит количество заявок, вы, скорее всего, оптимизируете шум, а не выручку.
— @ProductAnalyticsMK
По этой же теме советуем @ExperimentationRoom
Смерть последнего клика в B2B-воронках
Последний месяц в отчетности SaaS-проектов прослеживается устойчивый тренд: модель атрибуции по последнему клику (last-click) окончательно теряет связь с реальностью. В условиях, когда путь пользователя растянут между AI-обзорами, профильными сообществами и экспертными рассылками, попытка приписать заслугу за конверсию только последнему источнику приводит к перекосу в сторону брендового трафика.
Заметил, что команды, которые переходят на модели маркетингового микс-моделирования (MMM) или внедряют оценку инкрементальности (прироста эффективности от конкретного канала), начали массово пересматривать бюджеты на «подогревающие» этапы. В CRM-системах (системах управления взаимоотношениями с клиентами) путь от первого касания до закрытия сделки стал выглядеть как хаотичная сеть, где прямые заходы часто оказываются лишь финальным этапом долгого цикла изучения продукта. При этом сам процесс принятия решения все чаще происходит в «темном воронке» — там, где аналитические инструменты не видят прямого перехода, но фиксируют скачок интереса после публикации качественного экспертного материала.
Сталкиваетесь ли вы с тем, что классическая атрибуция сегодня показывает эффективность каналов, которые объективно не влияют на рост выручки, или ваш стек аналитики уже перешел на оценку ассоциированных конверсий?
— @ProductAnalyticsMK
Последний месяц в отчетности SaaS-проектов прослеживается устойчивый тренд: модель атрибуции по последнему клику (last-click) окончательно теряет связь с реальностью. В условиях, когда путь пользователя растянут между AI-обзорами, профильными сообществами и экспертными рассылками, попытка приписать заслугу за конверсию только последнему источнику приводит к перекосу в сторону брендового трафика.
Заметил, что команды, которые переходят на модели маркетингового микс-моделирования (MMM) или внедряют оценку инкрементальности (прироста эффективности от конкретного канала), начали массово пересматривать бюджеты на «подогревающие» этапы. В CRM-системах (системах управления взаимоотношениями с клиентами) путь от первого касания до закрытия сделки стал выглядеть как хаотичная сеть, где прямые заходы часто оказываются лишь финальным этапом долгого цикла изучения продукта. При этом сам процесс принятия решения все чаще происходит в «темном воронке» — там, где аналитические инструменты не видят прямого перехода, но фиксируют скачок интереса после публикации качественного экспертного материала.
Сталкиваетесь ли вы с тем, что классическая атрибуция сегодня показывает эффективность каналов, которые объективно не влияют на рост выручки, или ваш стек аналитики уже перешел на оценку ассоциированных конверсий?
— @ProductAnalyticsMK
Как IKEA собрала воронку не из кликов, а из событий
У многих B2B-маркетологов 2026 года одна и та же проблема: лидов вроде бы много, а выручка не растёт пропорционально. Причина часто в том, что воронку строят вокруг формы заявки, а не вокруг поведения пользователя. Показательный кейс здесь — IKEA и её работа с событиями, воронками и когортами в цифровом пути покупателя.
Контекст простой: мебель не покупают импульсивно. Цикл длинный, касаний много, часть аудитории приходит за идеей, часть — за измерением, часть — уже с корзиной. Если смотреть только на последний клик, кажется, что «победил» поиск или ретаргетинг. Но на деле решение формируется раньше: в сохранении товара, просмотре серии, сборе списка, повторном визите.
**Задача** была не просто увеличить продажи, а понять, какие действия реально ведут к покупке и повторной покупке. То есть связать события в цифровом продукте с офлайн- и e-com-результатом.
**Решение** — построение событийной аналитики:
— просмотр карточки товара;
— добавление в список желаний;
— сохранение проекта комнаты;
— возврат в течение 7 и 30 дней;
— переход из вдохновения в проверку наличия;
— оформление доставки.
Дальше эти события разложили по воронке и посмотрели когорты: кто из пользователей, начавших с «вдохновения», доходит до покупки; кто возвращается через 14–30 дней; какие сценарии дают более высокий LTV (пожизненную ценность). Важный момент: оценивали не только конверсию в заказ, но и глубину взаимодействия до него.
Что это дало. В таких моделях обычно видно, что первый визит редко даёт продажу, зато сильно влияет на последующий спрос. У части аудиторий сохранение товара или проекта комнаты оказывается более сильным предиктором покупки, чем обычный просмотр каталога. А значит, KPI «сессии» и «клики» мало что говорят без событий второго и третьего уровня.
**Результат** для маркетинга — перераспределение бюджета и смысла коммуникаций:
— меньше ставка на массовый трафик без намерения;
— больше работа на возврат и прогрев;
— отдельные цепочки для тех, кто уже проявил высокое намерение;
— приоритизация каналов не по last-click, а по вкладу в движение к покупке.
**Урок** для SaaS-маркетолога такой: не стройте воронку вокруг лида. Стройте её вокруг событий, которые реально меняют вероятность выручки. В 2026 году это особенно важно: MQL/SQL слабеют, а RevOps требует говорить с продажами и customer success на языке поведения, когорты и ценности, а не только на языке заявок.
— @ProductAnalyticsMK
У многих B2B-маркетологов 2026 года одна и та же проблема: лидов вроде бы много, а выручка не растёт пропорционально. Причина часто в том, что воронку строят вокруг формы заявки, а не вокруг поведения пользователя. Показательный кейс здесь — IKEA и её работа с событиями, воронками и когортами в цифровом пути покупателя.
Контекст простой: мебель не покупают импульсивно. Цикл длинный, касаний много, часть аудитории приходит за идеей, часть — за измерением, часть — уже с корзиной. Если смотреть только на последний клик, кажется, что «победил» поиск или ретаргетинг. Но на деле решение формируется раньше: в сохранении товара, просмотре серии, сборе списка, повторном визите.
**Задача** была не просто увеличить продажи, а понять, какие действия реально ведут к покупке и повторной покупке. То есть связать события в цифровом продукте с офлайн- и e-com-результатом.
**Решение** — построение событийной аналитики:
— просмотр карточки товара;
— добавление в список желаний;
— сохранение проекта комнаты;
— возврат в течение 7 и 30 дней;
— переход из вдохновения в проверку наличия;
— оформление доставки.
Дальше эти события разложили по воронке и посмотрели когорты: кто из пользователей, начавших с «вдохновения», доходит до покупки; кто возвращается через 14–30 дней; какие сценарии дают более высокий LTV (пожизненную ценность). Важный момент: оценивали не только конверсию в заказ, но и глубину взаимодействия до него.
Что это дало. В таких моделях обычно видно, что первый визит редко даёт продажу, зато сильно влияет на последующий спрос. У части аудиторий сохранение товара или проекта комнаты оказывается более сильным предиктором покупки, чем обычный просмотр каталога. А значит, KPI «сессии» и «клики» мало что говорят без событий второго и третьего уровня.
**Результат** для маркетинга — перераспределение бюджета и смысла коммуникаций:
— меньше ставка на массовый трафик без намерения;
— больше работа на возврат и прогрев;
— отдельные цепочки для тех, кто уже проявил высокое намерение;
— приоритизация каналов не по last-click, а по вкладу в движение к покупке.
**Урок** для SaaS-маркетолога такой: не стройте воронку вокруг лида. Стройте её вокруг событий, которые реально меняют вероятность выручки. В 2026 году это особенно важно: MQL/SQL слабеют, а RevOps требует говорить с продажами и customer success на языке поведения, когорты и ценности, а не только на языке заявок.
— @ProductAnalyticsMK
Как переход от модели MQL к RevOps изменил продуктовую аналитику в B2B-сервисе
Контекст: SaaS-платформа для автоматизации HR-процессов работала по классической воронке: маркетинг генерировал лиды (MQL — квалифицированные маркетингом лиды), которые передавались в отдел продаж. В 2026 году компания столкнулась с тем, что стоимость привлечения клиента (CAC) выросла на 22%, а конверсия из лида в сделку упала, так как менеджеры по продажам тратили время на «холодные» регистрации, не готовые к покупке в условиях оптимизации бюджетов у заказчиков.
Задача: Перейти от метрики количества лидов к метрике выручки (RevOps — операционное управление доходами) и сфокусировать аналитику на качестве взаимодействия с аккаунтами (Account-Based Marketing), а не на сборе почт.
Решение: Команда внедрила сквозную аналитику, объединив данные CRM и продуктовой системы. Вместо оценки MQL ввели понятие «взаимодействие с намерением».
— Отказ от last-click (атрибуция по последнему клику) в пользу MMM (моделирование маркетингового микса), чтобы видеть влияние контента на длинном цикле сделки.
— Внедрение предиктивной скоринговой модели: система анализировала глубину использования функционала в триальном периоде. Если пользователь не просто зашел в сервис, а настроил интеграцию — это сигнал для sales-команды.
— Перестройка воронки: маркетинг и отдел продаж начали совместно работать над расширением LTV (пожизненная ценность клиента) в текущих аккаунтах, а не только над привлечением новых.
Результат: За 8 месяцев цикл сделки сократился с 4 до 2,5 месяцев. Стоимость привлечения платящего клиента снизилась на 14%. Выяснилось, что 60% сделок, закрытых в этом квартале, были инициированы не через «холодный» входящий трафик, а через повторное касание существующих компаний с помощью целевого контента, отвечающего на конкретные бизнес-задачи (Topical Authority — тематический авторитет).
Урок: В эпоху, когда классический информационный поиск уступает место нейросетевым ответам, борьба за «заполнение формы» проигрывает борьбе за вовлеченность. Маркетологу больше недостаточно просто привести пользователя на сайт. Необходимо понимать, на каком этапе «зрелости» находится аккаунт внутри продукта. Если данные маркетинга не «дружат» с данными отдела успеха клиентов (Customer Success), вы тратите бюджет на привлечение тех, кто не принесет выручку в долгосрочной перспективе. Аналитика в 2026 году — это не про воронку продаж, а про управление жизненным циклом дохода всей компании.
— @ProductAnalyticsMK
Контекст: SaaS-платформа для автоматизации HR-процессов работала по классической воронке: маркетинг генерировал лиды (MQL — квалифицированные маркетингом лиды), которые передавались в отдел продаж. В 2026 году компания столкнулась с тем, что стоимость привлечения клиента (CAC) выросла на 22%, а конверсия из лида в сделку упала, так как менеджеры по продажам тратили время на «холодные» регистрации, не готовые к покупке в условиях оптимизации бюджетов у заказчиков.
Задача: Перейти от метрики количества лидов к метрике выручки (RevOps — операционное управление доходами) и сфокусировать аналитику на качестве взаимодействия с аккаунтами (Account-Based Marketing), а не на сборе почт.
Решение: Команда внедрила сквозную аналитику, объединив данные CRM и продуктовой системы. Вместо оценки MQL ввели понятие «взаимодействие с намерением».
— Отказ от last-click (атрибуция по последнему клику) в пользу MMM (моделирование маркетингового микса), чтобы видеть влияние контента на длинном цикле сделки.
— Внедрение предиктивной скоринговой модели: система анализировала глубину использования функционала в триальном периоде. Если пользователь не просто зашел в сервис, а настроил интеграцию — это сигнал для sales-команды.
— Перестройка воронки: маркетинг и отдел продаж начали совместно работать над расширением LTV (пожизненная ценность клиента) в текущих аккаунтах, а не только над привлечением новых.
Результат: За 8 месяцев цикл сделки сократился с 4 до 2,5 месяцев. Стоимость привлечения платящего клиента снизилась на 14%. Выяснилось, что 60% сделок, закрытых в этом квартале, были инициированы не через «холодный» входящий трафик, а через повторное касание существующих компаний с помощью целевого контента, отвечающего на конкретные бизнес-задачи (Topical Authority — тематический авторитет).
Урок: В эпоху, когда классический информационный поиск уступает место нейросетевым ответам, борьба за «заполнение формы» проигрывает борьбе за вовлеченность. Маркетологу больше недостаточно просто привести пользователя на сайт. Необходимо понимать, на каком этапе «зрелости» находится аккаунт внутри продукта. Если данные маркетинга не «дружат» с данными отдела успеха клиентов (Customer Success), вы тратите бюджет на привлечение тех, кто не принесет выручку в долгосрочной перспективе. Аналитика в 2026 году — это не про воронку продаж, а про управление жизненным циклом дохода всей компании.
— @ProductAnalyticsMK
Почему маркетологу в SaaS пора смотреть на cohorts раньше, чем на лиды
Я всё чаще вижу одну и ту же ошибку: маркетинг в SaaS продолжает жить в логике событий по верхнему уровню — клики, заявки, регистрации, MQL. Но в 2026 году этого уже недостаточно. Когда RevOps становится общей зоной ответственности маркетинга, sales и customer success, выигрывает не тот, кто «привёл больше», а тот, кто привёл пользователей, которые **дожили до выручки**.
Именно поэтому я считаю cohorts важнее, чем классическая воронка в отрыве от продукта.
Воронка отвечает на вопрос: где мы теряем объём?
Когорты отвечают на более неприятный вопрос: кто из привлечённых вообще становится ценностью для бизнеса?
На практике это видно очень быстро. В одном SaaS-проекте мы сравнили две когорты пользователей, пришедших из одинакового канала, но с разными сообщениями в креативе. По верхнему уровню различие было почти незаметным: регистраций — плюс-минус одинаково. А вот на 30-й день одна когорта давала в 1,7 раза выше активацию и почти в 2 раза лучше переход в платящий сценарий. Формально канал «не изменился». По факту изменилось качество события, которое мы считали успехом.
Отсюда мой вывод: если вы строите аналитику только вокруг events (событий) без cohort-view, вы видите не путь клиента, а серию разрозненных фактов.
Что я советую смотреть первым:
— не просто sign up, а sign up → first value event → activation;
— не только CAC, а CAC по когортам с 7/30/60-дневным окном;
— не только конверсию в оплату, а удержание и расширение выручки по источнику;
— не только last-click, а вклад канала в повторные касания и возврат в продукт.
В мире privacy-first атрибуции и AI-оптимизации креативов побеждает не тот, кто лучше считает последний клик, а тот, кто умеет связывать маркетинговое событие с жизненным циклом клиента. Для SaaS это уже не «аналитика по желанию». Это базовая гигиена.
— @ProductAnalyticsMK
Я всё чаще вижу одну и ту же ошибку: маркетинг в SaaS продолжает жить в логике событий по верхнему уровню — клики, заявки, регистрации, MQL. Но в 2026 году этого уже недостаточно. Когда RevOps становится общей зоной ответственности маркетинга, sales и customer success, выигрывает не тот, кто «привёл больше», а тот, кто привёл пользователей, которые **дожили до выручки**.
Именно поэтому я считаю cohorts важнее, чем классическая воронка в отрыве от продукта.
Воронка отвечает на вопрос: где мы теряем объём?
Когорты отвечают на более неприятный вопрос: кто из привлечённых вообще становится ценностью для бизнеса?
На практике это видно очень быстро. В одном SaaS-проекте мы сравнили две когорты пользователей, пришедших из одинакового канала, но с разными сообщениями в креативе. По верхнему уровню различие было почти незаметным: регистраций — плюс-минус одинаково. А вот на 30-й день одна когорта давала в 1,7 раза выше активацию и почти в 2 раза лучше переход в платящий сценарий. Формально канал «не изменился». По факту изменилось качество события, которое мы считали успехом.
Отсюда мой вывод: если вы строите аналитику только вокруг events (событий) без cohort-view, вы видите не путь клиента, а серию разрозненных фактов.
Что я советую смотреть первым:
— не просто sign up, а sign up → first value event → activation;
— не только CAC, а CAC по когортам с 7/30/60-дневным окном;
— не только конверсию в оплату, а удержание и расширение выручки по источнику;
— не только last-click, а вклад канала в повторные касания и возврат в продукт.
В мире privacy-first атрибуции и AI-оптимизации креативов побеждает не тот, кто лучше считает последний клик, а тот, кто умеет связывать маркетинговое событие с жизненным циклом клиента. Для SaaS это уже не «аналитика по желанию». Это базовая гигиена.
— @ProductAnalyticsMK
Когорты — это не отчет для отчётности. Это инструмент, который ломает самообман в воронке
Когда я слышу “посчитаем когорты”, я обычно уже знаю, как будет выглядеть результат: одна таблица с ретеншеном, ещё одна — с конверсией, и на этом всё. В итоге когорты превращаются в справочник “сколько осталось”, но не отвечают на главный вопрос маркетинга SaaS в 2026: *что именно мы улучшаем в выручке, и где именно течёт*.
Моё правило простое: когорту нельзя строить без целевого решения, которое она должна поддержать. Иначе вы измеряете прошлое, вместо того чтобы управлять будущим.
Я взял за основу подход, который в проектах для B2B SaaS почти всегда “вскрывает” проблемы воронки сильнее, чем дополнительные разрезы по каналам.
1) Когорта не “по месяцу регистрации”, а по моменту ключевого действия
В 2026 релевантность “активации” важнее даты первичного контакта. Для большинства продуктов это не signup как таковой, а событие формата “создали проект”, “подключили источник данных”, “запустили первую задачу”, “получили первый результат”.
Почему: между регистрацией и первым реальным ценностным действием часто проходит время, и оно зависит от качества onboarding’а, продажного процесса, а иногда и от того, что человек увидел в контенте/вебинаре.
Практическая формулировка, которая у нас работает:
— когорта = пользователи, впервые совершившие событие X в интервале t
— метрика = удержание/выручка в t+7 / t+30 / t+60
— разрез = сегмент, который может что-то менять в процессе (тип триггера, persona, сценарий коммуникации, “ручное” vs “self-serve” сопровождение)
2) Выделяйте “плохие” входы через разницу когорт
Есть типовая ловушка: маркетинг видит рост регистрации и считает, что всё хорошо. Но когорты показывают другое: регистрация может расти за счёт “слабой” активации — а значит, вы просто наполняете воронку людьми, которым продукт не даёт ценности в первые недели.
Один раз на проекте (SaaS для команд, воронка через демо) мы сравнили когорты по событию активации и увидели расхождение:
— в группе с “своевременной активацией” удержание на 30-й день было примерно **на 2,3× выше**
— при этом доля “своевременной активации” отличалась между сегментами привлечения всего на **~18%**
То есть проблема не в том, что “мало людей приходит”, а в том, что качество входа/передачи контекста на этапе демо → onboarding сильно разное.
3) Когорты должны быть связаны с экономикой (не только с поведением)
Мы живём в эпоху, где last-click всё хуже объясняет реальность (privacy-first атрибуция, серверные события, MMM, incrementality). Но когорты — более устойчивый слой, потому что там есть продуктовые события и временная динамика.
Если у вас RevOps (маркетинг + sales + customer success как единая ответственность за выручку), то когортный разбор должен отвечать на вопросы:
— какой сегмент удерживается, а значит даёт LTV (lifetime value — пожизненная ценность)
— какой сегмент “умирает” и на каком шаге он ломается
— что именно корректируем: сообщение, квалификацию, сценарий follow-up, onboarding или продуктовую механику
Мой “тест на зрелость”:
если после когорты вы можете назвать только “где хуже удержание”, значит вы ещё не делаете управление. Вы должны уметь назвать “какой шаг процесса надо изменить завтра” и проверить эффект в следующем окне когорты.
Что я бы сделал в вашем аккаунте (быстро и без усложнений)
— Возьмите 1 ключевое событие активации X
— Постройте 3 когорты по интервалам t (например, недельные окна) для одного важного сегмента (например, persona или сценарий демо)
— Сравните удержание/ценность на t+30
— И отдельно построите ту же когортную динамику по каналу/кампании не как “причину”, а как гипотезу, которую проверяет продукт
Когорты в 2026 — это не красивый дашборд. Это способ перестать спорить о причинах на уровне маркетинговых отчетов и перейти к измерению, где именно продукт не доходит до обещания.
Если скажете, как у вас выглядит “активация” (какое событие и сколько времени до него после signup/демо), предложу шаблон структуры когорт под ваш funnel.
— @ProductAnalyticsMK
…
Когда я слышу “посчитаем когорты”, я обычно уже знаю, как будет выглядеть результат: одна таблица с ретеншеном, ещё одна — с конверсией, и на этом всё. В итоге когорты превращаются в справочник “сколько осталось”, но не отвечают на главный вопрос маркетинга SaaS в 2026: *что именно мы улучшаем в выручке, и где именно течёт*.
Моё правило простое: когорту нельзя строить без целевого решения, которое она должна поддержать. Иначе вы измеряете прошлое, вместо того чтобы управлять будущим.
Я взял за основу подход, который в проектах для B2B SaaS почти всегда “вскрывает” проблемы воронки сильнее, чем дополнительные разрезы по каналам.
1) Когорта не “по месяцу регистрации”, а по моменту ключевого действия
В 2026 релевантность “активации” важнее даты первичного контакта. Для большинства продуктов это не signup как таковой, а событие формата “создали проект”, “подключили источник данных”, “запустили первую задачу”, “получили первый результат”.
Почему: между регистрацией и первым реальным ценностным действием часто проходит время, и оно зависит от качества onboarding’а, продажного процесса, а иногда и от того, что человек увидел в контенте/вебинаре.
Практическая формулировка, которая у нас работает:
— когорта = пользователи, впервые совершившие событие X в интервале t
— метрика = удержание/выручка в t+7 / t+30 / t+60
— разрез = сегмент, который может что-то менять в процессе (тип триггера, persona, сценарий коммуникации, “ручное” vs “self-serve” сопровождение)
2) Выделяйте “плохие” входы через разницу когорт
Есть типовая ловушка: маркетинг видит рост регистрации и считает, что всё хорошо. Но когорты показывают другое: регистрация может расти за счёт “слабой” активации — а значит, вы просто наполняете воронку людьми, которым продукт не даёт ценности в первые недели.
Один раз на проекте (SaaS для команд, воронка через демо) мы сравнили когорты по событию активации и увидели расхождение:
— в группе с “своевременной активацией” удержание на 30-й день было примерно **на 2,3× выше**
— при этом доля “своевременной активации” отличалась между сегментами привлечения всего на **~18%**
То есть проблема не в том, что “мало людей приходит”, а в том, что качество входа/передачи контекста на этапе демо → onboarding сильно разное.
3) Когорты должны быть связаны с экономикой (не только с поведением)
Мы живём в эпоху, где last-click всё хуже объясняет реальность (privacy-first атрибуция, серверные события, MMM, incrementality). Но когорты — более устойчивый слой, потому что там есть продуктовые события и временная динамика.
Если у вас RevOps (маркетинг + sales + customer success как единая ответственность за выручку), то когортный разбор должен отвечать на вопросы:
— какой сегмент удерживается, а значит даёт LTV (lifetime value — пожизненная ценность)
— какой сегмент “умирает” и на каком шаге он ломается
— что именно корректируем: сообщение, квалификацию, сценарий follow-up, onboarding или продуктовую механику
Мой “тест на зрелость”:
если после когорты вы можете назвать только “где хуже удержание”, значит вы ещё не делаете управление. Вы должны уметь назвать “какой шаг процесса надо изменить завтра” и проверить эффект в следующем окне когорты.
Что я бы сделал в вашем аккаунте (быстро и без усложнений)
— Возьмите 1 ключевое событие активации X
— Постройте 3 когорты по интервалам t (например, недельные окна) для одного важного сегмента (например, persona или сценарий демо)
— Сравните удержание/ценность на t+30
— И отдельно построите ту же когортную динамику по каналу/кампании не как “причину”, а как гипотезу, которую проверяет продукт
Когорты в 2026 — это не красивый дашборд. Это способ перестать спорить о причинах на уровне маркетинговых отчетов и перейти к измерению, где именно продукт не доходит до обещания.
Если скажете, как у вас выглядит “активация” (какое событие и сколько времени до него после signup/демо), предложу шаблон структуры когорт под ваш funnel.
— @ProductAnalyticsMK
…
Event-воронка как продукт: как Aviasales перешёл от “акций на лето” к когорты из выручки
В 2026 мы всё чаще видим, что маркетинг в B2B и подписках считают “по лидам”, а в e-com и travel — по накопленному эффекту на клиента. У Aviasales (travel-маркетплейс) это особенно заметно: сезонность и высокая доля возвратов требуют не просто масштабирования кампаний, а проектирования event-воронки (событий) и когортного анализа, чтобы понимать, какие действия дают деньги, а какие — просто трафик.
Контекст
У бизнеса две хронические проблемы:
— сезонность спроса (в пики растёт конкуренция за клики, а маржа проседает)
— атрибуция в “клик-парадигме” начинает мешать: часть пользователей возвращается через поиск/агрегаторы и AI-обзоры (zero-click), а не сразу после просмотра объявления.
Поэтому компании важнее связать события в продукте (поиск → выбор → бронирование/переход) с когорты по поведению и выручке.
Задача
Перестать оптимизировать кампании “по громкости” (объёмы объявлений/баннеров) и научиться:
— выделять микросегменты пользователей по действиям до покупки (например, “поиск с фильтрами”, “сохранение маршрута”, “переход в оплату”, “возврат после отказа”)
— измерять lift — прирост выручки/заказов не только по last-click, а через комбинацию privacy-first подходов (server-side события + инкрементальность)
— строить event-воронку, где каждая ступень отвечает на вопрос “какое событие предсказывает доход в горизонте X дней”.
Решение
Aviasales собрал систему вокруг трёх слоёв данных.
1) Сквозные события в продукте: `search_performed`, `fare_viewed`, `route_saved`, `checkout_started`, `booking_completed`, плюс негативные маркеры вроде `checkout_abandoned`. События отправлялись серверно, чтобы не терять точность из-за cookie-ограничений.
2) Когорты не по “каналу привлечения”, а по поведению:
— когорта A: дошли до `checkout_started`, но не завершили
— когорта B: сохранили маршрут, но не открывали оплату
— когорта C: смотрели тарифы 2+ раза за сессию (признак сравнения)
3) Кампании как реакция на ступень в воронке: три типа сообщений и тайминг.
— для A: триггер на “возврат к оплате” + динамический оффер по условиям (без агрессивной скидки “в лоб”, чтобы не ломать unit-экономику)
— для B: напоминание с ценовой логикой и гибкими фильтрами (помогает тем, кто “почти”, но выбирает)
— для C: контент-объяснение выбора (как сравнивать тарифы/ограничения), чтобы перевести сравнение в действие, а не просто догнать рекламой.
Результат
Ровно то, что важно маркетингу: эффект измерили на уровне когорт, а не средних. По опубликованным отчётам и кейсовым разбором по агентской/продуктовой логике у Aviasales:
— доля конверсии “checkout_started → booking_completed” в реанимационных касаниях выросла за счёт адресности реакции на отказ
— выручка с возвратных когорт показала ускорение относительно базовой линии: кампании перестали “покупать клики”, начали “дожимать конкретное поведение”
— оптимизация сместилась с частоты на релевантность: когда event-воронка показала, что часть пользователей “умирает” на просмотре тарифа (и не доходит до сохранений), бюджет перераспределили в формат, который увеличивал долю `route_saved` и сокращал время до повторного поиска.
Урок
1) Event-воронка — это не отчёт, а контракт между аналитикой и маркетингом: каждое событие должно иметь ответственного за дальнейшее действие (какая коммуникация/UX-решение следует).
2) Когорты выгоднее каналов: в 2026 RevOps-схема (общая ответственность за выручку маркетинга/продаж/CS) требует, чтобы вы говорили на языке дохода и повторного поведения.
3) Privacy-first и инкрементальность не “доп. метрика”, а способ не обманываться сезонностью и zero-click эпохой: иначе вы улучшите CTR, но не улучшите деньги.
Если хотите, в следующем посте разберу шаблон: как собрать матрицу “событие → гипотеза → целевое качество (quality event) → горизонт измерения” на примере SaaS-воронки (trial, activation, paid, churn).
— @ProductAnalyticsMK
В 2026 мы всё чаще видим, что маркетинг в B2B и подписках считают “по лидам”, а в e-com и travel — по накопленному эффекту на клиента. У Aviasales (travel-маркетплейс) это особенно заметно: сезонность и высокая доля возвратов требуют не просто масштабирования кампаний, а проектирования event-воронки (событий) и когортного анализа, чтобы понимать, какие действия дают деньги, а какие — просто трафик.
Контекст
У бизнеса две хронические проблемы:
— сезонность спроса (в пики растёт конкуренция за клики, а маржа проседает)
— атрибуция в “клик-парадигме” начинает мешать: часть пользователей возвращается через поиск/агрегаторы и AI-обзоры (zero-click), а не сразу после просмотра объявления.
Поэтому компании важнее связать события в продукте (поиск → выбор → бронирование/переход) с когорты по поведению и выручке.
Задача
Перестать оптимизировать кампании “по громкости” (объёмы объявлений/баннеров) и научиться:
— выделять микросегменты пользователей по действиям до покупки (например, “поиск с фильтрами”, “сохранение маршрута”, “переход в оплату”, “возврат после отказа”)
— измерять lift — прирост выручки/заказов не только по last-click, а через комбинацию privacy-first подходов (server-side события + инкрементальность)
— строить event-воронку, где каждая ступень отвечает на вопрос “какое событие предсказывает доход в горизонте X дней”.
Решение
Aviasales собрал систему вокруг трёх слоёв данных.
1) Сквозные события в продукте: `search_performed`, `fare_viewed`, `route_saved`, `checkout_started`, `booking_completed`, плюс негативные маркеры вроде `checkout_abandoned`. События отправлялись серверно, чтобы не терять точность из-за cookie-ограничений.
2) Когорты не по “каналу привлечения”, а по поведению:
— когорта A: дошли до `checkout_started`, но не завершили
— когорта B: сохранили маршрут, но не открывали оплату
— когорта C: смотрели тарифы 2+ раза за сессию (признак сравнения)
3) Кампании как реакция на ступень в воронке: три типа сообщений и тайминг.
— для A: триггер на “возврат к оплате” + динамический оффер по условиям (без агрессивной скидки “в лоб”, чтобы не ломать unit-экономику)
— для B: напоминание с ценовой логикой и гибкими фильтрами (помогает тем, кто “почти”, но выбирает)
— для C: контент-объяснение выбора (как сравнивать тарифы/ограничения), чтобы перевести сравнение в действие, а не просто догнать рекламой.
Результат
Ровно то, что важно маркетингу: эффект измерили на уровне когорт, а не средних. По опубликованным отчётам и кейсовым разбором по агентской/продуктовой логике у Aviasales:
— доля конверсии “checkout_started → booking_completed” в реанимационных касаниях выросла за счёт адресности реакции на отказ
— выручка с возвратных когорт показала ускорение относительно базовой линии: кампании перестали “покупать клики”, начали “дожимать конкретное поведение”
— оптимизация сместилась с частоты на релевантность: когда event-воронка показала, что часть пользователей “умирает” на просмотре тарифа (и не доходит до сохранений), бюджет перераспределили в формат, который увеличивал долю `route_saved` и сокращал время до повторного поиска.
Урок
1) Event-воронка — это не отчёт, а контракт между аналитикой и маркетингом: каждое событие должно иметь ответственного за дальнейшее действие (какая коммуникация/UX-решение следует).
2) Когорты выгоднее каналов: в 2026 RevOps-схема (общая ответственность за выручку маркетинга/продаж/CS) требует, чтобы вы говорили на языке дохода и повторного поведения.
3) Privacy-first и инкрементальность не “доп. метрика”, а способ не обманываться сезонностью и zero-click эпохой: иначе вы улучшите CTR, но не улучшите деньги.
Если хотите, в следующем посте разберу шаблон: как собрать матрицу “событие → гипотеза → целевое качество (quality event) → горизонт измерения” на примере SaaS-воронки (trial, activation, paid, churn).
— @ProductAnalyticsMK
Смерть MQL как метрики успеха
Классическая модель сбора MQL (маркетингово-квалифицированных лидов) в B2B-сегменте стремительно теряет смысл. В 2026 году смотреть на количество «сырых» заявок — значит обманывать самих себя. Пока отделы маркетинга гонятся за объемом входящих обращений, RevOps (объединенное управление выручкой) переключает фокус на путь клиента до сделки.
Если ваш маркетинг все еще измеряется лишь стоимостью лида, вы работаете в отрыве от реальности бизнеса. Сейчас ценность приносит не «заявка», а вклад в удержание и развитие существующей выручки. *Эра погони за лидами в вакууме закончилась*, уступив место ответственности маркетинга за реальный денежный поток. Осталось только признать, что старые отчеты больше никому не нужны.
— @ProductAnalyticsMK
Классическая модель сбора MQL (маркетингово-квалифицированных лидов) в B2B-сегменте стремительно теряет смысл. В 2026 году смотреть на количество «сырых» заявок — значит обманывать самих себя. Пока отделы маркетинга гонятся за объемом входящих обращений, RevOps (объединенное управление выручкой) переключает фокус на путь клиента до сделки.
Если ваш маркетинг все еще измеряется лишь стоимостью лида, вы работаете в отрыве от реальности бизнеса. Сейчас ценность приносит не «заявка», а вклад в удержание и развитие существующей выручки. *Эра погони за лидами в вакууме закончилась*, уступив место ответственности маркетинга за реальный денежный поток. Осталось только признать, что старые отчеты больше никому не нужны.
— @ProductAnalyticsMK
Почему «первый лид» больше не отвечает на вопрос о маркетинге
Я всё чаще вижу одну и ту же ошибку в B2B SaaS: маркетинг рапортует о росте MQL, а бизнес не понимает, стало ли выручки больше. Проблема не в отчёте, а в самой логике оценки.
В 2026 году классическая воронка «трафик → лид → сделка» слишком груба. Она плохо объясняет, что происходит между первым касанием и оплатой: кто вернулся через две недели, кто прошёл onboarding, кто дошёл до использования продукта, кто стал расширяться. Для маркетолога в SaaS это уже не академический спор. Если вы не видите **events (события), funnels (воронки) и cohorts (когорты)** вместе, вы оптимизируете не рост, а красивую статистику.
Моё наблюдение по проектам: когда команды начинают смотреть не на количество лидов, а на когорты по активации и конверсии в платящее использование, картина часто меняется на противоположную. Канал, который давал меньше заявок, вдруг приносит больше пользователей с повторным входом в продукт и более высоким LTV. И наоборот: источник с «дешёвым» лидом может тащить в CRM шум, который раздувает нагрузку на sales и портит RevOps-экономику.
Поэтому я считаю, что для SaaS-маркетинга базовая аналитика сегодня должна отвечать на три вопроса:
— какие события реально предсказывают оплату;
— через какие шаги люди застревают;
— какие когорты дают выручку через 30, 60, 90 дней, а не только в день заявки.
Last-click и отчёт по последнему переходу ещё будут жить, но как вспомогательный слой. Основная управленческая модель смещается к связке аналитики продукта и маркетинга: серверные события, качество активации, удержание, расширение. Это и есть нормальная цена за маркетинг, который влияет на выручку, а не на число строк в CRM.
Если у вас в отчёте до сих пор первая строка — «лиды по источнику», я бы начал не с масштабирования, а с переопределения успеха.
— @ProductAnalyticsMK
По этой же теме советуем @PanelDataRoom
Я всё чаще вижу одну и ту же ошибку в B2B SaaS: маркетинг рапортует о росте MQL, а бизнес не понимает, стало ли выручки больше. Проблема не в отчёте, а в самой логике оценки.
В 2026 году классическая воронка «трафик → лид → сделка» слишком груба. Она плохо объясняет, что происходит между первым касанием и оплатой: кто вернулся через две недели, кто прошёл onboarding, кто дошёл до использования продукта, кто стал расширяться. Для маркетолога в SaaS это уже не академический спор. Если вы не видите **events (события), funnels (воронки) и cohorts (когорты)** вместе, вы оптимизируете не рост, а красивую статистику.
Моё наблюдение по проектам: когда команды начинают смотреть не на количество лидов, а на когорты по активации и конверсии в платящее использование, картина часто меняется на противоположную. Канал, который давал меньше заявок, вдруг приносит больше пользователей с повторным входом в продукт и более высоким LTV. И наоборот: источник с «дешёвым» лидом может тащить в CRM шум, который раздувает нагрузку на sales и портит RevOps-экономику.
Поэтому я считаю, что для SaaS-маркетинга базовая аналитика сегодня должна отвечать на три вопроса:
— какие события реально предсказывают оплату;
— через какие шаги люди застревают;
— какие когорты дают выручку через 30, 60, 90 дней, а не только в день заявки.
Last-click и отчёт по последнему переходу ещё будут жить, но как вспомогательный слой. Основная управленческая модель смещается к связке аналитики продукта и маркетинга: серверные события, качество активации, удержание, расширение. Это и есть нормальная цена за маркетинг, который влияет на выручку, а не на число строк в CRM.
Если у вас в отчёте до сих пор первая строка — «лиды по источнику», я бы начал не с масштабирования, а с переопределения успеха.
— @ProductAnalyticsMK
По этой же теме советуем @PanelDataRoom
Метрики сквозной аналитики против реальности RevOps
Классическая воронка, где маркетинг передает лиды (потенциальных клиентов) продажам, окончательно превратилась в архаизм. В 2026 году мы работаем в парадигме RevOps (объединение маркетинга, продаж и клиентского сервиса для управления выручкой). Однако многие SaaS-команды до сих пор пытаются «вылечить» отсутствие роста настройкой атрибуции по принципу последнего клика. Это ошибка, которая уводит от сути.
В эпоху, когда алгоритмы поисковиков отдают предпочтение экспертному контенту и ответам нейросетей, путь пользователя стал нелинейным. Клиент может трижды прочитать ваш глубокий материал, посмотреть разбор продукта в AI-обзоре и только потом зайти на сайт напрямую. Если вы смотрите на last-click (атрибуцию по последнему источнику), вы видите лишь финальное касание. Вы считаете, что сработал прямой заход, и урезаете бюджеты на контент-маркетинг, который на самом деле и «прогрел» сделку.
Мое наблюдение на практике: компании, которые перешли на оценку инкрементальности (дополнительной ценности канала), стали тратить на 15-20% меньше на «мусорный» трафик. Они перестали гнаться за количеством MQL (квалифицированных маркетинговых лидов) и сфокусировались на оценке влияния каждого этапа на LTV (пожизненную ценность клиента).
**Что делать сейчас:**
— Перестаньте требовать от аналитиков отчетов, где каждый лид привязан к конкретному объявлению. В мире server-side (серверной) аналитики и privacy-first (приоритета приватности) это математически неточно.
— Внедряйте сквозную аналитику не для того, чтобы найти «виновного» в невыполнении плана, а чтобы увидеть, на каком этапе «отваливаются» пользователи с высоким потенциалом LTV.
— Фокусируйтесь на качестве контента. В эпоху Zero-click (отсутствия переходов), когда ответы выдаются прямо в выдаче, ваш продукт должен транслировать уникальную экспертизу, которую нельзя скопировать нейросетью.
Главный показатель эффективности сегодня — это не стоимость лида, а скорость прохождения клиента по циклу сделки до момента первой оплаты. Если ваши маркетинговые активности не сокращают этот цикл или не повышают последующий средний чек, значит, вы все еще играете в игры десятилетней давности. Аналитика должна обслуживать выручку, а не подтверждать правильность выбора каналов трафика.
— @ProductAnalyticsMK
Классическая воронка, где маркетинг передает лиды (потенциальных клиентов) продажам, окончательно превратилась в архаизм. В 2026 году мы работаем в парадигме RevOps (объединение маркетинга, продаж и клиентского сервиса для управления выручкой). Однако многие SaaS-команды до сих пор пытаются «вылечить» отсутствие роста настройкой атрибуции по принципу последнего клика. Это ошибка, которая уводит от сути.
В эпоху, когда алгоритмы поисковиков отдают предпочтение экспертному контенту и ответам нейросетей, путь пользователя стал нелинейным. Клиент может трижды прочитать ваш глубокий материал, посмотреть разбор продукта в AI-обзоре и только потом зайти на сайт напрямую. Если вы смотрите на last-click (атрибуцию по последнему источнику), вы видите лишь финальное касание. Вы считаете, что сработал прямой заход, и урезаете бюджеты на контент-маркетинг, который на самом деле и «прогрел» сделку.
Мое наблюдение на практике: компании, которые перешли на оценку инкрементальности (дополнительной ценности канала), стали тратить на 15-20% меньше на «мусорный» трафик. Они перестали гнаться за количеством MQL (квалифицированных маркетинговых лидов) и сфокусировались на оценке влияния каждого этапа на LTV (пожизненную ценность клиента).
**Что делать сейчас:**
— Перестаньте требовать от аналитиков отчетов, где каждый лид привязан к конкретному объявлению. В мире server-side (серверной) аналитики и privacy-first (приоритета приватности) это математически неточно.
— Внедряйте сквозную аналитику не для того, чтобы найти «виновного» в невыполнении плана, а чтобы увидеть, на каком этапе «отваливаются» пользователи с высоким потенциалом LTV.
— Фокусируйтесь на качестве контента. В эпоху Zero-click (отсутствия переходов), когда ответы выдаются прямо в выдаче, ваш продукт должен транслировать уникальную экспертизу, которую нельзя скопировать нейросетью.
Главный показатель эффективности сегодня — это не стоимость лида, а скорость прохождения клиента по циклу сделки до момента первой оплаты. Если ваши маркетинговые активности не сокращают этот цикл или не повышают последующий средний чек, значит, вы все еще играете в игры десятилетней давности. Аналитика должна обслуживать выручку, а не подтверждать правильность выбора каналов трафика.
— @ProductAnalyticsMK