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
Смерть метрики MQL как способ спасти B2B-выручку
В 2026 году классическая воронка, где маркетинг передает в отдел продаж «теплых» лидов (MQL — квалифицированных маркетингом потенциальных клиентов), выглядит как архаизм из учебников начала десятилетия. Мы наблюдаем закат модели, основанной на количественных показателях заявок, и переход к RevOps (общей системе управления выручкой).
Проблема в том, что MQL — это удобная, но лживая метрика. Она позволяет маркетологу отчитаться за скачанный гайд или регистрацию на вебинар, при этом никак не гарантируя интерес к покупке. В эпоху, когда покупательский путь в B2B стал нелинейным и скрытым от сторонних систем отслеживания, погоня за «лидами» превратилась в гонку за призраками.
Мое наблюдение из практики последних месяцев: компании, которые отказались от KPI по количеству лидов в пользу метрик вовлеченности ключевых лиц (Buying Committee) внутри целевых аккаунтов, показывают рост конверсии в сделку на 15–20% выше. Это не случайность. Когда маркетинг перестает «гнать объем» и начинает работать с RevOps, фокус смещается на качество касаний.
Что это означает на практике:
— Отказ от оценки эффективности по стоимости привлечения заявки. Вместо этого мы анализируем влияние маркетинговых активностей на ускорение цикла сделки.
— Переход к модели атрибуции, основанной на инкрементальности (дополнительном эффекте), а не на последнем клике. Мы больше не гадаем, какой баннер привел клиента, а оцениваем, как серия образовательных материалов меняет понимание продукта у заказчика.
— Внедрение единого дашборда для маркетинга, продаж и клиентского сервиса. Если маркетолог не видит, что происходит с клиентом после закрытия сделки, он не сможет управлять удержанием (retention).
В эпоху нулевых кликов (когда пользователь находит ответ прямо в поисковой выдаче, не переходя на сайт) старые методы сбора контактов в обмен на контент теряют эффективность. Ваша ценность сегодня — это не база почтовых адресов, а способность через аналитику данных подсветить те узкие места воронки, где бизнес теряет деньги еще до этапа переговоров.
Маркетолог, который продолжает измерять успех «штуками» лидов, к концу года рискует стать самым дорогим и наименее полезным звеном в компании. Фокусируйтесь на том, как ваши действия влияют на кошелек клиента, а не на отчетную таблицу CRM-системы.
— @ProductAnalyticsMK
В 2026 году классическая воронка, где маркетинг передает в отдел продаж «теплых» лидов (MQL — квалифицированных маркетингом потенциальных клиентов), выглядит как архаизм из учебников начала десятилетия. Мы наблюдаем закат модели, основанной на количественных показателях заявок, и переход к RevOps (общей системе управления выручкой).
Проблема в том, что MQL — это удобная, но лживая метрика. Она позволяет маркетологу отчитаться за скачанный гайд или регистрацию на вебинар, при этом никак не гарантируя интерес к покупке. В эпоху, когда покупательский путь в B2B стал нелинейным и скрытым от сторонних систем отслеживания, погоня за «лидами» превратилась в гонку за призраками.
Мое наблюдение из практики последних месяцев: компании, которые отказались от KPI по количеству лидов в пользу метрик вовлеченности ключевых лиц (Buying Committee) внутри целевых аккаунтов, показывают рост конверсии в сделку на 15–20% выше. Это не случайность. Когда маркетинг перестает «гнать объем» и начинает работать с RevOps, фокус смещается на качество касаний.
Что это означает на практике:
— Отказ от оценки эффективности по стоимости привлечения заявки. Вместо этого мы анализируем влияние маркетинговых активностей на ускорение цикла сделки.
— Переход к модели атрибуции, основанной на инкрементальности (дополнительном эффекте), а не на последнем клике. Мы больше не гадаем, какой баннер привел клиента, а оцениваем, как серия образовательных материалов меняет понимание продукта у заказчика.
— Внедрение единого дашборда для маркетинга, продаж и клиентского сервиса. Если маркетолог не видит, что происходит с клиентом после закрытия сделки, он не сможет управлять удержанием (retention).
В эпоху нулевых кликов (когда пользователь находит ответ прямо в поисковой выдаче, не переходя на сайт) старые методы сбора контактов в обмен на контент теряют эффективность. Ваша ценность сегодня — это не база почтовых адресов, а способность через аналитику данных подсветить те узкие места воронки, где бизнес теряет деньги еще до этапа переговоров.
Маркетолог, который продолжает измерять успех «штуками» лидов, к концу года рискует стать самым дорогим и наименее полезным звеном в компании. Фокусируйтесь на том, как ваши действия влияют на кошелек клиента, а не на отчетную таблицу CRM-системы.
— @ProductAnalyticsMK
Почему маркетологу в SaaS пора смотреть не на лиды, а на события
В SaaS-маркетинге долгое время было удобно жить в логике воронки: показ → клик → заявка → демо → сделка. Эта схема понятна, её легко объяснить руководству, по ней просто строить отчёты. Но в 2026 году она всё хуже описывает реальность.
Причина не только в том, что классическая лидогенерация слабеет. Изменилась сама среда. Пользователь живёт в мире, где часть ответов получает сразу из поисковой выдачи с AI-overviews, часть — в продукте, часть — у sales, часть — в письмах и ретеншн-коммуникациях. Путь к покупке стал не линейной дорогой, а сетью касаний. И если смотреть только на лиды, большая часть этой сети остаётся невидимой.
Отсюда главный сдвиг: маркетологу в SaaS надо всё чаще думать не лидами, а событиями.
**1. Событие точнее описывает намерение, чем форма заявки**
Заявка — это уже итог. Событие — это действие, по которому видно, что человек движется к ценности. Зарегистрировался, подключил интеграцию, вернулся на второй день, позвал коллегу, создал первый проект — всё это важнее абстрактного «оставил контакты».
Пример: продукт для управления проектами может считать удачным не тот канал, который дал больше регистраций, а тот, где выше доля людей, дошедших до события «создал первый рабочий поток» в первые 24 часа. Внешне канал может выглядеть слабее по CPL (стоимости лида), но сильнее по будущей выручке.
Для маркетолога это меняет фокус: вместо «сколько лидов принёс канал» появляется вопрос «какие события этот канал запускает и как быстро». Это уже ближе к реальному спросу, а не к декоративной активности.
**2. Воронка полезна для отчёта, но cohort-анализ показывает качество роста**
Когортный анализ — это способ смотреть не на среднюю температуру по больнице, а на поведение групп пользователей, пришедших в разное время или из разных источников. Для SaaS это особенно важно, потому что один и тот же объём привлечения может давать совершенно разную экономику.
Пример: мартовская когорта пришла через вебинар, апрельская — через статью в тематическом обзоре, майская — через партнёрский канал. По итогам месяца все три когорты дали примерно одинаковое число регистраций. Но через 60 дней стало видно, что у вебинара выше активация, у статьи — выше возврат в продукт, а у партнёров — лучший апгрейд в платный тариф.
Если смотреть только на верх воронки, эти различия теряются. Если смотреть когортами, становится понятно, где не просто трафик, а будущая выручка. Именно поэтому в 2026 году хорошая аналитика в SaaS всё чаще строится вокруг поведенческих когорт, а не вокруг одного общего отчёта по лидам.
**3. Событийная аналитика помогает связать маркетинг с выручкой, а не с промежуточными метриками**
Проблема многих команд в том, что маркетинг оптимизируется на то, что легче всего измерить. Отсюда культ MQL — маркетингово квалифицированного лида. Но в модели RevOps (общей ответственности маркетинга, продаж и customer success за выручку) такой подход уже слишком узкий.
Пример: в B2B-SaaS маркетинг приводит «правильные» заявки, sales их обрабатывает, но конверсия в оплату падает. Почему? Потому что часть пользователей приходит не в нужный сегмент, часть не доходит до ключевого события активации, а часть теряется между демо и первым использованием. Это не проблема «лидов», это проблема отсутствия сквозной картины событий.
События позволяют увидеть, где именно ломается путь к деньгам:
— в регистрации;
— в активации;
— в повторном использовании;
— в переходе на платный план;
— в удержании после первого месяца.
Когда эти этапы описаны через события, маркетинг перестаёт быть отделом трафика и становится частью системы роста выручки.
**4. В 2026 году ценность не в объёме данных, а в правильной интерпретации**
…
В SaaS-маркетинге долгое время было удобно жить в логике воронки: показ → клик → заявка → демо → сделка. Эта схема понятна, её легко объяснить руководству, по ней просто строить отчёты. Но в 2026 году она всё хуже описывает реальность.
Причина не только в том, что классическая лидогенерация слабеет. Изменилась сама среда. Пользователь живёт в мире, где часть ответов получает сразу из поисковой выдачи с AI-overviews, часть — в продукте, часть — у sales, часть — в письмах и ретеншн-коммуникациях. Путь к покупке стал не линейной дорогой, а сетью касаний. И если смотреть только на лиды, большая часть этой сети остаётся невидимой.
Отсюда главный сдвиг: маркетологу в SaaS надо всё чаще думать не лидами, а событиями.
**1. Событие точнее описывает намерение, чем форма заявки**
Заявка — это уже итог. Событие — это действие, по которому видно, что человек движется к ценности. Зарегистрировался, подключил интеграцию, вернулся на второй день, позвал коллегу, создал первый проект — всё это важнее абстрактного «оставил контакты».
Пример: продукт для управления проектами может считать удачным не тот канал, который дал больше регистраций, а тот, где выше доля людей, дошедших до события «создал первый рабочий поток» в первые 24 часа. Внешне канал может выглядеть слабее по CPL (стоимости лида), но сильнее по будущей выручке.
Для маркетолога это меняет фокус: вместо «сколько лидов принёс канал» появляется вопрос «какие события этот канал запускает и как быстро». Это уже ближе к реальному спросу, а не к декоративной активности.
**2. Воронка полезна для отчёта, но cohort-анализ показывает качество роста**
Когортный анализ — это способ смотреть не на среднюю температуру по больнице, а на поведение групп пользователей, пришедших в разное время или из разных источников. Для SaaS это особенно важно, потому что один и тот же объём привлечения может давать совершенно разную экономику.
Пример: мартовская когорта пришла через вебинар, апрельская — через статью в тематическом обзоре, майская — через партнёрский канал. По итогам месяца все три когорты дали примерно одинаковое число регистраций. Но через 60 дней стало видно, что у вебинара выше активация, у статьи — выше возврат в продукт, а у партнёров — лучший апгрейд в платный тариф.
Если смотреть только на верх воронки, эти различия теряются. Если смотреть когортами, становится понятно, где не просто трафик, а будущая выручка. Именно поэтому в 2026 году хорошая аналитика в SaaS всё чаще строится вокруг поведенческих когорт, а не вокруг одного общего отчёта по лидам.
**3. Событийная аналитика помогает связать маркетинг с выручкой, а не с промежуточными метриками**
Проблема многих команд в том, что маркетинг оптимизируется на то, что легче всего измерить. Отсюда культ MQL — маркетингово квалифицированного лида. Но в модели RevOps (общей ответственности маркетинга, продаж и customer success за выручку) такой подход уже слишком узкий.
Пример: в B2B-SaaS маркетинг приводит «правильные» заявки, sales их обрабатывает, но конверсия в оплату падает. Почему? Потому что часть пользователей приходит не в нужный сегмент, часть не доходит до ключевого события активации, а часть теряется между демо и первым использованием. Это не проблема «лидов», это проблема отсутствия сквозной картины событий.
События позволяют увидеть, где именно ломается путь к деньгам:
— в регистрации;
— в активации;
— в повторном использовании;
— в переходе на платный план;
— в удержании после первого месяца.
Когда эти этапы описаны через события, маркетинг перестаёт быть отделом трафика и становится частью системы роста выручки.
**4. В 2026 году ценность не в объёме данных, а в правильной интерпретации**
…
Почему ваш funnel в SaaS до сих пор ломается на «непонятном» шаге?
В 2026 классический MQL-ритм всё хуже объясняет выручку: решают события, переходы между этапами и поведение когорт. Где вы чаще теряете точность?
ВАРИАНТЫ:
1. На первом касании — не видим реальный источник
2. На активации — событие задано слишком грубо
3. На переходе MQL→SQL — sales и маркетинг считают по-разному
4. На ретеншене — когорты есть, действий по ним нет
— @ProductAnalyticsMK
В 2026 классический MQL-ритм всё хуже объясняет выручку: решают события, переходы между этапами и поведение когорт. Где вы чаще теряете точность?
ВАРИАНТЫ:
1. На первом касании — не видим реальный источник
2. На активации — событие задано слишком грубо
3. На переходе MQL→SQL — sales и маркетинг считают по-разному
4. На ретеншене — когорты есть, действий по ним нет
— @ProductAnalyticsMK
Когорты стали смотреть раньше, чем воронку
За последний месяц в SaaS-проектах чаще стал повторяться один паттерн: маркетолог сначала открывает не отчёты по лидам, а когортный анализ по активации и возврату в продукт. Смотрят, на каком шаге пользователи «замирают», где теряется повторный визит, и как меняется поведение по каналам привлечения уже после первого события.
Ещё заметно, что event-аналитика всё чаще используется не как отдельный слой для продукта, а как общий язык между маркетингом, продажами и customer success. В обсуждениях меньше споров про последний клик, больше — про последовательность событий: первый визит, регистрация, ключевое действие, возврат, апгрейд.
И отдельно бросается в глаза, что в отчётах стали чаще сравнивать не объём трафика, а **глубину прохождения сценария**.
У вас в проектах тоже так?
— @ProductAnalyticsMK
За последний месяц в SaaS-проектах чаще стал повторяться один паттерн: маркетолог сначала открывает не отчёты по лидам, а когортный анализ по активации и возврату в продукт. Смотрят, на каком шаге пользователи «замирают», где теряется повторный визит, и как меняется поведение по каналам привлечения уже после первого события.
Ещё заметно, что event-аналитика всё чаще используется не как отдельный слой для продукта, а как общий язык между маркетингом, продажами и customer success. В обсуждениях меньше споров про последний клик, больше — про последовательность событий: первый визит, регистрация, ключевое действие, возврат, апгрейд.
И отдельно бросается в глаза, что в отчётах стали чаще сравнивать не объём трафика, а **глубину прохождения сценария**.
У вас в проектах тоже так?
— @ProductAnalyticsMK
Смерть воронки в B2B
Классическая модель с передачей лидов (MQL) от маркетинга к продажам окончательно стала атавизмом. В 2026 году смотреть на конверсию из заявки в сделку — значит лечить симптомы, а не болезнь. Сейчас ответственность за выручку размывается между отделами, превращаясь в общую задачу RevOps (управление выручкой).
*Маркетологу больше не нужно «насыпать» лидов.* Сейчас важно понимать, какой объем контента или продукта реально доводит клиента до стадии удержания (retention). Если вы продолжаете оптимизировать воронку по количеству регистраций, вы просто оплачиваете путь клиента в никуда. Конкуренция сместилась с «кто привел лида» на «кто удержал клиента до момента окупаемости».
— @ProductAnalyticsMK
Классическая модель с передачей лидов (MQL) от маркетинга к продажам окончательно стала атавизмом. В 2026 году смотреть на конверсию из заявки в сделку — значит лечить симптомы, а не болезнь. Сейчас ответственность за выручку размывается между отделами, превращаясь в общую задачу RevOps (управление выручкой).
*Маркетологу больше не нужно «насыпать» лидов.* Сейчас важно понимать, какой объем контента или продукта реально доводит клиента до стадии удержания (retention). Если вы продолжаете оптимизировать воронку по количеству регистраций, вы просто оплачиваете путь клиента в никуда. Конкуренция сместилась с «кто привел лида» на «кто удержал клиента до момента окупаемости».
— @ProductAnalyticsMK
Как метрики удержания клиентов заменили погоню за лидами в SaaS: опыт Notion
В 2026 году классическая воронка, где маркетинг отвечает за количество заявок, а продажи — за деньги, выглядит анахронизмом. В условиях, когда стоимость привлечения нового пользователя (CAC) растет, фокус сместился на RevOps (объединение маркетинга, продаж и клиентского сервиса вокруг выручки). Разберем, как Notion перестроил аналитику, перейдя от модели «регистрации любой ценой» к модели «глубокого вовлечения».
Контекст и задача
Компания столкнулась с эффектом «пустой оболочки»: количество регистраций росло, но Retention (коэффициент удержания) после первого месяца падал. В эпоху Zero-click контента, где пользователи получают ответы внутри поисковиков, не переходя на сайт, полагаться на классическое поисковое продвижение стало недостаточно. Задача состояла в том, чтобы сменить фокус с метрики «регистрация» на метрику «активация в рабочем пространстве».
Решение
Аналитическая команда внедрила событийную модель данных, отслеживающую не просто факт входа, а выполнение трех ключевых действий: создание страницы, установка интеграции и приглашение первого участника команды. Вместо last-click атрибуции (определения источника по последнему клику) перешли к анализу инкрементальности (оценки реального влияния канала на рост).
Что изменилось в процессах:
— Отказ от широкого охватного SEO в пользу Topical Authority (авторитетности в тематике). Компания начала публиковать глубокие гайды по бизнес-процессам, которые AI-системы поиска считывают как экспертный ответ.
— Внедрение когортного анализа (группировки пользователей по времени регистрации) не по каналам привлечения, а по продуктовому поведению.
— Переход к модели Product-Led Growth (рост за счет самого продукта), где маркетинговые бюджеты перенаправили на обучение пользователей внутри сервиса, а не на покупку рекламного трафика.
Результат
Через 18 месяцев после смены стратегии показатель оттока (Churn) снизился на 12%. Доля выручки от существующих клиентов (Expansion Revenue) выросла на 22%, так как фокус на активации привел к более быстрому переходу компаний на платные тарифы. Стоимость привлечения одного активного платящего пользователя сократилась на 15% за счет того, что маркетинговые активности стали таргетироваться на аудиторию, склонную к долгосрочному использованию продукта.
Урок
В современной реальности SaaS-маркетолог — это аналитик продукта. Если ваш маркетинг все еще измеряется количеством MQL (маркетинговых лидов), вы работаете на показатели, которые не гарантируют выручку.
Главный вывод: в эпоху, когда искусственный интеллект меняет пути поиска информации, *ваша экспертиза и способность удержать клиента внутри системы значат больше, чем охват*. Анализируйте не то, как человек пришел, а то, на каком этапе он получает ценность. Рост выручки сегодня — это результат слаженной работы маркетинга и продукта над LTV (пожизненной ценностью клиента), а не успех одной рекламной кампании.
— @ProductAnalyticsMK
В 2026 году классическая воронка, где маркетинг отвечает за количество заявок, а продажи — за деньги, выглядит анахронизмом. В условиях, когда стоимость привлечения нового пользователя (CAC) растет, фокус сместился на RevOps (объединение маркетинга, продаж и клиентского сервиса вокруг выручки). Разберем, как Notion перестроил аналитику, перейдя от модели «регистрации любой ценой» к модели «глубокого вовлечения».
Контекст и задача
Компания столкнулась с эффектом «пустой оболочки»: количество регистраций росло, но Retention (коэффициент удержания) после первого месяца падал. В эпоху Zero-click контента, где пользователи получают ответы внутри поисковиков, не переходя на сайт, полагаться на классическое поисковое продвижение стало недостаточно. Задача состояла в том, чтобы сменить фокус с метрики «регистрация» на метрику «активация в рабочем пространстве».
Решение
Аналитическая команда внедрила событийную модель данных, отслеживающую не просто факт входа, а выполнение трех ключевых действий: создание страницы, установка интеграции и приглашение первого участника команды. Вместо last-click атрибуции (определения источника по последнему клику) перешли к анализу инкрементальности (оценки реального влияния канала на рост).
Что изменилось в процессах:
— Отказ от широкого охватного SEO в пользу Topical Authority (авторитетности в тематике). Компания начала публиковать глубокие гайды по бизнес-процессам, которые AI-системы поиска считывают как экспертный ответ.
— Внедрение когортного анализа (группировки пользователей по времени регистрации) не по каналам привлечения, а по продуктовому поведению.
— Переход к модели Product-Led Growth (рост за счет самого продукта), где маркетинговые бюджеты перенаправили на обучение пользователей внутри сервиса, а не на покупку рекламного трафика.
Результат
Через 18 месяцев после смены стратегии показатель оттока (Churn) снизился на 12%. Доля выручки от существующих клиентов (Expansion Revenue) выросла на 22%, так как фокус на активации привел к более быстрому переходу компаний на платные тарифы. Стоимость привлечения одного активного платящего пользователя сократилась на 15% за счет того, что маркетинговые активности стали таргетироваться на аудиторию, склонную к долгосрочному использованию продукта.
Урок
В современной реальности SaaS-маркетолог — это аналитик продукта. Если ваш маркетинг все еще измеряется количеством MQL (маркетинговых лидов), вы работаете на показатели, которые не гарантируют выручку.
Главный вывод: в эпоху, когда искусственный интеллект меняет пути поиска информации, *ваша экспертиза и способность удержать клиента внутри системы значат больше, чем охват*. Анализируйте не то, как человек пришел, а то, на каком этапе он получает ценность. Рост выручки сегодня — это результат слаженной работы маркетинга и продукта над LTV (пожизненной ценностью клиента), а не успех одной рекламной кампании.
— @ProductAnalyticsMK
Смерть маркетинговой воронки: почему RevOps важнее лидогенерации в 2026 году
Маркетинг в SaaS (программное обеспечение как услуга) долгое время жил по законам линейного пути пользователя. Мы привыкли к классической схеме: привлечение через контент, прогрев через рассылки, передача отделам продаж и финальное закрытие сделки. Однако в эпоху, когда искусственный интеллект берет на себя рутину поиска информации, а цикл принятия решения растягивается из-за общей экономии бюджетов, старая модель «воронки» буксует. Сегодня мы наблюдаем переход к операциям по управлению выручкой (RevOps), где маркетинг перестает быть «генератором заявок» и становится частью единого механизма по удержанию и расширению ценности клиента.
Первый сдвиг парадигмы заключается в отказе от погони за количеством MQL (маркетингово-квалифицированных лидов). В 2026 году метрика «количество заявок» не имеет смысла, если мы не видим их связи с жизненным циклом продукта. Раньше маркетолог мог отчитаться за сотню скачанных отчетов, сегодня это считается «пустым» трафиком. В условиях, когда поиск через нейросети выдает готовые ответы без перехода на ваш сайт, доверие конвертируется не в клик, а в экспертный авторитет. Примером здесь может служить компания, которая вместо массовых вебинаров инвестирует в создание глубоких аналитических баз знаний по узким отраслевым проблемам. В такой модели аналитика фокусируется не на том, кто оставил почту, а на том, как потребленный контент сокращает время сделки (Sales Cycle) у отдела продаж.
Второй важный аспект — переход к атрибуции на основе инкрементальности (прироста). Эпоха «последнего клика» (last-click) окончательно ушла в прошлое из-за ограничений конфиденциальности данных и усложнения пути пользователя. Мы больше не можем с точностью до рубля сказать, что именно привело клиента, но можем математически оценить, как маркетинговое воздействие меняет поведение группы пользователей. Если вы отключаете рекламу в конкретном канале и видите, что количество регистраций не падает — значит, канал не приносил добавленной стоимости. Аналитики, работающие в современных B2B-структурах, все чаще используют эконометрическое моделирование (MMM), чтобы понять вклад бренда в общий рост выручки, игнорируя шумные, но бесполезные метрики кликов.
Третий тезис касается удержания (retention) как главного инструмента роста. В условиях, когда стоимость привлечения нового клиента растет, а средний чек в B2B-сегменте стагнирует из-за оптимизации расходов заказчиков, фокус смещается на LTV (пожизненную ценность клиента). Здесь маркетинг, продукт и клиентский сервис объединяются в единую систему RevOps. В этой архитектуре аналитик маркетинга теперь работает с когортными данными, которые показывают не только факт покупки, но и глубину использования функций продукта. Это позволяет выявлять признаки оттока на ранних стадиях. Например, если клиент перестает использовать ключевой функционал продукта в течение первых 30 дней, система автоматически переключает маркетинговую коммуникацию с «продажи дополнительных услуг» на «обучение работе с сервисом». Это спасает выручку гораздо эффективнее, чем приток новых, но нелояльных пользователей.
В завершение отмечу, что роль маркетолога в 2026 году эволюционирует из «креатора» в сторону «архитектора данных». Работа с воронкой уступает место работе с клиентскими потоками (flywheels), где каждый этап — от первого прочтения статьи до продления годовой подписки — является зоной ответственности всех отделов. Мы перестаем делить маркетинг и продажи, превращая их в единую функцию, ориентированную на то, чтобы клиент не просто пришел, а нашел реальную ценность в продукте. Тем, кто продолжит измерять успех количеством «лидов», придется столкнуться с тем, что их финансовые показатели будут все сильнее расходиться с маркетинговыми отчетами. Будущее принадлежит тем, кто строит прозрачные системы, где каждое действие маркетинга имеет измеримое влияние на итоговую выручку, а не на промежуточные показатели трафика.
— @ProductAnalyticsMK
Маркетинг в SaaS (программное обеспечение как услуга) долгое время жил по законам линейного пути пользователя. Мы привыкли к классической схеме: привлечение через контент, прогрев через рассылки, передача отделам продаж и финальное закрытие сделки. Однако в эпоху, когда искусственный интеллект берет на себя рутину поиска информации, а цикл принятия решения растягивается из-за общей экономии бюджетов, старая модель «воронки» буксует. Сегодня мы наблюдаем переход к операциям по управлению выручкой (RevOps), где маркетинг перестает быть «генератором заявок» и становится частью единого механизма по удержанию и расширению ценности клиента.
Первый сдвиг парадигмы заключается в отказе от погони за количеством MQL (маркетингово-квалифицированных лидов). В 2026 году метрика «количество заявок» не имеет смысла, если мы не видим их связи с жизненным циклом продукта. Раньше маркетолог мог отчитаться за сотню скачанных отчетов, сегодня это считается «пустым» трафиком. В условиях, когда поиск через нейросети выдает готовые ответы без перехода на ваш сайт, доверие конвертируется не в клик, а в экспертный авторитет. Примером здесь может служить компания, которая вместо массовых вебинаров инвестирует в создание глубоких аналитических баз знаний по узким отраслевым проблемам. В такой модели аналитика фокусируется не на том, кто оставил почту, а на том, как потребленный контент сокращает время сделки (Sales Cycle) у отдела продаж.
Второй важный аспект — переход к атрибуции на основе инкрементальности (прироста). Эпоха «последнего клика» (last-click) окончательно ушла в прошлое из-за ограничений конфиденциальности данных и усложнения пути пользователя. Мы больше не можем с точностью до рубля сказать, что именно привело клиента, но можем математически оценить, как маркетинговое воздействие меняет поведение группы пользователей. Если вы отключаете рекламу в конкретном канале и видите, что количество регистраций не падает — значит, канал не приносил добавленной стоимости. Аналитики, работающие в современных B2B-структурах, все чаще используют эконометрическое моделирование (MMM), чтобы понять вклад бренда в общий рост выручки, игнорируя шумные, но бесполезные метрики кликов.
Третий тезис касается удержания (retention) как главного инструмента роста. В условиях, когда стоимость привлечения нового клиента растет, а средний чек в B2B-сегменте стагнирует из-за оптимизации расходов заказчиков, фокус смещается на LTV (пожизненную ценность клиента). Здесь маркетинг, продукт и клиентский сервис объединяются в единую систему RevOps. В этой архитектуре аналитик маркетинга теперь работает с когортными данными, которые показывают не только факт покупки, но и глубину использования функций продукта. Это позволяет выявлять признаки оттока на ранних стадиях. Например, если клиент перестает использовать ключевой функционал продукта в течение первых 30 дней, система автоматически переключает маркетинговую коммуникацию с «продажи дополнительных услуг» на «обучение работе с сервисом». Это спасает выручку гораздо эффективнее, чем приток новых, но нелояльных пользователей.
В завершение отмечу, что роль маркетолога в 2026 году эволюционирует из «креатора» в сторону «архитектора данных». Работа с воронкой уступает место работе с клиентскими потоками (flywheels), где каждый этап — от первого прочтения статьи до продления годовой подписки — является зоной ответственности всех отделов. Мы перестаем делить маркетинг и продажи, превращая их в единую функцию, ориентированную на то, чтобы клиент не просто пришел, а нашел реальную ценность в продукте. Тем, кто продолжит измерять успех количеством «лидов», придется столкнуться с тем, что их финансовые показатели будут все сильнее расходиться с маркетинговыми отчетами. Будущее принадлежит тем, кто строит прозрачные системы, где каждое действие маркетинга имеет измеримое влияние на итоговую выручку, а не на промежуточные показатели трафика.
— @ProductAnalyticsMK
Как Nike связал события, воронку и когорты в одном отчёте
У маркетолога в SaaS часто одна и та же боль: клики есть, лиды есть, а ответ на вопрос «что реально двигает выручку?» расплывается. В 2026 это особенно заметно: last-click уже не объясняет путь клиента, а RevOps требует видеть вклад маркетинга не в вакууме, а в общей экономике.
Хороший пример — подход Nike к работе с мобильным приложением и CRM-коммуникациями. У бренда задача была не просто нарастить установки, а перевести анонимный трафик в повторные покупки и рост LTV. Для этого они строили аналитику не вокруг отдельных кампаний, а вокруг событийной модели: просмотр товара, добавление в корзину, старт оформления, покупка, возврат в приложение.
Задача была тройная:
— понять, какие события лучше всего предсказывают повторную покупку;
— увидеть, где теряется воронка после первого касания;
— сравнить когорты по источнику привлечения и по первому продукту, чтобы не считать всех пользователей «средними».
Решение было очень прикладным. Nike объединил:
— event-based tracking — событийную аналитику действий в приложении;
— воронку по шагам, а не по источникам;
— cohort analysis — когортный анализ по неделям привлечения и по категориям товаров;
— сегментацию CRM по поведению, а не только по демографии.
Например, пользователи, которые в первые 7 дней после установки делали 3+ ключевых действия, заметно чаще возвращались и покупали повторно. А когорты, пришедшие через performance-кампании, давали не самый высокий первый заказ, но лучше удерживались, если первый опыт был персонализированным: подборки, напоминания о брошенной корзине, рекомендации по размеру.
Что это дало:
— маркетинг перестал оптимизировать только стоимость установки;
— стало видно, какие каналы приводят пользователей с высоким потенциалом повторной покупки;
— CRM-коммуникации начали запускать не «по календарю», а по событию;
— отчётность сместилась от кликов к выручке на когорту.
**Главный урок для SaaS:** если вы смотрите только на лиды и MQL, вы теряете половину картины. Гораздо полезнее строить не «воронку рекламы», а событийную воронку продукта: регистрация → активация → ключевое действие → удержание → апсейл. И обязательно резать её по когортам: по источнику, по первому сценарию использования и по времени до активации.
Тогда видно, какие кампании дают не самый дешёвый вход, а самый ценный клиентский путь.
— @ProductAnalyticsMK
Параллельный взгляд на тему — @InsightCraftRu
У маркетолога в SaaS часто одна и та же боль: клики есть, лиды есть, а ответ на вопрос «что реально двигает выручку?» расплывается. В 2026 это особенно заметно: last-click уже не объясняет путь клиента, а RevOps требует видеть вклад маркетинга не в вакууме, а в общей экономике.
Хороший пример — подход Nike к работе с мобильным приложением и CRM-коммуникациями. У бренда задача была не просто нарастить установки, а перевести анонимный трафик в повторные покупки и рост LTV. Для этого они строили аналитику не вокруг отдельных кампаний, а вокруг событийной модели: просмотр товара, добавление в корзину, старт оформления, покупка, возврат в приложение.
Задача была тройная:
— понять, какие события лучше всего предсказывают повторную покупку;
— увидеть, где теряется воронка после первого касания;
— сравнить когорты по источнику привлечения и по первому продукту, чтобы не считать всех пользователей «средними».
Решение было очень прикладным. Nike объединил:
— event-based tracking — событийную аналитику действий в приложении;
— воронку по шагам, а не по источникам;
— cohort analysis — когортный анализ по неделям привлечения и по категориям товаров;
— сегментацию CRM по поведению, а не только по демографии.
Например, пользователи, которые в первые 7 дней после установки делали 3+ ключевых действия, заметно чаще возвращались и покупали повторно. А когорты, пришедшие через performance-кампании, давали не самый высокий первый заказ, но лучше удерживались, если первый опыт был персонализированным: подборки, напоминания о брошенной корзине, рекомендации по размеру.
Что это дало:
— маркетинг перестал оптимизировать только стоимость установки;
— стало видно, какие каналы приводят пользователей с высоким потенциалом повторной покупки;
— CRM-коммуникации начали запускать не «по календарю», а по событию;
— отчётность сместилась от кликов к выручке на когорту.
**Главный урок для SaaS:** если вы смотрите только на лиды и MQL, вы теряете половину картины. Гораздо полезнее строить не «воронку рекламы», а событийную воронку продукта: регистрация → активация → ключевое действие → удержание → апсейл. И обязательно резать её по когортам: по источнику, по первому сценарию использования и по времени до активации.
Тогда видно, какие кампании дают не самый дешёвый вход, а самый ценный клиентский путь.
— @ProductAnalyticsMK
Параллельный взгляд на тему — @InsightCraftRu
Как настроить когортный анализ Retention (удержания клиентов) в эпоху RevOps
В 2026 году метрика Retention стала ключевым показателем RevOps (единой системы управления выручкой). Когда классическая модель лидогенерации уступает место долгосрочному удержанию, вам нужно видеть не просто средний процент возврата, а деградацию ценности продукта для разных групп пользователей.
Чтобы внедрить систему мониторинга, сделайте следующее:
— Сегментируйте когорты по источнику привлечения и типу первого действия в продукте (активационное событие). В SaaS это часто не регистрация, а первый выполненный ключевой сценарий.
— Рассчитайте метрику LTV (пожизненная ценность клиента) для каждой когорты через 30, 90 и 180 дней. Если кривая LTV не пересекает кривую CAC (стоимость привлечения) к 4-му месяцу, модель масштабирования убыточна.
— Внедрите server-side (серверную) атрибуцию для фиксации событий. В условиях privacy-first (приоритета приватности) браузерные данные теряют до 30% точности. Передача данных напрямую с сервера исключает «дыры» в аналитике.
— Откажитесь от анализа среднего чека по всей базе. Разбейте когорты на квинтили (группы по 20%) по объему выручки. Часто 80% Retention обеспечивают лишь 20% клиентов, которые используют расширенный функционал.
Ваша задача на неделю:
1. Выгрузить данные по когортам за последние 6 месяцев.
2. Исключить из расчетов «мертвых» пользователей, которые не совершили целевое действие в первые 48 часов — они искажают общую картину удержания.
3. Сравнить Retention когорт, привлеченных через контент с глубокой экспертизой (Topical Authority), и когорт с холодного трафика.
*Главный вывод:* если удержание падает на ранних этапах, проблема не в маркетинге, а в несовпадении обещаний в рекламе и реальности продукта (Product-Market Fit). В эпоху, когда покупательская способность снижается, каждый процент удержания критически влияет на итоговую выручку компании. Не пытайтесь заливать воронку новым трафиком, пока кривая удержания не станет пологой.
— @ProductAnalyticsMK
В 2026 году метрика Retention стала ключевым показателем RevOps (единой системы управления выручкой). Когда классическая модель лидогенерации уступает место долгосрочному удержанию, вам нужно видеть не просто средний процент возврата, а деградацию ценности продукта для разных групп пользователей.
Чтобы внедрить систему мониторинга, сделайте следующее:
— Сегментируйте когорты по источнику привлечения и типу первого действия в продукте (активационное событие). В SaaS это часто не регистрация, а первый выполненный ключевой сценарий.
— Рассчитайте метрику LTV (пожизненная ценность клиента) для каждой когорты через 30, 90 и 180 дней. Если кривая LTV не пересекает кривую CAC (стоимость привлечения) к 4-му месяцу, модель масштабирования убыточна.
— Внедрите server-side (серверную) атрибуцию для фиксации событий. В условиях privacy-first (приоритета приватности) браузерные данные теряют до 30% точности. Передача данных напрямую с сервера исключает «дыры» в аналитике.
— Откажитесь от анализа среднего чека по всей базе. Разбейте когорты на квинтили (группы по 20%) по объему выручки. Часто 80% Retention обеспечивают лишь 20% клиентов, которые используют расширенный функционал.
Ваша задача на неделю:
1. Выгрузить данные по когортам за последние 6 месяцев.
2. Исключить из расчетов «мертвых» пользователей, которые не совершили целевое действие в первые 48 часов — они искажают общую картину удержания.
3. Сравнить Retention когорт, привлеченных через контент с глубокой экспертизой (Topical Authority), и когорт с холодного трафика.
*Главный вывод:* если удержание падает на ранних этапах, проблема не в маркетинге, а в несовпадении обещаний в рекламе и реальности продукта (Product-Market Fit). В эпоху, когда покупательская способность снижается, каждый процент удержания критически влияет на итоговую выручку компании. Не пытайтесь заливать воронку новым трафиком, пока кривая удержания не станет пологой.
— @ProductAnalyticsMK
Как перестроить когортный анализ под модель RevOps
В эпоху, когда классическая лидогенерация (привлечение потенциальных клиентов) уступает место RevOps (объединенному управлению выручкой), стандартный анализ когорт по факту первой покупки становится неполным. Чтобы понимать реальную эффективность маркетинга, нужно связывать когорты не с кликом по рекламе, а с моментом перехода пользователя в стадию активного использования продукта.
Алгоритм настройки анализа для SaaS на этой неделе:
— Выделите когорты по источнику привлечения (канал, кампания) и месяцу активации (достижение ключевого события — Product Activation). Это позволит увидеть, какие каналы приводят не просто регистрации, а пользователей, которые реально начали приносить ценность.
— Рассчитайте LTV (пожизненную ценность клиента) с привязкой к стоимости привлечения по server-side (серверной) атрибуции. В 2026 году данные, передаваемые напрямую с сервера, — единственный способ учесть влияние privacy-first (приоритета конфиденциальности) настроек браузеров. Откажитесь от last-click (последнего клика) в пользу модели, учитывающей всю цепочку касаний.
— Добавьте в таблицу столбец с «временем до расширения контракта» (Expansion Time). Для B2B-сегмента важно видеть, через сколько месяцев после активации когорта начинает увеличивать средний чек (Upsell). Если этот срок растет, значит, маркетинг привлекает нецелевой сегмент, с которым сложно работать Customer Success (отделу сопровождения клиентов).
— Сравните Retention (удержание) когорт, привлеченных через AI-сгенерированный контент, с когортами, пришедшими через экспертные статьи. Сейчас ценность смыслов выше объема. Если «авторский» контент показывает удержание на 15–20% выше, стоит перераспределить бюджет в пользу глубоких исследований, даже если охват там меньше.
**Ваша цель на неделю** — найти одну когорту с самым высоким LTV и сопоставить её с типом контента, который стал решающим в цепочке принятия решения. Если вы видите, что пользователи из статьи с собственной экспертизой остаются дольше, чем пользователи из общего SEO-трафика, пора масштабировать этот тип контента, а не просто наращивать объемы публикаций.
Помните: в RevOps-модели маркетолог отвечает не за лиды, а за то, чтобы эти лиды превратились в устойчивую выручку. Когорта, которая не приносит повторных оплат, для бизнеса убыточна, какой бы низкой ни была стоимость привлечения.
— @ProductAnalyticsMK
Глубже разбирают этот метод в @InfluencerCraft
В эпоху, когда классическая лидогенерация (привлечение потенциальных клиентов) уступает место RevOps (объединенному управлению выручкой), стандартный анализ когорт по факту первой покупки становится неполным. Чтобы понимать реальную эффективность маркетинга, нужно связывать когорты не с кликом по рекламе, а с моментом перехода пользователя в стадию активного использования продукта.
Алгоритм настройки анализа для SaaS на этой неделе:
— Выделите когорты по источнику привлечения (канал, кампания) и месяцу активации (достижение ключевого события — Product Activation). Это позволит увидеть, какие каналы приводят не просто регистрации, а пользователей, которые реально начали приносить ценность.
— Рассчитайте LTV (пожизненную ценность клиента) с привязкой к стоимости привлечения по server-side (серверной) атрибуции. В 2026 году данные, передаваемые напрямую с сервера, — единственный способ учесть влияние privacy-first (приоритета конфиденциальности) настроек браузеров. Откажитесь от last-click (последнего клика) в пользу модели, учитывающей всю цепочку касаний.
— Добавьте в таблицу столбец с «временем до расширения контракта» (Expansion Time). Для B2B-сегмента важно видеть, через сколько месяцев после активации когорта начинает увеличивать средний чек (Upsell). Если этот срок растет, значит, маркетинг привлекает нецелевой сегмент, с которым сложно работать Customer Success (отделу сопровождения клиентов).
— Сравните Retention (удержание) когорт, привлеченных через AI-сгенерированный контент, с когортами, пришедшими через экспертные статьи. Сейчас ценность смыслов выше объема. Если «авторский» контент показывает удержание на 15–20% выше, стоит перераспределить бюджет в пользу глубоких исследований, даже если охват там меньше.
**Ваша цель на неделю** — найти одну когорту с самым высоким LTV и сопоставить её с типом контента, который стал решающим в цепочке принятия решения. Если вы видите, что пользователи из статьи с собственной экспертизой остаются дольше, чем пользователи из общего SEO-трафика, пора масштабировать этот тип контента, а не просто наращивать объемы публикаций.
Помните: в RevOps-модели маркетолог отвечает не за лиды, а за то, чтобы эти лиды превратились в устойчивую выручку. Когорта, которая не приносит повторных оплат, для бизнеса убыточна, какой бы низкой ни была стоимость привлечения.
— @ProductAnalyticsMK
Глубже разбирают этот метод в @InfluencerCraft
События перестали быть «точкой касания»
В 2026 событие в SaaS я бы уже не считал отдельным каналом — это скорее способ собрать поведение в одну траекторию. Регистрация, посещение, вопросы в чате, повторный визит на сайт, демо через неделю — по отдельности это шум, а в связке уже видно намерение. Поэтому event-based аналитика сейчас ценнее, чем очередной отчет по лидам: она лучше показывает, где маркетинг создал спрос, а где просто зафиксировал активность. В мире, где last-click теряет вес, именно события начинают объяснять воронку.
— @ProductAnalyticsMK
@CreativeTestingRu разбирают это с практической стороны
В 2026 событие в SaaS я бы уже не считал отдельным каналом — это скорее способ собрать поведение в одну траекторию. Регистрация, посещение, вопросы в чате, повторный визит на сайт, демо через неделю — по отдельности это шум, а в связке уже видно намерение. Поэтому event-based аналитика сейчас ценнее, чем очередной отчет по лидам: она лучше показывает, где маркетинг создал спрос, а где просто зафиксировал активность. В мире, где last-click теряет вес, именно события начинают объяснять воронку.
— @ProductAnalyticsMK
@CreativeTestingRu разбирают это с практической стороны
Почему я перестал смотреть на последний клик как на главный ответ
В SaaS-маркетинге до сих пор живёт удобная иллюзия: если лид пришёл из формы, то форма и «сделала» продажу. Но в 2026 году это всё чаще ошибка чтения. При privacy-first атрибуции, длинном цикле сделки и размытом пути между контентом, демо и сделкой последний клик показывает не вклад канала, а момент, когда пользователь наконец созрел.
Я для себя давно разделяю три уровня анализа:
— events (события) показывают, что вообще происходило в продукте и в маркетинге;
— funnels (воронки) — где именно люди отваливаются;
— cohorts (когорты) — кто из них потом реально приносит выручку и удержание.
И вот здесь обычно ломается привычная логика. Канал, который даёт меньше заявок, нередко приводит к лучшим когортам по активации и LTV. А самый «эффективный» по CPL источник часто просто забирает спрос, который уже созрел без него.
У меня в B2B-проектах повторяется один и тот же паттерн: когда мы связываем событие «посмотрел pricing», «запросил демо», «дошёл до первого value moment» и «закрылся в оплату», становится видно, что маркетинг влияет не только на верх воронки. Он влияет на скорость прохождения этапов и на качество входящего спроса. Это уже не про MQL ради MQL, а про RevOps-логику: общая ответственность за выручку, а не за количество форм.
Мой практический вывод простой: если вы оцениваете канал только по last-click, вы оптимизируете отчёт, а не рост. Если смотрите только на CTR и заявки — вы не видите, кто потом остаётся. Если строите связку events → funnels → cohorts, у вас появляется шанс отличить шум от вклада.
Именно поэтому в аналитике для маркетинга я всё чаще считаю не «сколько пришло», а «какой путь привёл к выручке и удержанию». Это неудобнее. Зато честнее.
— @ProductAnalyticsMK
В SaaS-маркетинге до сих пор живёт удобная иллюзия: если лид пришёл из формы, то форма и «сделала» продажу. Но в 2026 году это всё чаще ошибка чтения. При privacy-first атрибуции, длинном цикле сделки и размытом пути между контентом, демо и сделкой последний клик показывает не вклад канала, а момент, когда пользователь наконец созрел.
Я для себя давно разделяю три уровня анализа:
— events (события) показывают, что вообще происходило в продукте и в маркетинге;
— funnels (воронки) — где именно люди отваливаются;
— cohorts (когорты) — кто из них потом реально приносит выручку и удержание.
И вот здесь обычно ломается привычная логика. Канал, который даёт меньше заявок, нередко приводит к лучшим когортам по активации и LTV. А самый «эффективный» по CPL источник часто просто забирает спрос, который уже созрел без него.
У меня в B2B-проектах повторяется один и тот же паттерн: когда мы связываем событие «посмотрел pricing», «запросил демо», «дошёл до первого value moment» и «закрылся в оплату», становится видно, что маркетинг влияет не только на верх воронки. Он влияет на скорость прохождения этапов и на качество входящего спроса. Это уже не про MQL ради MQL, а про RevOps-логику: общая ответственность за выручку, а не за количество форм.
Мой практический вывод простой: если вы оцениваете канал только по last-click, вы оптимизируете отчёт, а не рост. Если смотрите только на CTR и заявки — вы не видите, кто потом остаётся. Если строите связку events → funnels → cohorts, у вас появляется шанс отличить шум от вклада.
Именно поэтому в аналитике для маркетинга я всё чаще считаю не «сколько пришло», а «какой путь привёл к выручке и удержанию». Это неудобнее. Зато честнее.
— @ProductAnalyticsMK
Смерть маркетинговой воронки и переход к ревеню-операциям
Классическая модель, где маркетинг генерирует «лиды» (потенциальных клиентов), а отдел продаж их обрабатывает, окончательно превратилась в артефакт. В 2026 году мы наблюдаем закономерную деградацию этой цепочки. Проблема не в качестве лидов, а в самой структуре передачи данных. Если вы до сих пор измеряете эффективность маркетинга количеством заявок, вы работаете с «пустыми» метриками, которые не отражают реальный вклад в выручку организации.
На смену привычному ворончоному мышлению приходит ревеню-операции (RevOps — общая ответственность за выручку). Это не просто смена терминологии, а радикальный пересмотр ответственности. В SaaS-сегменте сейчас происходит сращивание маркетинга, продаж и клиентского сервиса в единый контур. Теперь аналитик должен отвечать не за стоимость привлечения, а за то, как маркетинговый контакт трансформируется в долгосрочное удержание (retention) и расширение чека существующего клиента.
Мое наблюдение из практики последних месяцев: компании, которые отказались от жесткого разделения на MQL (маркетинговые квалифицированные лиды) и SQL (продажные квалифицированные лиды) в пользу единой сквозной метрики LTV (пожизненная ценность клиента), показывают рост выручки на 15-20% выше рынка.
Почему это происходит?
— Стирается граница ответственности: маркетолог начинает участвовать в процессах онбординга (первичного знакомства с продуктом), так как понимает, что «проданный» клиент, который уходит через месяц — это убыток, а не успех.
— Устраняется «информационный вакуум»: когда маркетинг видит, какие именно действия внутри интерфейса продукта ведут к продлению подписки, он начинает закупать качественный трафик, а не просто клики.
— Атрибуция (определение источника сделки) перестает быть попыткой «присвоить» продажу последнему клику. Мы переходим к оценке инкрементальности (дополнительной ценности) — пониманию того, какой вклад в покупку внес конкретный контент или бесплатный инструмент, даже если прямой конверсии не было.
В эпоху, когда классические рекламные каналы перегружены, а эффективность первого касания падает, борьба идет за доверие и экспертность. Маркетолог завтрашнего дня — это не тот, кто умеет настраивать рекламную кампанию, а тот, кто умеет выстраивать цепочку данных от первого знакомства пользователя с брендом до момента, когда он становится «адвокатом» вашего продукта. Перестаньте считать лиды. Начинайте считать экономику отношений с клиентом на всей дистанции.
— @ProductAnalyticsMK
Классическая модель, где маркетинг генерирует «лиды» (потенциальных клиентов), а отдел продаж их обрабатывает, окончательно превратилась в артефакт. В 2026 году мы наблюдаем закономерную деградацию этой цепочки. Проблема не в качестве лидов, а в самой структуре передачи данных. Если вы до сих пор измеряете эффективность маркетинга количеством заявок, вы работаете с «пустыми» метриками, которые не отражают реальный вклад в выручку организации.
На смену привычному ворончоному мышлению приходит ревеню-операции (RevOps — общая ответственность за выручку). Это не просто смена терминологии, а радикальный пересмотр ответственности. В SaaS-сегменте сейчас происходит сращивание маркетинга, продаж и клиентского сервиса в единый контур. Теперь аналитик должен отвечать не за стоимость привлечения, а за то, как маркетинговый контакт трансформируется в долгосрочное удержание (retention) и расширение чека существующего клиента.
Мое наблюдение из практики последних месяцев: компании, которые отказались от жесткого разделения на MQL (маркетинговые квалифицированные лиды) и SQL (продажные квалифицированные лиды) в пользу единой сквозной метрики LTV (пожизненная ценность клиента), показывают рост выручки на 15-20% выше рынка.
Почему это происходит?
— Стирается граница ответственности: маркетолог начинает участвовать в процессах онбординга (первичного знакомства с продуктом), так как понимает, что «проданный» клиент, который уходит через месяц — это убыток, а не успех.
— Устраняется «информационный вакуум»: когда маркетинг видит, какие именно действия внутри интерфейса продукта ведут к продлению подписки, он начинает закупать качественный трафик, а не просто клики.
— Атрибуция (определение источника сделки) перестает быть попыткой «присвоить» продажу последнему клику. Мы переходим к оценке инкрементальности (дополнительной ценности) — пониманию того, какой вклад в покупку внес конкретный контент или бесплатный инструмент, даже если прямой конверсии не было.
В эпоху, когда классические рекламные каналы перегружены, а эффективность первого касания падает, борьба идет за доверие и экспертность. Маркетолог завтрашнего дня — это не тот, кто умеет настраивать рекламную кампанию, а тот, кто умеет выстраивать цепочку данных от первого знакомства пользователя с брендом до момента, когда он становится «адвокатом» вашего продукта. Перестаньте считать лиды. Начинайте считать экономику отношений с клиентом на всей дистанции.
— @ProductAnalyticsMK