Длинный цикл
сделки в B2B:
Как считать то,
что не видно?

Как измерить ROI, если сделка закрывается через полгода

«Как оценить эффективность маркетинга, если клиент принимает решение 6 месяцев?»

С таким вопросом к нам обратилась компания Event Rocks (подробнее в кейсе). Их ситуация типична для B2B-рынка: длинные циклы сделок, множество этапов переговоров и сложности в определении эффективности каналов.

Что получилось:

• До: маркетинг не видел связи между рекламой и продажами.
• После: внедрение сквозной аналитики и сегментации лидов позволило компании точнее прогнозировать результаты кампаний и оптимизировать циклы.

Суть:
B2B — это марафон, где успех зависит от прозрачности данных. Сквозная аналитика помогает увидеть полный путь клиента — от первого контакта до сделки.

Почему маркетинг и продажи говорят на разных языках (и как их синхронизировать)

«Маркетинг тратит деньги, а продажи не видят лидов. Где пробел?»

Представьте: маркетолог запускает рекламу, собирает заявки, передает их в продажи — и тишина. Через полгода неожиданно закрывается крупная сделка, но понять, какой канал её «сгенерировал», невозможно. Знакомо?

Решение

Сквозная аналитика + сегментация лидов = карта, которая показывает:

• Какие каналы греют клиентов прямо сейчас, даже если сделка закроется через год.
• Где лиды «проваливаются» (например, уходят после демоверсии).

Как это работает на примере

Компания внедрила сегментацию на MQL/SQL/PQL:

• MQL (скачали гайд) → получают полезные статьи.
• SQL (запросили КП) → менеджер звонит в течение 1 часа.
• PQL (используют пробную версию) → получают персональные скидки.

Результат

Конверсия улучшилась за счёт слаженной работы маркетинга и продаж.

Сложности работы с B2B-сделками: Почему клиенты «испаряются» в воронке

«У нас 10 этапов воронки, но сделок — кот наплакал».

Знакомо? Длинный цикл — это не просто время. Это лабиринт, где клиент может потеряться на любом повороте. Разберем, что ломает вашу воронку.

Проблема 1: Воронка — как матрешка. Этапов много, а результат — один

• Реальность: от первого контакта до оплаты — холодные письма, встречи, согласования, демо, КП, правки, подписание.
• Пример: клиент скачал гайд (MQL), запросил КП (SQL), но исчез после третьей правки. Почему? Возможно, менеджер не успел подключиться вовремя.

Проблема 2: Маркетинг и продажи — как два берега одной реки... И без моста

• Типичный сценарий:
  • Маркетолог рапортует: «1000 заявок!».
  • Продажи: «Из них 50 реальных, остальное — мусор».
• Почему так:
  • Нет единых критериев для лидов.
  • Обратная связь от продаж не доходит до маркетинга.
• Чем это грозит: например, вы тратите 20 000 ₽ на рекламу, а 70% бюджета уходит на лидов, которые никогда не купят.

Проблема 3: Реклама есть, а откуда продажи — загадка

Представим кейс:
Компания вложила 150 000 ₽ в Google Ads и соцсети. Через полгода закрыли 10 сделок, но понять, какие каналы сработали, не смогли.

Причина:

• Данные о клиентах разбросаны по CRM, почте, чатам и Excel-таблицам.
• Нет инструментов, чтобы связать первый клик с итоговой оплатой.

Итог: маркетинг продолжает лить бюджет в «слепую» рекламу.

Проблема 4: Рутина съедает время, а клиенты не ждут

• Менеджеры часами тратят время на ручной ввод данных в CRM.
• За это время часть лидов успевают уйти к конкурентам.

Пример:
Лид из SEO пришел в 10:00. Менеджер увидел его только в 15:00. Клиент уже обсудил КП с конкурентом.

Как MQL, SQL и PQL останавливают «утечку» бюджета

«Маркетинг привлек 500 лидов, а продажи закрыли 5. Где ошибка?»

Ответ прост: лиды — как фрукты. Одни спелые (готовы купить), другие — зелёные (нуждаются в прогреве). Сегментация на MQL/SQL/PQL помогает разделить их и работать точечно.

Что это за «фрукты»?

• MQL (Marketing Qualified Lead):
  • Скачал чек-лист, подписался на рассылку, зарегистрировался на вебинар.
  • Что делать: греть контентом — статьи, кейсы, видео.
  • Пример: компания «А» отправляет MQL серию писем с советами по выбору CRM. Результат: 30% лидов переходят в SQL.
• SQL (Sales Qualified Lead):
  • Запросил КП, записался на демо, уточнил сроки.
  • Что делать: подключить менеджера в течение 1 часа.
  • Пример: в компании «Б» SQL получают персональное предложение в день обращения. Конверсия в продажи — 45%.
• PQL (Product Qualified Lead):
  • Использует пробную версию, участвует в вебинарах о продукте.
  • Что делать: предложить скидку или доп. функционал.
  • Пример: сервис «Г» дарит PQL месяц подписки за отзыв. 70% таких клиентов становятся постоянными.

Бизнес-кейс: Как повысить эффективность бюджета с помощью данных

Проблема:
Компания столкнулась с неэффективным распределением маркетингового бюджета: значительная часть средств уходила на каналы с низкой конверсией в продажи, а ключевые источники качественных лидов оставались недофинансированными.

Решение:
На основе анализа данных из отчёта «Основной отчёт с источниками» были приняты решения:

1. Перераспределение бюджета в пользу каналов с высокой конверсией и ROI.
2. Оптимизация таргетинга для повышения качества лидов.
3. Фокус на развитии SEO как источника наиболее квалифицированных клиентов.

Анализ исходных данных:
Из отчёта выделены ключевые метрики по каналам:

Канал	Конверсия в заявки	Конверсия в продажи	ROI
Яндекс Директ	2.5%	31%	161%
Google Ads	2.6%	31%	153%
SEO	1.8%	40%	250%
ВКонтакте	3.1%	34%	250%

Действия:

• Яндекс Директ: несмотря на высокий объём заявок, конверсия в продажи оставалась средней. Бюджет сократили, направив высвободившиеся средства на улучшение таргетинга и скриптов для работы с возражениями.
• Google Ads: стабильные показатели конверсии, но длительный цикл обработки. Внедрены автоматические напоминания для менеджеров, чтобы ускорить реакцию.
• SEO: при меньшем объёме заявок канал показал максимальные ROI и конверсию в продажи. Бюджет увеличен для масштабирования успешных кампаний.
• ВКонтакте: высокий ROI при низком объёме. Запущен ретаргетинг для повышения количества MQL.

Результаты:

• Повышение общей конверсии: за счёт фокуса на SEO и оптимизации работы с Яндекс Директ доля качественных лидов (SQL и PQL) выросла.
• Рост ROI: перераспределение бюджета на каналы с высокой окупаемостью (SEO, ВКонтакте) повысило общую эффективность вложений.
• Сокращение цикла сделок: автоматизация процессов ускорила обработку заявок из Google Ads.

Итог:
Использование данных из сквозной аналитики позволило компании перенаправить ресурсы на наиболее результативные каналы, избегая трат на неэффективные источники. Это не только повысило прозрачность работы маркетинга и продаж, но и усилило позиции бизнеса в конкурентной среде.

Как увидеть путь клиента от первого клика до оплаты

«Раньше мы думали, что продажи приходят из соцсетей. Оказалось — из рассылки».

Сквозная аналитика — это детектив, который раскрывает, где на самом деле рождаются ваши клиенты.

Как это работает в Roistat

1. Собираем данные из всех источников: CRM, реклама, сайт, почта.
2. Строим цепочку: первый клик → заявка → демо → оплата.
3. Показываем:
   • какие каналы приводят к реальным продажам, а не к «пустым» заявкам;
   • где клиенты «зависают» (например, уходят после демо).

3 причины внедрить сквозную аналитику:

1. Перестать гадать. Вы точно знаете, какие каналы окупаются.
2. Убрать «паразитов». Например, ВКонтакте давал 1000 заявок, но 0 продаж.
3. Прогнозировать бюджет. Если SEO приносит 50% продаж — увеличивайте его долю.