Почему performance
не работает в B2B

Если в B2B-сегменте заявки есть, а продаж нет — проблема редко кроется в «неработающих каналах». Обычно расходятся три вещи: как компания покупает трафик, как фиксирует это в CRM и как считает результат. В длинном цикле продаж нельзя управлять рекламой по коротким метрикам и при этом ждать стабильной прибыли. Нужно соединить в одной системе расходы, обращения, этапы сделки и деньги. Тогда можно оптимизировать не количество лидов, а конверсию в нужные этапы воронки — и в итоге сам результат.​​​​​​​​​​​​​​​​

Ситуацию усложняет и общий рост рынка онлайн-рекламы. Его темпы уже несколько лет держатся на уровне около 30% год к году. При такой динамике любая ошибка в аналитике быстро превращается в прямые потери бюджета. В этой статье разберём, почему performance-маркетинг в B2B часто выглядит неэффективным и какие действия помогают сделать его прозрачным и управляемым.

Как в B2B некорректно оценивают performance-маркетинг и теряют деньги

В сегменте B2B с длинным циклом сделки performance часто «не работает» из-за методики оценки и типовых ошибок в настройке. И обычно всё начинается с проблем в аналитике. Например, если кампании оценивают в горизонте 7–14 суток, хотя сделки закрываются через 30–90 дней и позже. В результате часть продаж просто не попадает в отчёты: каналы выглядят «неокупаемыми», CPL кажется завышенным, а конверсия в сделку — слабой.

Дополнительное искажение создаёт модель «последнего клика». Перед заявкой клиент часто заходит на сайт напрямую или по брендовому запросу, потому что уже знаком с компанией. А «вес» результата целиком получает брендовый поиск или прямой трафик. Каналы, которые сформировали спрос раньше и сопровождали выбор, в такой модели недооцениваются — это может быть поиск по проблеме, охватные размещения, контент, ретаргетинг или прогрев через email. В частности, рассылки по электронной почте, по разным оценкам, используют около 70% маркетологов. Канал стабильно входит в топ-3—4 по эффективности распространения контента и генерации заявок, но редко становится последним касанием перед обращением. Поэтому в длинном цикле такие источники корректнее оценивать по участию в цепочке касаний и влиянию на переходы к промежуточным этапам — например, к запросу КП или демо, — а не только по последнему клику.

Ещё одна частая причина — разрозненные источники лидов. Звонки, формы, чаты и мессенджеры учитываются по-разному. Статусы и суммы сделок остаются только в CRM, источники теряются, сделки создаются вручную. Без единой связки «источник → обращение → этап → оплата» сравнение эффективности каналов превращается в спор о цифрах.

Такие ошибки в оценке почти неизбежно приводят и к ошибкам в настройке рекламы. И вот почему.

Во-первых, оптимизация идёт под «заявку», а не под квалифицированный лид. Автостратегии учатся приводить людей, которые заполняют формы. В том числе и нецелевые обращения, конкурентов и «исследовательский» трафик.

Во-вторых, используются слишком широкие ключевые слова, где смешиваются разные намерения. Запросы вроде «как выбрать» или «как работает» дают клики и расход, но редко доходят до квалификации.

В-третьих, одни и те же объявления и офферы показываются аудитории на разных этапах воронки. В результате падает конверсия и на стадии первичного интереса, и на этапе выбора поставщика.

В-четвёртых, допускаются ошибки при исключении аудиторий: реклама показывается текущим клиентам, партнёрам и сотрудникам. Это увеличивает расход и искажает статистику по конверсиям.

В результате бизнес сталкивается с типичной проблемой: бюджет активно расходуется, лиды формально есть, но в продажах и выручке эффект не фиксируется.

Инструменты performance-маркетинга: что и как необходимо измерять в B2B

Стандартные метрики performance-каналов — CPC, CTR и CPA — описывают клики и действия на сайте. Но они не отвечают на главный вопрос B2B: какие источники приводят клиентов, которые доходят до КП, договора и оплаты.

Поэтому аналитика должна опираться на показатели, связанные с CRM и реальным финансовым результатом. Среди них:

• CPQL — стоимость лида, который прошёл квалификацию в CRM. Это базовый показатель качества: он отделяет поток заявок от обращений, которые реально могут стать сделкой.
• Цикл сделки по каналу — среднее время от первого касания до закрытия. Метрика помогает корректно выбирать окно анализа и планировать выручку, ведь разные источники дают результат с неодинаковой скоростью.
• ROI и прибыль — оценка эффективности по фактическим деньгам, а не по «стоимости заявки». В B2B высокий CPL может быть допустим, если канал приносит сделки с маржой и окупаемостью.
• Конверсия по этапам CRM — доля лидов, которые переходят между статусами (квалификация, КП, согласование, договор). Если канал даёт заявки, но они не доходят до ключевых этапов, проблема чаще всего заключается в качестве трафика или в его обработке.

Такой набор метрик позволяет исследовать не просто количество лидов, а качество потока и его итоговую окупаемость. Впрочем, чтобы корректно учитывать длинный цикл сделки, важно выстроить сам принцип анализа.

Во-первых, окно оценки должно соответствовать фактическому циклу продаж. Если среднее закрытие сделки занимает 90 дней, анализ по 30-дневному периоду будет системно занижать вклад ранних касаний.

Во-вторых, выручку нужно связывать с исходным источником привлечения, а не с датой активности рекламы. Клиент мог прийти в июле, а оплатить в октябре — и эту сделку никак нельзя относить к «октябрьским кампаниям».

В-третьих, в отчётах задолго до оплаты должны появиться промежуточные сигналы качества — квалифицированный лид, запрос КП, демо или встреча. Эти этапы позволяют оптимизировать рекламу ещё до момента закрытия сделки.

В-четвёртых, при повторных визитах и возвратах важно учитывать всю цепочку касаний. Иначе модель последнего клика будет переоценивать брендовый и прямой трафик и занижать вклад каналов, которые сформировали спрос на ранних этапах.

В-пятых, если после переходов из рекламы конверсия в заявку ниже ориентировочных 3–5% для B2B, стоит проверить всю связку «запрос → объявление → посадочная страница → форма», а не ограничиваться корректировкой ставок и минус-слов.

Чтобы реализовать такой подход к анализу и продвижению, нужна система, которая автоматически собирает данные с сайта, рекламных каналов и CRM и показывает полный путь клиента.

Как Roistat помогает выстроить аналитику для B2B

Roistat — платформа сквозной аналитики, которая объединяет данные из рекламных кабинетов, сайта, CRM и телефонии в единый отчёт.

Для B2B-сегмента с длинным циклом сделки это возможность видеть путь клиента — от первого рекламного клика до закрытой сделки в одном интерфейсе. Причём без ручной сборки данных из разных источников.

Roistat подключается к CRM и рекламным каналам через готовые коннекторы — всего доступно более 200 интеграций.

После связки данные автоматически поступают в аналитику. Маркетолог видит не только количество заявок по каналам, но и их движение по воронке: сколько лидов дошло до квалификации, сколько — до коммерческого предложения, а сколько завершилось сделкой.

Настройка отчётов

В системе есть базовый набор аналитических сводок. При этом большинство из них можно кастомизировать — или даже создавать собственные.

Гибкая система фильтров позволяет сегментировать данные практически по любым параметрам: источнику, региону, статусу сделки, сумме чека или менеджеру.

В таблицы можно добавить нужные показатели — например:

• целевые лиды;
• LTV;
• CPL;
• CPO;
• ROI.

Отдельно можно настроить показатель «Цикл сделки» по каждому каналу — среднее время от первого визита до закрытия продажи.

Это помогает корректно интерпретировать результаты. Каналы с коротким циклом сделки важны для краткосрочных маркетинговых задач. Каналы с длинным циклом необходимо оценивать в более широком временном окне и не отключать по итогам одного месяца.

Допустим, отчёт настроен с группировкой по странам. На первом уровне — приоритетные регионы, ниже — города и источники трафика.

В таблицу добавлены показатели количества целевых лидов и их стоимости. Это позволяет сразу увидеть, какие регионы и каналы дают лучший результат

Настройка атрибуции под цикл продажи

Roistat позволяет группировать сделки по дате продажи, а не по дате создания лида.

Такой подход часто используют B2B-компании: выручка текущего периода связывается с рекламными кампаниями, которые действительно привели клиента — независимо от того, когда он впервые зашёл на сайт.

Отчёты аналитики для оптимизации B2B-маркетинга

Для анализа эффективности обычно используют несколько ключевых дашбордов.

Отчёт по источникам

Показывает эффективность каждого канала с детализацией до уровня кампании, группы объявлений и ключевого слова.

Для B2B в него обычно добавляют следующие показатели: CPQL, цикл сделки, ROI, прибыль и конверсию в заявки и продажи. Когда эти метрики собраны в одном отчёте, картина эффективности каналов становится значительно точнее.

Разберём пример.

На первый взгляд «Яндекс Директ» и Google Ads показывают почти одинаковые результаты. CPL составляет около 576₽ и 562₽ соответственно, выручка тоже сопоставима — примерно 357 000₽ у каждого канала.

Но если добавить в отчёт показатель CPQL, разница становится заметной. В Google Ads квалифицированный лид обходится в 1 986₽, тогда как в «Директе» — в 2 342₽. При одинаковой стоимости обращения Google Ads приводит более качественный трафик.

Ещё нагляднее выглядит ситуация с SEO. CPL здесь выше — около 1 804₽, а CPQL достигает 6 615₽. При этом продаж и выручки заметно меньше. Канал выглядит дорогим практически по любому срезу.

Вывод простой: если оценивать источник только по стоимости клика или лида, видна лишь часть картины. Реальная стоимость привлечения клиента становится понятна только тогда, когда рядом появляются показатели квалификации и финансового результата.

Отчёты аналитики с мультиканальной атрибуцией

Roistat поддерживает несколько моделей атрибуции для мультиканального анализа:

• first click — весь вклад получает первое касание;
• last click — конверсия приписывается последнему источнику;
• линейная модель — ценность равномерно распределяется между всеми касаниями;
• позиционная модель (U-shape) — наибольший вес получают первое и последнее касания, остальные делят оставшуюся долю.

Эти модели можно использовать в большинстве аналитических сводок, а также в отдельном мультиканальном отчёте.

Для B2B с длинным циклом сделки обычно применяют комбинацию моделей:

1. first click показывает каналы верхнего уровня воронки;
2. U-shape отражает всю цепочку, но выделяет первое и последнее касания;
3. линейная модель помогает увидеть полный вклад каналов в путь клиента.

Если какой-то источник регулярно появляется в начале конверсионных цепочек, он стратегически важен — даже если финальное касание стабильно принадлежит другому каналу.

Делимся практической рекомендацией. В отчёте по ключевым словам «Яндекс Директ» стоит добавить показатель «Заявки (Равноценная атрибуция)». Это позволит увидеть ключевые запросы, которые участвуют в конверсионных цепочках — даже если они редко дают последний клик.

Такой подход снижает риск отключить «прогревающие» запросы и помогает отличить ключи, реально участвующие в пути клиента, от тех, которые вообще не встречаются в конверсионных цепочках.

Для кампаний в «VK Рекламе» полезно добавить показатель «Заявки (U-shape)» и сравнить его с last-click. Тогда становятся заметны кампании, которые участвуют в привлечении и возврате аудитории, но редко становятся последним касанием.

Хороший пример — ретаргетинг. По нему часто фиксируются мультиканальные заявки и продажи при положительном ROI, хотя по отдельным объявлениям финальная конверсия может выглядеть скромно.

Такой разрез помогает не отключать кампании, которые вносят вклад в цепочки, а точечно оптимизировать объявления и связки с высоким расходом и отрицательным ROI.

Отчёт «Цепочка визитов»

Он наглядно показывает последовательность каналов, через которые проходит пользователь перед конверсией:

• сколько касаний потребовалось;
• какие источники участвовали;
• как различаются цепочки у разных сегментов аудитории.

Разберём практический пример.

На скриншоте есть связки вроде:

• email → «Яндекс Директ»
• VK → «Яндекс Директ»
• Avito → «Яндекс Директ»

В таких сценариях первый канал привлекает пользователя, а «Яндекс Директ» завершает конверсию. Если ориентироваться только на last click, вклад первого источника будет незаметен. Анализ цепочек позволяет увидеть эту роль и принять более взвешенные решения по бюджетам.

Отчёт по доплатам

В B2B — особенно в SaaS и сервисных моделях — клиент может начать с небольшого платежа, а затем продлить контракт, перейти на более дорогой тариф или докупить дополнительные услуги.

Если аналитика учитывает только первую сделку, эффективность каналов, привлекающих лояльных клиентов с высоким LTV, будет системно занижена.

Отчёт по доплатам позволяет учитывать все последующие платежи одного клиента. Выручка от продлений и дополнительных продаж атрибутируется к каналу, который изначально привёл потребителя.

Это даёт более точную картину LTV по каналам и формирует корректную основу для решений о распределении рекламного бюджета.

Как ускорить разбор данных и постановку задач

Когда отчётов и срезов много, узким местом становится не сбор данных, а их интерпретация. На этом этапе ИИ-инструменты — например «Алиса AI» от «Яндекс» — помогают быстрее анализировать результаты: суммировать ключевые выводы, выделять отклонения, формулировать гипотезы и расставлять задачи по приоритету.

Это особенно полезно в B2B, где решения принимаются по множеству метрик и требуют свести данные в понятный и управляемый план действий.

Инструменты платформы для performance-маркетинга

Помимо сквозной аналитики, в Roistat есть ещё 23 инструмента. Два из них напрямую влияют на эффективность performance-маркетинга в B2B: они помогают работать с аудиториями и передавать данные о качестве лидов обратно в рекламные системы.

• «Управление клиентами»

В этом модуле формируются сегменты аудитории по различным параметрам: стадии сделки, качеству лидов, сумме сделки, источнику, повторным обращениям и другим характеристикам.

Сформированные сегменты можно выгружать в рекламные системы и использовать как аудитории или исключения. В частности:

• не показывать рекламу текущим пользователям и лидам, которые уже находятся в работе;
• запускать отдельный ретаргетинг для разных стадий воронки;
• строить look-alike аудитории на основе закрытых сделок для масштабирования.

Эти же сегменты можно использовать в email-рассылках — чтобы поддерживать контакт с лидом на каждом этапе цикла сделки и доводить его до запроса КП или заключения договора.

• «Оптимизатор рекламы»

Этот инструмент передаёт данные о качестве лидов в «Яндекс Метрику». Затем их можно использовать как цели при настройке автостратегий в «Яндекс Директ».

В результате реклама оптимизируется не под формальную конверсию, а под более значимые этапы: квалификацию лида, отправку КП или оплату — в зависимости от объёма данных и длины цикла сделки.

Рабочий подход выглядит так:

• начать оптимизацию с ближайшего стабильного этапа воронки;
• заранее отфильтровать нецелевые обращения;
  разделить цели по направлениям бизнеса.

Так автостратегии обучаются на более однородных данных и дают предсказуемый результат.

Кейсы наших клиентов

Стеклофабрика: рост чистой прибыли с 4,1 до 9,7 млн ₽ в год

Производственная компания использовала интернет-рекламу, но не могла связать рекламные расходы с реальными продажами и сезонностью спроса. Агентство Skill to Deal выстроило систему аналитики на базе Roistat.

Основные этапы работы:

• подключение сквозной аналитики с отслеживанием ключевых метрик: CPL, CPO и конверсии в продажу;
• анализ накопленных данных и выявление сезонности бизнеса;
• переход от ручного управления ставками к автоматическим стратегиям с ориентиром на целевой CPO — около 7 000₽;
• ежемесячный анализ цикла сделки, который в межсезонье заметно увеличивался.

Анализ сезонности изменил логику закупки трафика. Вместо равномерного распределения бюджета команда начала концентрировать расходы в периоды, когда CPO оставался в целевых значениях и сделки закрывались быстрее.

Результат:

• чистая прибыль выросла с 4,1 до 9,7 млн ₽ в год;
• CPO удерживался на уровне около 7 000₽;
• сезонность перестала быть неожиданным фактором — маркетинг начал учитывать её при планировании бюджета.

HackerU: рост ROI с −56% до 31% и снижение CPL на 43%

Российский филиал израильской школы кибербезопасности HackerU тратил рекламный бюджет в убыток. На каждой 1 000₽, вложенной в «Яндекс Директ», компания теряла около 560₽.

Директор по маркетингу анализировала данные ежедневно, но инструментов для детального изучения качества трафика не хватало. В тоже время аналитика Roistat позволила выявить три ключевые проблемы.

1. Нерелевантные поисковые запросы

Часть запросов давала показатель отказов выше 50%: пользователи уходили с сайта менее чем за 15 секунд. Например, по запросу «javascript» значительная часть аудитории не находила нужной информации.

Решение — минусация нерелевантных фраз и корректировка семантики.

2. Неэффективные ключевые слова

Отчёт по ключевым словам в разрезе заявок, продаж и ROI показал запросы, которые не приводили к конверсиям. Ставки на них снижались, а на эффективные — увеличивались. Часть оптимизации была автоматизирована через систему управления ставками.

3. Ошибки в геотаргетинге

Реклама показывалась в странах, из которых не поступало ни одной заявки. Бюджет уходил на клики без результата. Отчёт по географии позволил скорректировать ставки и отключить неэффективные регионы.

Результат через месяц после оптимизации:

• ROI вырос с −56% до 31%;
• конверсия в заявки увеличилась более чем в два раза;
• CPL снизился на 43%;
• CPO снизился на 57%;
• стоимость привлечения клиента сократилась на 23 000₽.

Почему B2B-performance часто выглядит убыточным — и что меняет сквозная аналитика

Performance-каналы в B2B выглядят неэффективными не потому, что реклама «не работает». Проблема чаще в том, что её оценивают инструментами, рассчитанными на короткий цикл сделки.

Короткое окно атрибуции, модель last click и фокус на количестве заявок и конверсий дают искажённую картину и приводят к ошибочным решениям. Результат в В2В появляется при другой системе измерения:

• CPQL вместо CPL;
• анализ цикла сделки;
• мультиканальная атрибуция вместо last click;
• группировка сделок по дате продажи;
• передача данных из CRM в рекламные системы.

Каждый из этих элементов напрямую влияет на решения по маркетинговому бюджету — и на то, насколько точно эти решения отражают реальную эффективность каналов.

В этом контексте сквозная аналитика — это не просто инструмент отчётности, а инфраструктура, которая позволяет строить маркетинг на фактических данных.

Часто задаваемые вопросы