CRM система аналитика: что считает и зачем

Большинство компаний заводят CRM, чтобы хранить контакты. Но настоящая ценность системы раскрывается в другом месте — в аналитике. Именно она превращает базу данных в инструмент управления: показывает, где теряются деньги, какой канал окупается, кто из клиентов приносит максимум LTV и почему воронка застряла на одном уровне.

В этой статье разберём, что такое аналитика в CRM-системе, какие метрики она должна считать по умолчанию и как это работает на практике — без лишней теории.

Зачем вообще нужна аналитика внутри CRM

Классическая проблема: данные о клиентах живут в CRM, данные о рекламе — в Google Analytics или рекламных кабинетах, финансы — в Excel или 1С. Чтобы получить полную картину, аналитик должен вручную склеить три источника. Пока он это делает, решение опаздывает на неделю.

CRM-система с встроенной аналитикой решает эту задачу иначе: клиент, сделка, источник трафика, оплата и возврат живут в одной модели данных. Метрики считаются на живых данных автоматически — не нужен отдельный BI-инструмент и не нужна ручная склейка.

Ключевые метрики, которые должна считать CRM

Воронка продаж и конверсия

Первое, что показывает аналитика CRM — как сделки движутся по воронке. Сколько лидов пришло, сколько дошло до оплаты, где отвалились. Воронка должна не просто отображать стадии, но и сигнализировать об узких местах: где фактическая конверсия заметно ниже ожидаемой — там теряются деньги.

В профессиональных системах воронка строится автоматически при создании оффера. Например, в KendaliCRM каноническая воронка для товара содержит 6 уровней, для складчины — 7, и система автоматически сравнивает факт с планом и подсвечивает «узкое место».

Дополнительно современные системы позволяют сравнивать воронки A/B — когда один и тот же оффер продвигается через два разных лендинга или канала, вы видите, у какого пути конверсия выше. Это называется прогнозирование конверсии на основе данных, а не ощущений.

ROI и окупаемость рекламных каналов

ROI (Return on Investment) — ключевой показатель для любого бизнеса: прибыль / инвестиции × 100. В контексте CRM-аналитики важно считать не просто общий ROI, но и ROI по каждому рекламному каналу (Facebook, Google, Telegram и т. д.).

Это возможно только тогда, когда CRM знает, через какой канал пришёл каждый клиент. Для этого нужна корректная атрибуция — UTM-метки, трекер посетителя и привязка первого касания к конкретной покупке.

Модели атрибуции: какая подходит вашему бизнесу

Атрибуция определяет, какому каналу «засчитывается» продажа. Существует несколько моделей:

• Last-click (последнее касание) — продажа приписывается тому каналу, откуда клиент пришёл непосредственно перед покупкой. Самая распространённая и самая искажающая: переоценивает SEO и ретаргетинг.
• First-click (первое касание) — продажа засчитывается каналу, который привёл клиента впервые. Честнее для оценки охватных каналов (Instagram, YouTube).
• Linear (линейная) — ценность продажи делится поровну между всеми точками контакта.
• Data-driven (на основе данных) — алгоритм взвешивает вклад каждого касания исходя из статистики. Самая точная, но требует большого объёма данных.

В KendaliCRM используются две модели одновременно: жёсткая атрибуция через токен в URL (точность 100%) и мягкая — кросс-визитная по идентификатору посетителя (cookie на год). Вместе они дают полную картину без сторонних пикселей.

LTV, AOV и юнит-экономика

LTV (пожизненная ценность клиента) — сумма всех покупок одного клиента за всё время. AOV — средняя стоимость заказа. Эти показатели помогают понять, кто из клиентов по-настоящему ценен, а не только «принёс один платёж».

В CRM LTV должен пересчитываться автоматически при каждой новой покупке, а не вручную раз в квартал. Тогда аналитика актуальна в реальном времени.

Полная юнит-экономика включает также:

• CAC — стоимость привлечения клиента;
• ACV — средний чек (оборот / число оплат);
• AVV — выручка на визит (оборот / визиты);
• CPV — стоимость одного визита (расход на трафик / визиты).

Сегментация клиентов по LTV и когортный анализ

Одна из самых недооценённых возможностей CRM-аналитики — понять, какие группы клиентов приносят максимум ценности в долгосрочной перспективе.

Сегментация по LTV делит базу на группы: «одноразовые» покупатели, регулярные клиенты и «чемпионы» с высоким пожизненным чеком. Это позволяет фокусировать маркетинговые усилия и бюджет на удержание правильных клиентов.

Когортный анализ — более глубокий инструмент: он группирует клиентов по дате первой покупки (или по каналу привлечения) и сравнивает, как они ведут себя во времени. Например, когорта клиентов, привлечённых через Telegram в январе, может показывать в три раза более высокий LTV, чем когорта из Google Ads за тот же период. Без когортного анализа такой инсайт невозможно получить из стандартных отчётов.

Финансовая аналитика и P&L: доступно, заморожено, возвраты

Аналитика CRM не заканчивается на продажах. Финансовый дашборд должен показывать полную картину: сколько денег реально доступно, сколько заморожено (в холде или ожидании), сколько поступило за период и сколько ушло на возвраты.

Полный финансовый отчёт в CRM — это, по сути, P&L (Profit and Loss, отчёт о прибылях и убытках) в реальном времени. В идеале он включает:

• Выручку — оборот за период;
• Возвраты — реальный вычет из выручки;
• Инвестиции по категориям — реклама, дизайн, инструменты, контент, консалтинг;
• Чистую прибыль — выручка минус все расходы;
• Замороженные средства — деньги в холде до снятия риска возврата.

В KendaliCRM финансовый дашборд показывает 4 KPI в реальном времени: Доступно, Заморожено, Продаж за период и Возвраты. Финансовый реестр построен по принципу append-only: записи нельзя редактировать или удалять, любой возврат фиксируется как новая запись. Это защищает от подделки данных и даёт достоверную отчётность.

Холд работает автоматически: окно возврата 14 дней, для складчин — до завершения, при подозрительной активности — дополнительные 30 дней заморозки. Деньги не выводятся, пока риск не снят.

Аналитика лендингов и источников трафика

Современная CRM-аналитика должна включать данные о трафике: заходы, уникальные посетители, конверсия по каждому лендингу, EPC (выручка на клик), разбивка по источникам. Всё это позволяет видеть не просто «сколько купили», а «откуда пришли те, кто купил».

Особенно важна атрибуция: какой канал принёс первое касание, которое в итоге превратилось в покупку. Здесь работают две модели — жёсткая (через токен в URL, точность 100%) и мягкая (кросс-визитная по cookie, ловит отложенные покупки). Вместе они дают полную картину без сторонних пикселей.

В KendaliCRM по каждому лендингу доступны: заходы, уникальные посетители, заказы, оплаченные, оборот, конверсия и EPC — в разрезе 7/30/90 дней и за всё время. На одном лендинге можно разместить до 20 офферов, и по каждому идёт отдельная аналитика.

Аналитика эффективности менеджеров

Один из самых важных и часто упускаемых пластов CRM-аналитики — данные по сотрудникам. Общая конверсия воронки может быть хорошей, но скрывать серьёзные расхождения между менеджерами: один закрывает 40% лидов, другой — 12%. Без аналитики по менеджерам это невидимо.

Ключевые KPI менеджеров в CRM

• Конверсия по менеджеру — какой процент лидов, назначенных конкретному сотруднику, доходит до оплаты;
• Скорость первого ответа — сколько времени проходит от поступления лида до первого контакта (критично: первые 5 минут увеличивают конверсию в разы);
• Количество закрытых сделок за период — абсолютный объём продаж;
• Средний чек по менеджеру (AOV) — умеет ли сотрудник продавать апсейлы и более дорогие продукты;
• Процент возвратов по менеджеру — качество продаж: не создаёт ли сотрудник завышенных ожиданий;
• Цикл сделки — среднее время от создания лида до закрытия;
• LTV привлечённых клиентов — долгосрочная ценность клиентов, которых привёл менеджер.

Аналитика коммуникаций: чаты, звонки, мессенджеры

Продажи происходят там, где общаются с клиентом. CRM должна фиксировать не только факт сделки, но и качество коммуникаций:

• Время ответа на обращение — сколько минут проходит от сообщения клиента до реакции менеджера;
• Количество касаний до закрытия — сколько сообщений или звонков потребовалось для продажи;
• Канал коммуникации — через какой мессенджер или форму чаще всего идут покупатели;
• Конверсия чата в продажу — какой процент чатов заканчивается оплатой.

В KendaliCRM оффер «Консультант» — это встроенный чат-виджет на лендинге с привязкой к CRM. Если посетитель из чата покупает с того же email в течение 30 дней, заказ автоматически линкуется к чату, и в воронке появляется строка «Через консультанта». Так видна полная атрибуция «чат → деньги».

Аналитика партнёрской программы

Если бизнес работает с партнёрами, CRM должна считать метрики отдельно по каждому: LTV привлечённых клиентов, средний чек (AOV), конверсию и процент возвратов. Это помогает понять, кто из партнёров приводит качественный трафик, а кто — нецелевых покупателей с высоким refund rate.

В KendaliCRM по каждому партнёру доступны: trust-badge, метрики LTV/AOV/CR/refund-rate, fraud-сигналы, статистика ссылок по товарам и полный таймлайн. Партнёрская атрибуция держится в cookie 30 дней, клики дедуплицируются по IP за 24 часа. Пять слоёв anti-fraud защищают от накруток и самопокупок.

Аналитика email-рассылок в CRM

Отдельный пласт — аналитика email-коммуникаций. CRM должна фиксировать open rate, click rate, bounce и complaint по каждому письму, а также связывать эти данные с конверсиями в продажи. Так вы видите, какая цепочка писем реально приводит к оплате, а не просто хорошо открывается.

В KendaliCRM email-дашборд включает графики открытий, кликов, bounce и complaint rate. Система автоматически добавляет адреса с жалобами и отписками в список подавления (suppression-list), защищая репутацию домена. Журнал MailLog фиксирует каждое письмо: дата, получатель, шаблон, статус, открытия, клики, ошибки.

AI-аналитика: следующий уровень

Базовые метрики — это необходимый минимум. Но современные CRM-системы идут дальше: AI-слой анализирует данные и выдаёт интерпретации, которые человек не заметит в таблицах.

Например, AI Маркетинговый аудит в KendaliCRM анализирует реальные данные бизнеса за 90 дней — заказы, трафик, воронки, каналы, партнёров — и выдаёт отчёт с метриками, узкими местами, инсайтами и дорожной картой. По сути, это то, за что маркетинговые консультанты берут от $1 000 до $5 000, — но за минуты и на ваших собственных данных.

AI Трекинг продаж даёт еженедельный разбор: динамика метрик, прогноз следующей недели и детектор аномалий. Это позволяет реагировать на проблему до того, как она стала критической.

Сравнение аналитических возможностей популярных CRM-систем

Разные CRM-системы сильно отличаются по глубине встроенной аналитики. Вот сравнение ключевых возможностей:

✅ — полная поддержка; ⚠️ — частично или на платных тарифах; ❌ — отсутствует или требует внешних инструментов.

Как аналитика связана с принятием решений

Ценность CRM-аналитики определяется не количеством графиков, а качеством решений, которые она поддерживает. Вот конкретные сценарии:

1. Где перераспределить рекламный бюджет. Видите ROI по каналам — переливаете бюджет из убыточных в прибыльные. Без аналитики это гадание.
2. Где застряла воронка. Система показывает, на каком уровне конверсия падает ниже ожидаемой — это и есть приоритет для работы.
3. Кого удерживать, а кого не трогать. LTV показывает, кто из клиентов приносит максимум за всё время. Именно на них стоит фокусировать follow-up и допродажи.
4. Когда запускать повторное предложение. История покупок и метрики активности подсказывают правильный момент для следующего оффера.
5. Кого из менеджеров обучать. KPI по сотрудникам показывают, у кого проседает конверсия или скорость ответа — это конкретные точки роста.
6. Стоит ли масштабировать партнёрский канал. Данные по LTV и refund-rate партнёров покажут, кто приводит качественных клиентов, а кто создаёт убытки на возвратах.

Что отличает хорошую CRM-аналитику от плохой

Хорошая аналитика в CRM работает на живых данных без ручной выгрузки, считает не только оборот, но и прибыль с учётом инвестиций, показывает источник каждой сделки и обновляется автоматически при любом событии — оплата, возврат, переход сделки на следующую стадию.

Плохая аналитика — это красивые дашборды с данными, которые обновляются раз в день, не знают источника клиента и не умеют считать реальные расходы.

Ограничения CRM-аналитики: что система не умеет считать

Честный разговор о CRM невозможен без признания ограничений. Даже самая мощная встроенная аналитика не заменяет всё.

Когда встроенной аналитики недостаточно

• Сложные многомерные отчёты. Если вам нужно строить произвольные SQL-запросы по десяткам параметров одновременно — нужен внешний BI (Tableau, Power BI, Looker). CRM оптимизирована под конкретные бизнес-метрики, а не под аналитику «любого среза».
• Данные из офлайна. CRM видит только то, что происходит внутри системы. Если часть продаж идёт через наличные, офлайн-точки или звонки без фиксации — эти данные нужно вносить вручную, иначе картина искажена.
• Анализ конкурентов и рынка. CRM считает ваши данные, но не знает, что делают конкуренты. Для рыночного анализа нужны внешние источники.
• Данные из данных не заменяют интерпретацию. CRM покажет, что конверсия упала с 4% до 2%. Но почему — оффер устарел, менеджер работает хуже, сезонность или конкурент запустил агрессивную акцию — это вопрос экспертизы, а не алгоритма.
• Предиктивная аналитика высокого уровня. Базовые прогнозы продаж CRM может строить. Но для сложного ML-прогнозирования на основе сотен факторов — нужна отдельная модель и данные из нескольких источников.

Барьеры внедрения аналитики в CRM

Даже при наличии хорошей системы аналитика может не работать. Основные причины:

• Грязные данные. Если менеджеры не заполняют карточки сделок, не ставят источник лида, вводят телефоны в разных форматах — аналитика будет врать. Garbage in, garbage out.
• Отсутствие UTM-разметки. Без UTM-меток в ссылках CRM не знает, откуда пришёл клиент. Весь трафик сваливается в «прямой», и атрибуция теряется.
• Неправильная настройка воронки. Если стадии сделки не отражают реальный процесс продаж, метрики конверсии будут бессмысленны.
• Нет культуры работы с данными. Если руководство не смотрит на дашборды и не принимает решений на основе цифр — CRM-аналитика превращается в красивый, но бесполезный отчёт.

Прогнозирование продаж в CRM

Хорошая CRM-аналитика — это не только взгляд в прошлое, но и прогноз на будущее. Прогнозирование продаж строится на исторических данных воронки: если из 100 лидов в среднем 8 доходят до оплаты за 14 дней, то при наличии 200 активных лидов сегодня система может предсказать выручку следующих двух недель.

В KendaliCRM AI Трекинг продаж даёт еженедельный прогноз с детектором аномалий: если динамика метрик отклоняется от ожидаемой — система предупреждает до того, как проблема стала критической.

Итог: CRM-аналитика как операционный инструмент

CRM-система с аналитикой — это не отчётность ради отчётности. Это операционный инструмент, который переводит интуитивные решения в измеримые. Воронка показывает, где теряются деньги. Атрибуция объясняет, откуда приходят покупатели. LTV говорит, кто из клиентов ценен. ROI по каналам указывает, куда переливать бюджет. KPI менеджеров раскрывают, где нужно усиление команды. P&L в реальном времени даёт честную картину прибыли.

Когда все эти данные живут в одной системе и обновляются автоматически — вы управляете бизнесом на цифрах, а не на ощущениях.