90% маркетологов считают конверсию неправильно

May 15, 2024

Разбираем типичные ошибки в расчете конверсий лендингов и кампаний. Конкретные примеры расчетов.

Маркетологи принимают решения на основе неправильных данных. Запускают бюджеты в убыточные каналы, отключают эффективную рекламу, выбирают худшие креативы. Все из-за ошибок в расчете конверсии.

Проблема в том, что стандартные метрики аналитики показывают искаженную картину. Визиты считают ботов, дубли заявок портят статистику, а спам создает иллюзию эффективности.

Что такое ложные метрики

Ложные метрики — показатели, которые не отражают реальную эффективность кампании или лендинга. Они создают иллюзию понимания, но ведут к неправильным решениям.

Основные источники искажений:

Визиты вместо уникальных посетителей
Дубли заявок в статистике
Спам и некачественные лиды
Боты и автоматический трафик

Влияние на бизнес-решения

Неэффективное распределение бюджета

Увеличиваем бюджет на каналы с высокими визитами, но низким качеством трафика
Отключаем дорогой, но качественный трафик
Масштабируем неэффективные креативы

Неверные выводы о продукте

Считаем лендинг или кампанию эффективной из-за дублей заявок
Не видим реальных проблем с конверсией
Принимаем решения на основе ложных данных

Пример

Тестировали две рекламные кампании для клиента из сферы образования. Первые результаты показали очевидного лидера:

Кампания А: 1000 визитов, 80 заявок → конверсия 8%
Кампания Б: 1000 визитов, 120 заявок → конверсия 12%

Директолог рекомендовал масштабировать кампанию Б. Но при детальном разборе выяснилось:

Кампания А: 1000 визитов, 800 посетителей, 60 качественных заявок
Кампания Б: 1000 визитов, 400 посетителей, 40 качественных заявок

Реальная конверсия: А = 7.5%, Б = 10%. Но стоимость лида у А в два раза ниже.

Визиты против посетителей

Первая ошибка — использовать визиты для расчета конверсии. Визит ≠ человек.

Что считают визиты

Визит — сессия пользователя на сайте. Один человек может создать несколько визитов:

Зашел утром — 1 визит
Зашел вечером — 2 визит
Открыл сайт на телефоне — 3 визит
Перешел между страницами — дополнительные визиты

Посетитель — уникальный пользователь, определяемый по cookie или fingerprint браузера.

Практический пример расчета

Тестируем два лендинга услуг ремонта:

Неправильный расчет (по визитам)

Лендинг 1: 500 визитов, 100 заявок = 20% конверсия
Лендинг 2: 500 визитов, 70 заявок = 14% конверсия

Вывод: первый лендинг лучше на 6 процентных пунктов.

Правильный расчет (по посетителям)

Лендинг 1: 500 визитов, 300 посетителей, 100 заявок = 33% конверсия
Лендинг 2: 500 визитов, 100 посетителей, 70 заявок = 70% конверсия

Вывод: второй лендинг эффективнее в 2 раза.

Почему возникает разница

У первого лендинга больше повторных визитов:

Пользователи возвращаются, чтобы найти телефон
Долго изучают услуги на нескольких страницах
Отвлекаются и возвращаются позже

У второго лендинга четкий призыв к действию:

Пользователь сразу понимает предложение
Оставляет заявку с первого захода
Не нужно возвращаться

Дубли и спам в заявках

Вторая ошибка — считать все заявки как конверсии. Реальность: до 40% заявок могут быть дублями или спамом.

Типы некачественных заявок

Дубли заявок:

Пользователь отправил форму несколько раз
Заявки с одним номером за короткий период
Повторные заявки после неудачного звонка

Спам заявки:

Фейковые номера телефонов
Тестовые заявки конкурентов
Автоматические заявки от ботов
Заявки с недоступными контактами

Пример очистки статистики

Возвращаемся к нашему кейсу и очищаем данные:

Данные до очистки

Лендинг 1: 300 посетителей, 100 заявок = 33% конверсия
Лендинг 2: 100 посетителей, 70 заявок = 70% конверсия

Данные после очистки

Лендинг 1: 300 посетителей, 50 качественных заявок = 17% конверсия
Лендинг 2: 100 посетителей, 50 качественных заявок = 50% конверсия

Итог: разница в эффективности составляет 3 раза, а не 2.

Как выявлять дубли

В CRM системе:

Фильтруем заявки по номеру телефона за период
Исключаем повторные заявки в течение 24 часов
Проверяем заявки с одинаковыми данными

По поведению пользователей:

Анализируем время между заявками
Смотрим на источник трафика
Проверяем IP-адреса отправителей

Правильная методология расчета

Шаг 1: Собираем правильные данные о трафике

Используем количество уникальных посетителей
Исключаем ботов через фильтры в аналитике
Учитываем только целевой трафик

Шаг 2: Очищаем данные о заявках

Выгружаем заявки из CRM, а не из целей в аналитике
Удаляем дубли по номеру телефона
Исключаем спам и недозвоны

Шаг 3: Рассчитываем финальную конверсию

Конверсия (лендинга/кампании) = Качественные заявки / Уникальные посетители × 100%

Пример полного расчета

Исходные данные кампании:

10 000 визитов по Яндекс.Метрике
8 000 уникальных посетителей
200 достижений цели в аналитике
150 заявок в CRM после очистки

Неправильный расчет: 200 / 10 000 = 2%
Правильный расчет: 150 / 8 000 = 1.875%

Разница кажется небольшой, но при масштабировании это критично.

Инструменты для корректного расчета

Аналитика трафика:

Google Analytics 4 — метрика "Users"
Яндекс.Метрика — метрика "Посетители"
Настройка фильтров для исключения ботов

Управление заявками:

CRM системы с дедупликацией
Скрипты для автоматической очистки дублей
Интеграция аналитики с CRM

Контроль качества:

Регулярный аудит источников трафика
Мониторинг спам-заявок
A/B тестирование методов сбора лидов

Кейс оптимизации контекстной рекламы

Ситуация: Рекламируем онлайн-курсы. Есть две кампании с одинаковой стоимостью клика.

Первичные данные:

Кампания A: 1000 кликов, 50 заявок, CPC = 100₽
Кампания B: 1000 кликов, 30 заявок, CPC = 100₽

Стандартный вывод: кампания A эффективнее, увеличиваем ее бюджет.

После корректного анализа:

Кампания A: 800 уникальных пользователей, 25 качественных заявок
Кампания B: 950 уникальных пользователей, 28 качественных заявок

Правильный вывод: кампания B дает больше качественных лидов при том же бюджете.

Практические рекомендации

Еженедельный отчет по конверсии должен включать:

Трафик: уникальные посетители (не визиты)
Лиды: заявки из CRM (не цели из аналитики)
Качество: процент дублей и спама
Конверсия: лиды / посетители
Тренды: изменения по неделям

Автоматизация корректных расчетов

Настройка интеграций:

Подключите CRM к аналитике через API
Настройте автоматическую очистку дублей
Создайте дашборд с правильными метриками

Правильный расчет конверсии — основа эффективного маркетинга. Без корректных данных невозможно принимать правильные решения о бюджетах, каналах и креативах. Потратьте время на настройку правильной аналитики один раз, чтобы не терять деньги на неэффективной рекламе каждый день.