Когда клиент месяцами решается на покупку, трудно узнать, какая коммуникация склонила его к сделке. Разобрали на кейсе девелопера «Самолет», как измерять эффективность CVM-маркетинга через контрольные группы и инкременты всех кампаний. В статье ― принципы сегментации базы, методы быстрой оценки результатов и пример SMS, которая дала семикратный рост конверсии в бронирование.
6 февраля 2026
Аналитика CVM «Самолет»: как бизнесу с долгими сделками измерять эффективность маркетинга
Аналитика CVM «Самолет»: как бизнесу с долгими сделками измерять эффективность маркетинга
Часто бизнесу с долгими сделками сложно понять, какие кампании склоняют людей к покупке и увеличивают прибыль, а от каких лучше отказаться. С этой проблемой столкнулся и российский девелопер «Самолет», потому что клиенты могут месяцами решаться на покупку квартиры.
Руководитель направления CVM-маркетинга «Самолет» Денис Голубочкин рассказал, как они определяют эффективность коммуникаций, по каким принципам сегментируют клиентов и в чем секрет «золотого» SMS, которое семикратно увеличило конверсию в бронирование квартиры.
Содержание:
Что такое CVM-подход и почему его трудно внедрить бизнесу с долгими сделками
Основная задача CVM, или customer value maximization, — повышение чистой или маржинальной прибыли. Базу делят на сегменты по клиентской активности: например, оставил контакт на сайте, позвонил, пришел в офис, забронировал, купил. Затем через тесты подбирают персонализированное предложение и канал коммуникации, где люди лучше откликаются на сообщения компании. Варианты каскадов могут быть разные: от дорогих каналов типа SMS к недорогим, например email, и наоборот. В низкочастотном бизнесе нередко прибегают к первому варианту как наиболее эффективному, несмотря на высокую стоимость коммуникации.
Для перехода к CVM-маркетингу необходимо иметь:
- работающий CRM-маркетинг — с настроенным сбором контактов и массовыми автоматическими коммуникациями на основе CJM;
- активную клиентскую базу с десятками или сотнями тысяч контактов, иначе тестирование гипотез не принесет статистически значимых результатов. У «Самолет» такая база есть: компания присутствует в восемнадцати регионах России.
-
до 30 тысячновых контактов у «Самолет» в месяц
-
до 5 тысячсделок в месяц
Чтобы узнать, активна ли база, бизнес должен определить, какие целевые действия клиента он считает ценными и за какой период они должны произойти. Например, для компании ценны действия между первым посещением сайта и покупкой. Тогда, руководствуясь правилом Парето, компания может посмотреть, за какое время в прошлом 80% клиентов проходили путь от первого касания до сделки. Если это 60 дней, то будет считаться активной такая база, в которой клиенты совершают ценные целевые действия в течение двух месяцев. Не обязательно придерживаться цифры 80%: это могут быть 75% или 85%, если такое распределение точнее отображает поведение клиентов.
В сфере недвижимости трудно оценить результаты CVM-маркетинга из-за редких покупок и длинного цикла принятия решений. В таких условиях почти невозможно растить прибыль, увеличивая средний чек или частоту покупок: большинство клиентов покупают квартиру раз в жизни, сделка может длиться месяцы или годы, а потому непонятно, какой маркетинговый контакт к ней привел.
Чтобы оценить эффективность CVM и выявить каналы и предложения, которые помогают увеличивать прибыль, в «Самолет» используют глобальную контрольную группу и инкремент всех кампаний.
Как измерить эффективность CVM с помощью глобальной контрольной группы
Глобальная контрольная группа помогает измерить инкрементальный эффект — выгоду, которую бизнес получает от маркетинга в целом. Инкрементом могут быть выручка, количество заказов, регистраций или даже просмотров страницы на сайте. То есть это результаты, которых удалось достичь с помощью маркетинговых инструментов.
В «Самолет» выделяют и ежегодно обновляют две контрольные группы: с новыми клиентами текущего года и клиентами предыдущих четырех лет. Такой период выбрали потому, что 95% покупок совершают клиенты, которые попали в базу за последние четыре года.
Компания сравнивает, как разные типы недвижимости продавались внутри групп и какую выручку принесла каждая.
Как сформировать целевую и контрольную группы, если в клиентской базе вся страна
«Самолет» не делит аудиторию рандомно, иначе может случиться так, что, например, весь Владивосток попадет в целевую группу, а Мурманск — в контрольную. Поэтому в компании выделили параметры для распределения клиентов.
Контрольная группа
Параметры
текущего года
— дата появления в базе: например, когда клиент оставил первую заявку или подписался на рассылку;
— канал, из которого данные клиента попали в базу: например, агент, встреча, заявка на сайте, звонок;
— регион
— канал, из которого данные клиента попали в базу: например, агент, встреча, заявка на сайте, звонок;
— регион
предыдущих лет
параметры для КГ текущего года плюс:
— количество коммуникационных действий — открытий или кликов;
— количество целевых действий: звонков, встреч, бронирований, сделок;
— стоимость договора
— количество коммуникационных действий — открытий или кликов;
— количество целевых действий: звонков, встреч, бронирований, сделок;
— стоимость договора
Проблема метода с глобальной контрольной группой в том, что бизнес не узнает, какая из 150 запущенных в этом месяце кампаний дала результат. Если маркетолог и увидит инкрементальный эффект, он не поймет, как его усилить. Поэтому полезно считать инкремент не только от маркетинга в целом, но и от канала, механики или рекламной кампании.
Как измерить эффективность CVM с помощью инкрементов всех кампаний
Инкременты каждой запущенной кампании можно подсчитать и сложить. Однако оценить эффективность кампаний в низкочастотном бизнесе сложно по нескольким причинам:
- Не всегда получается сформировать для одного офера достаточный по объему сегмент.
Объемы сегментов, необходимые для достижения статистической значимости, зависят от разницы конверсии в группах, которую маркетолог ожидает увидеть. Зачастую речь идет о цифре меньше 1%.
Перед первым тестом можно только выдвигать гипотезы: если сделаем так-то, конверсия вырастет на столько-то. Однако чем больше людей участвует в эксперименте, тем меньшее отклонение мы заметим и тем выше вероятность получить не случайный, а продиктованный нашими действиями результат.
Нет одной конкретной цифры, сколько человек нужно задействовать в тестированиях, — она вычисляется индивидуально. Но если говорить о нижней границе, то в девелопменте в каждой группе должно быть не меньше тысячи клиентов.
- Рынок недвижимости динамичен и требует оперативно адаптировать маркетинговые стратегии, чтобы поддерживать устойчивый спрос при любых рыночных условиях.
- Не у каждого бизнеса есть нужные специалисты и инструменты для настройки и запуска тестирований. На отладку процессов могут уйти месяцы.
В бизнесе с редкими сделками важно выстраивать путь клиента так, чтобы измерять не только покупки, но и предшествующие целевые действия: открытия, клики, звонки, встречи и бронирования. «Самолет» оценивает эффективность кампаний в том числе по инкременту этих действий и их влиянию на поведение покупателей.
80% клиентов «Самолет» бронируют квартиру в течение 35 дней после первого целевого звонка. Ждать месяц после каждой кампании — это долго, потому что бизнесу нужно быстро принимать решения и корректировать маркетинговые действия.
В «Самолет» подсчитали, что после запуска кампаний большинство открытий и кликов происходит в течение трех дней, звонков и встреч — семи дней, бронирований — четырнадцати дней. Компания ведет аналитику по каждому этапу и анализирует, сколько человек перешли к следующему шагу за 3, 7 и 14 дней. Это позволяет принимать решения быстрее: так, если за три дня мало открытий писем, кампанию можно сразу скорректировать, например, отправив SMS с тем же предложением.
Чтобы определить, какие клиенты наиболее близки к целевому действию, в «Самолет» используют ML-модели. Тестирования показали, что они точнее CRM-маркетологов выделяют сегменты покупателей. Зная сегменты, можно подобрать подходящие варианты коммуникации и эффективнее использовать бюджет на платные каналы.
Офер, который видели клиенты
Тип сегмента
Процент позвонивших клиентов
Скидка 25% на квартиры
Сегмент определила ML-модель
1,44%
Сегмент определил маркетолог
0,71%
Контрольная группа
0,66%
Персональный промокод на покупку квартиры
Сегмент определила ML-модель
6,66%
Сегмент определил маркетолог
4,77%
Контрольная группа
2,98%
Клиенты из сегментов ML-модели и маркетолога совершили равное количество звонков. Но сегмент ML-модели точнее и меньше, поэтому конверсия здесь выше.
Принципы анализа кампаний в «Самолет» зависят от их размера:
Кампании на 5 тысяч человек и больше. Выделяют локальные контрольные группы и анализируют прибыль от статистически значимых целевых действий.
Кампании на 1–5 тысяч человек. Объединяют клиентов в небольшие группы по геопризнаку или оферу и анализируют эффективность не одной коммуникации, а серии. Оценивать нужно всю рекламную кампанию, так как если какая-то коммуникация принесла рекордное количество продаж, это не значит, что успех повторится. Например, у «Самолет» было «золотое» SMS с персональным офером. После первой отправки оно показало семикратный рост конверсии в бронирование по сравнению с контрольной группой, которой ничего не отправляли:
Группа
Конверсия в бронирование
Конверсия в сделку
Целевая, получила SMS с персональным офером
0,714%
0,306%
Контрольная, которой ничего не отправляли
0,106%
0,053%
То же SMS запустили повторно через три недели, но на этот раз оно не принесло статистически значимых результатов.
Кейс с «золотым» SMS иллюстрирует, что в рекламных кампаниях тяжело повторить и превзойти прошлые результаты
Маленькие кампании до тысячи человек. Проводят АВ-тест с двумя офферами, а так как база клиентов небольшая, ее распределяют только по геопризнаку. Например, жители Сахалина получают SMS с текстами «Квартиры от стольких-то рублей» и «Квартиры с дальневосточной ипотекой от стольких-то рублей». Так определяют, как на небольшую группу сахалинцев влияет упоминание дальневосточной ипотеки.
Дополнительные методы оценки СVM-маркетинга
Помимо методов с подсчетом инкрементов, существуют data-driven- и last-click-атрибуции.
Data-driven-атрибуция. Специалисты по data science строят систему, которая анализирует касания клиента с разными маркетинговыми каналами. Затем она определяет роль кампаний в заключении сделки и атрибуцирует ее по всем каналам в процентном соотношении. Это позволяет оптимизировать бюджет и вкладываться только в работающие каналы.
Для создания модели data science нужны технологическая инфраструктура и многолетние тестирования. Наверное, нейросети упростят этот процесс, но пока data science выглядит как оптимистичная сказка, которую никто еще не смог в полной мере воплотить в жизнь.
Last-click-атрибуция. Ценность конверсии приписывается клику, после которого пользователь совершил целевое действие. Метод может показать динамику для отдельных сценариев, например звонков, которые принесли продажи.
Я рекомендую использовать все три аналитических подхода — там, где они применимы. Ни один из них не дает полного представления о ситуации, зато вместе они показывают разные ее стороны и помогают собрать картину целиком.
