Клиент вернулся через неделю: как мы сделали внутреннюю сквозную аналитику
Представим простой сценарий. Человек приходит по рекламной ссылке, слушает несколько голосов и закрывает вкладку. Через неделю возвращается на сайт напрямую, создаёт аккаунт и пополняет баланс. Если искать рекламные метки только в момент регистрации, в адресной строке их уже не будет.
Оплата есть. А связь с первым переходом потерялась ещё до неё.
Меня зовут Алексей Варчак, я основатель ZAE-AI — сервиса озвучки текста и клонирования голоса. Мы сделали внутреннюю систему сквозной аналитики прямо в админке: сохраняем первый источник визита, переносим его в аккаунт и связываем с платежами этого пользователя. Рядом показываем регистрации, бесплатные примеры, повторные оплаты и расходы на генерации.
Задача была прикладной: открыть конкретный платёж и понять, откуда пришёл клиент, когда зарегистрировался и в первый ли раз принёс деньги. Затем посмотреть те же данные в разрезе источников.
Источник сохраняем до регистрации
При первом открытии страницы сайт запоминает источник в cookie — небольшой записи в браузере. Когда человек создаёт аккаунт, переносим сохранённые сведения в его профиль. Это работает и для ссылки на главную, и для перехода сразу на страницу отдельного голоса или клонирования.
Из рекламной ссылки берём четыре метки: источник, тип трафика, кампанию и ключевую фразу. Например, первые две помогают отделить рекламу в Яндексе от поиска. Кампания и фраза дают больше подробностей, если они были переданы в ссылке. Самостоятельно восстанавливать отсутствующую рекламную фразу система не умеет.
Если UTM-меток нет, смотрим на доступные сведения о переходе: из какого поисковика или с какого сайта пришёл посетитель. Если есть идентификатор рекламного клика, учитываем и его. Когда определить источник нельзя, так и оставляем запись без установленного источника.
Первый сохранённый источник не перезаписывается при следующем посещении. Даже визит без меток мы отмечаем: иначе человек мог бы сначала найти сервис сам, потом перейти по рекламе, и этот второй заход ошибочно стал бы «первым». 
Так мы выбрали атрибуцию по первому касанию: последующие платежи связываются с источником, который сохранили при знакомстве с сервисом. Это позволяет последовательно читать отчёт. При этом такая модель не распределяет вклад между всеми рекламными объявлениями, статьями и напоминаниями, которые человек мог увидеть до покупки.
У каждого платежа появился контекст
В списке платежей мы вывели сведения, которые нужны для разбора конкретной оплаты. Их можно прочитать в одной строке и затем открыть карточку пользователя.
| Что видим | Зачем это нужно |
|---|---|
| Сумма, время и статус платежа | Отличать полученные деньги от незавершённой попытки оплаты |
| Источник, кампания и ключевая фраза при наличии | Понимать, с какого сохранённого перехода началось знакомство |
| Дата регистрации и срок до платежа | Видеть, заплатил человек сразу или вернулся позже |
| Порядковый номер оплаты | Различать первую покупку и повторные пополнения |
| Место оплаты | Видеть, где человек платил: на сайте, в приложении или мини-приложении |
Оплаченным считаем платёж, который подтвердил платёжный сервис. Открытая форма оплаты остаётся попыткой. В отчёте деньги относятся к дате подтверждения: счёт мог быть создан раньше, но поступления в тот момент ещё не было.
Источник привлечения и место оплаты хранятся отдельно. Например, человек мог познакомиться с сервисом через рекламную ссылку на сайт, а затем воспользоваться приложением с тем же аккаунтом. Само место пополнения не должно переписывать историю знакомства.
Повторные платежи тоже остаются рядом с первым источником. Поэтому можно разбирать, какие пользователи возвращаются и пополняют баланс снова. Для сервиса с оплатой по мере использования это существенная часть истории клиента.
У месячного отчёта два разных вопроса
Один вопрос — сколько денег поступило за месяц. Другой — сколько людей из зарегистрировавшихся в этом месяце в итоге заплатили. Для второго мы берём группу пользователей по дате регистрации — когорту — и проверяем, есть ли у каждого хотя бы один успешный платёж к моменту просмотра отчёта.
Возьмём условный пример: человек зарегистрировался 28 октября, а впервые пополнил баланс 4 ноября. Платёж попадёт в ноябрьскую денежную сводку. При этом в группе октябрьских регистраций он будет учтён как платящий пользователь. 
Из-за этого конверсия старой группы может измениться позже: часть людей ещё принимает решение. Сравнивая источники, нужно учитывать, сколько времени прошло с регистрации. У аудитории, пришедшей вчера, было меньше времени на оплату, чем у пришедшей месяц назад.
В нашей таблице источников есть ещё одно правило. В ней собраны пользователи, зарегистрированные в выбранном периоде, а денежные суммы показывают их платежи внутри этого же периода. Число платящих учитывает и более позднюю оплату. Поэтому у октябрьской группы конверсия может вырасти в ноябре, а сумма октябрьских поступлений останется прежней.
Деньги от клиентов, зарегистрированных раньше выбранного периода, есть в общей сводке. В таблицу новых регистраций они не входят. Эти правила мы подписали рядом с показателями, чтобы разницу в итогах можно было объяснить без догадок.
Бесплатную пробу тоже связали с аккаунтом
У ZAE-AI есть бесплатный пример клонирования голоса до регистрации. Для такой функции важно видеть, сколько людей попробовали её, забрали созданный голос в кабинет, разблокировали его и имеют успешную оплату.
Мы добавили отдельный блок с этими показателями и разбивкой по источникам. Успешных примеров может быть больше посетителей: один человек вправе перезаписать образец несколько раз. Поэтому число генераций и число браузеров считаются отдельно.
Статус «оплатил» в этом блоке означает наличие успешного платежа за всё время у пользователя, забравшего голос. Сам по себе он не доказывает, что покупка произошла после примера или благодаря ему. Зато мы можем связать бесплатную активность с конкретным аккаунтом и посмотреть историю подробнее.
Рядом с поступлениями считаем расходы
В AI-сервисе генерация расходует ресурсы и тогда, когда пользователь ещё ничего не купил. Поэтому в финансовую сводку мы добавили комиссию платёжного сервиса, расчёт налога и оценку затрат на API. В расход озвучки входят и бесплатные примеры клона.
Для озвучки расчёт строится на числе успешно обработанных символов и заданной себестоимости. Для видео используем записанный расход поставщика в долларах и пересчитываем его в рубли по курсу, указанному в настройках отчёта.
Так получается управленческий показатель того, сколько остаётся после учтённых расходов. Реклама, серверы и работа над продуктом в этот расчёт не входят. Автоматической загрузки рекламных затрат в этой сводке пока нет, поэтому для оценки окупаемости кампаний её нужно сопоставлять с расходами на привлечение.
Где заканчиваются возможности системы
До регистрации связь держится на браузере. Если человек впервые пришёл с телефона, а аккаунт создал на ноутбуке, наша схема сама не соединит эти события. Очистка cookie и недоступные сведения об источнике тоже оставляют пробелы. Поэтому запись без меток нельзя автоматически считать результатом бесплатного поиска.
После переноса источника в профиль платежи связываются с аккаунтом. Но первый сохранённый переход по-прежнему не доказывает, что только он повлиял на решение человека. Наш отчёт помогает проследить связь по выбранному правилу атрибуции; для оценки вклада каждого касания потребовалась бы другая модель.
Для меня основной результат этой работы — возможность перейти от общей цифры к истории клиента. Открыть оплату, увидеть сохранённый источник, срок после регистрации и предыдущие пополнения. А затем вернуться к таблице источников и проверить, насколько такая история характерна для остальных пользователей.
Теперь у обсуждения рекламы есть конкретные вопросы: кто дошёл до оплаты, сколько времени это заняло и возвращается ли человек за следующей озвучкой. Внутренняя система даёт данные, с которых можно начать этот разбор.
А как вы связываете источники трафика с повторными оплатами: используете готовую систему или собираете нужный отчёт внутри продукта?
Алексей Варчак, основатель ZAE-AI.
