Data-Driven подход для сети фитнес-клубов: Как сквозная аналитика повысила качество лидов и увеличила продажи на 54%

Во многих проектах результат контекстной рекламы до сих пор часто оценивают только по количеству лидов и стоимости обращения. На первый взгляд цифры растут, CPL снижается, — кажется, что всё контролируется, но это не гарантирует рост продаж. Важно не просто собирать заявки, а понимать, какие из них доходят до покупки, а какие создают лишь иллюзию активности.

Сквозная аналитика и учёт офлайн-конверсий позволяют отфильтровать некачественные обращения, учитывать заявки не только с сайта, и видеть, какие кампании приводят реальных клиентов. На примере сети фитнес-клубов в Московской области покажем, как такой подход помог навести порядок в лидах, увеличить продажи и снизить ДРР.

Проблема: «много лидов» не равно «много продаж»

Эффективность часто оценивают по двум метрикам: сколько заявок пришло и сколько стоит лид. Кампании, которые дают больше конверсий по низкой цене, считаются успешными, даже если дальше эти заявки никуда не двигаются.

На практике среди таких лидов часто оказывается много «шума». В статистику попадают спам-заявки, пустые обращения, запросы от недобросовестных конкурентов, которые пытаются скликать бюджет или запутать алгоритмы рекламы. А также обращения от текущих клиентов, которые в аналитике выглядят как новые лиды. Формально цифры растут, но на реальные продажи это влияет слабо.

Есть и обратная проблема: часть «живых» клиентов в принципе не видна в отчётах. Человек может кликнуть по объявлению, познакомиться с клубом, а потом не заполнять форму на сайте, а написать в мессенджер или просто прийти в ближайший филиал. Если такие обращения не учитываются, они не связываются с рекламой и выпадают из анализа.

В этой ситуации оптимизация идёт по формальным заявкам: алгоритмы усиливают источники дешёвых лидов, независимо от того, есть ли по ним продажи. Бизнес делает выводы по неполной картине: в статистике кампании выглядят эффективными, но бюджет уходит на нецелевые обращения, а реальные сделки просто не фиксируются.

С этим мы столкнулись, когда начали работать с сетью фитнес-клубов в Московской области: лидов было много, но не было понимания, какой доход они приносят. После внедрения сквозной аналитики стало видно, какие кампании и аудитории приводят квалифицированные лиды и продажи, а какие просто съедают бюджет. При этом даже среди квалифицированных лидов далеко не все доходили до покупки.

Вначале мы тестировали квизы с очень привлекательным оффером и простой заявкой — получили с них 107 квалифицированных лидов, но купили абонемент только 6 человек. Данные кампании привлекали людей, которые охотно оставляли свои контакты, чтобы получить подарок, но были не готовы покупать абонемент. После этого скорректировали стратегию и предложение: квизы оставили, но сделали оффер более конкретным, чтобы отсечь случайные заявки и очевидных охотников за халявой. Количество квалифицированных лидов снизилось до 40, зато продаж стало 19.

Динамика квалифицированных лидов

Динамика оплаченных заказов

В совокупности это привело к росту числа проданных абонементов на 54% и снижению ДРР на 33%. Это хорошо показывает, почему «много лидов» ещё не значит «много продаж» и почему без учёта качества обращений и офлайн-конверсий оптимизация по CPL может вводить в заблуждение.

Решение: сквозная аналитика и учёт офлайн-конверсий на практике

Чтобы перейти от оценки «по заявкам» к оценке по реальным продажам, нужно видеть путь клиента — от клика до оплаты — и связать между собой данные рекламы, аналитики и CRM.

В этом проекте основу сквозной аналитики составила связка: реклама, Яндекс Метрика, коллтрекинг и CRM. Пользователь переходит по объявлению на сайт, его действия фиксируются в Метрике через уникальную метку ClientID. Через интеграцию с CRM происходит обмен данными: Метрика отправляет в CRM данные об источниках заявок, CRM передаёт в Метрику информацию о реальном результате, который принес тот или иной визит (квалифицированные заявки, оплаченные заказы, объем выручки). Так появляется возможность проследить весь путь клиента и связать маркетинг с продажами.

Мы также настроили учёт офлайн-конверсий — звонков, сообщений в мессенджерах и визитов в клуб после рекламы. Для фитнес-клубов это критично: значимая доля клиентов покупает абонементы лично.

Такой подход решает несколько задач:

• позволяет отфильтровать некачественные лиды и понять, какие кампании их приводят;
• возвращает в аналитику лиды, которые раньше выпадали: офлайн и мессенджеры;
• даёт более полную картину: какие сегменты доходят до оплаты и на что реагируют.

На уровне реализации мы прошли несколько шагов:

1. Связали рекламу, системы аналитики и CRM через ClientID. По каждой связке «клик — заявка — результат» стало видно, чем закончилась коммуникация: некорректный лид, квалифицированный лид или продажа.
2. Настроили обратную передачу данных по статусам обращений и выручке в Метрику. Отдельно пометили некорректные лиды, чтобы понимать, с каких источников и аудиторий они поступают.
3. Перестроили оптимизацию кампаний. Сначала — на квалифицированных лидах, затем — на фактических продажах, чтобы алгоритмы обучались на поведении покупателей.
4. Пересмотрели рекламную стратегию. Тестировали офферы, креативы, посадочные, отключали источники, которые стабильно приводили некорректные обращения. Для визуализации динамики и принятия решений разработали BI-отчёты с ключевыми метриками воронки — от лидов до продаж и ДРР.

Несмотря на снижение количества лидов в июле—августе, показатель ДРР снижается за счёт роста продаж и оптимизации расходов.

В результате сквозная аналитика стала основой для принятия решений: стало понятно, какие таргетинги, аудитории и посадочные страницы реально помогают продавать абонементы, а какие — приводят нецелевые обращения..

Результаты и выводы: что изменилось и чему это учит

После настройки сквозной аналитики и серии оптимизаций:

• конверсия всех лидов в квалифицированные выросла с 78,1% до 96%;
• количество проданных абонементов увеличилось на 54%;
• ДРР снизился на 33%.

Фокус сместился с «больше лидов» к росту продаж при более эффективном использовании бюджета. Сквозная аналитика позволила исключить некорректные обращения, усилить рабочие кампании и оценивать результат рекламы по объемам реальных продаж и уровню ДРР, а не только по количеству лидов.

При этом важно учитывать человеческий фактор: на конверсию в продажи влияет то, как менеджеры клуба обрабатывают заявки, насколько быстро отвечают, как выстраивают диалог с потенциальными клиентами. В этом кейсе процесс обработки радикально не менялся, но мы учитывали, что часть эффекта зависит от работы менеджеров.

Дополнительную сложность создавало то, что кампании запускались в период сезонного снижения спроса на фитнес-услуги. Также следует учесть, что окно атрибуции учета офлайн-конверсий составляет 21 день, из-за чего часть отложенных покупок в отчёты не попадала.

Параллельно ежемесячно тестировались разные акции и спецпредложения, форматы посадочных страниц и креативов. Сквозная аналитика помогла увидеть, какие решения действительно усиливают продажи, а какие генерируют лиды без ощутимого влияния на выручку.

Показатели воронки продаж в июне

Показатели воронки продаж в июле

Как меняется структура воронки после перехода от оптимизации по заявкам к оптимизации по квалифицированным лидам и продажам.

Из этого кейса можно сделать несколько практических выводов.

1. При оценке эффективности рекламы важно отслеживать не только количество лидов и CPL, но и качество обращений, долю нецелевых лидов, объем фактических продаж.
2. Учёт офлайн-конверсий экономит бюджет и показывает реальный вклад рекламных каналов. Особенно это актуально для бизнесов, где значимая часть клиентов совершает сделку через мессенджеры, по телефону или лично в офлайн-точке.
3. Связка «реклама — аналитика — CRM — продажи» позволяет оптимизировать кампании по бизнес-результату. Не по кликам и заявкам, а по квалифицированным лидам и оплаченным заказам.

Если в отчётах «всё хорошо» по CPL, но продажи растут медленно, это повод смотреть глубже:

• как учитываются офлайн-обращения;
• происходит ли разделение лидов по качеству;
• возвращаются ли данные из CRM в аналитику;
• есть ли у алгоритмов возможность учиться на поведении покупателей.

Часто именно смена формального подхода в оценке эффективности на учет реальных бизнес-метрик становится точкой роста продаж без увеличения рекламного бюджета.

Если вы понимаете, что в вашей аналитике не хватает этих уровней детализации, можно начать с небольшого аудита связки «реклама — системы аналитики — CRM — продажи» и текущей воронки. В рамках такой пресейл-консультации мы разбираем, какие данные уже есть, чего не хватает и за счёт чего можно вырасти, используя более точный учёт лидов и офлайн-конверсий.