Сквозная аналитика маркетинга: пошаговый туториал от UTM до дашборда

Есть цитата, которую маркетологи повторяют уже более ста лет. Её приписывают американскому ритейлеру Джону Ванамейкеру: «Половина денег, которые я трачу на рекламу, тратится впустую. Проблема в том, что я не знаю, какая именно половина» . Сказано это было в конце XIX века, когда реклама выходила в газетах и никаких инструментов отслеживания не существовало. Но странная вещь: в 2026 году, когда есть Google Ads, Meta, TikTok, пиксели, cookies и десятки аналитических платформ, большинство маркетологов живут с той же самой проблемой. Просто теперь они смотрят в три разных кабинета, и каждый показывает свой ROAS. Вместе они не сходятся никогда.

Именно здесь и начинается сквозная маркетинговая аналитика.

Что такое сквозная аналитика и чем она отличается от GA4

Сквозная аналитика – это система, которая отслеживает весь путь клиента: от первого рекламного объявления до реальной оплаты в CRM или кассе. Не до клика, не до заполнения формы, а до денег на счёте.

Звучит логично. Но большинство компаний останавливаются значительно раньше.

От первого клика до оплаты: полный путь клиента

Типичный путь покупателя в e-commerce или B2B выглядит примерно так:

Без сквозной аналитики каждый из этих этапов живёт в своей системе и не взаимодействует с другими. GA4 видит конверсии на сайте, но не знает, сколько из них превратились в реальные сделки. CRM знает о сделках, но не знает, откуда пришёл клиент. Meta Ads уверена, что все продажи – её личная заслуга.

End-to-end аналитика маркетинга решает это, собирая все данные в одно место и прослеживая каждый контакт с клиентом от первого до последнего.

Почему GA4 + рекламные кабинеты – это ещё не аналитика

GA4 является отличным инструментом для анализа поведения на сайте. Но у него есть несколько принципиальных ограничений, о которых редко говорят вслух:

С рекламными кабинетами ещё более сложная ситуация. Каждая платформа (Google, Meta, TikTok) считает конверсии по собственным правилам и в рамках собственного окна атрибуции. Если клиент увидел рекламу в Meta во вторник, а купил через Google в пятницу – обе платформы запишут эту конверсию себе. В итоге сумма ROAS со всех кабинетов может в разы превышать реальный доход бизнеса.

Именно поэтому маркетинговая аналитика в Украине (и не только) всё чаще строится не вокруг GA4, а вокруг единого хранилища данных, куда стекаются все источники. И где можно увидеть правду.

Коротко: GA4 показывает, что происходит на сайте, сквозная аналитика показывает, что происходит с бизнесом. Разница принципиальная.

3 модели атрибуции конверсий: какую выбрать

Атрибуция конверсий – это правило, по которому система решает, какому каналу засчитать продажу. Кажется технической деталью, но на самом деле именно от этого зависит, куда пойдёт ваш бюджет в следующем месяце.

Last Click: простая, но недостоверная

Модель Last Click даёт 100% кредита последнему каналу, с которого пришёл клиент перед конверсией. Именно она стоит по умолчанию в большинстве систем.

Представьте такой сценарий: пользователь увидел баннер в Meta → загуглил название бренда → перешёл из Google и купил. Last Click запишет всю заслугу Google. Meta получит ноль. В следующем месяце таргетолог получит урезанный бюджет, хотя именно его реклама запустила цепочку.

Когда Last Click приемлема: для простых продуктов с коротким циклом принятия решения, где клиент покупает с первого касания.

Linear и Time Decay

Это более сложные модели, которые распределяют кредит между несколькими точками контакта:

Ни одна из них не является правильной, все являются упрощением реальности. Но любая из них честнее Last Click в большинстве сценариев.

Data-Driven атрибуция (Google)

Data-Driven является моделью на основе машинного обучения, которую Google запустил в Google Ads и GA4. Она анализирует реальные пути конверсий в вашем аккаунте и распределяет кредит на основе того, какие каналы статистически увеличивали вероятность покупки.

Звучит идеально, и действительно работает лучше моделей на основе правил. Но есть нюанс: она полностью остаётся внутри экосистемы Google и не учитывает офлайн-касания, звонки, CRM-данные. То есть для полноценной сквозной аналитики её недостаточно, она лишь один из входных сигналов.

Вывод по атрибуции: для большинства бизнесов оптимальная стратегия – использовать Data-Driven внутри Google, но параллельно строить собственную модель атрибуции в едином хранилище данных, где есть и CRM, и офлайн, и все каналы одновременно.

Как собрать данные со всех маркетинговых каналов

Прежде чем строить дашборды и считать ROI, нужно, чтобы данные вообще собирались корректно. Это самая скучная, но самая важная часть всей системы. Если здесь ошибиться, все дальнейшие отчёты будут красиво выглядеть, но показывать неправду.

Правильная настройка UTM-меток

UTM метки – это параметры, которые добавляются к URL и позволяют GA4 и другим системам понимать, откуда пришёл пользователь.

Стандартная структура UTM выглядит так (пример):

https://iwis.io/?utm_source=google&utm_medium=cpc&utm_campaign=brand_search&utm_content=ad1

Главная проблема, с которой сталкивается большинство компаний – отсутствие единого стандарта. Один маркетолог пишет utm_source=Google, другой – utm_source=google, третий – utm_source=Google_Search. В GA4 это три разных источника. Данные распыляются, сводки не сходятся.

Подключение рекламных кабинетов (Google Ads, Meta, TikTok)

У каждой платформы есть собственный API, через который можно извлечь данные о расходах, показах, кликах и конверсиях. Есть два подхода:

Сравнение подходов:

Интеграция с CRM и системой продаж

Это самый важный и чаще всего пропускаемый шаг. Без CRM-данных вы видите лиды, но не знаете, сколько из них стали реальными клиентами и сколько денег принесли.

Технически это реализуется через передачу Client ID из GA4 в CRM в момент заполнения формы, и далее обратную передачу данных о сделках через Measurement Protocol или встроенные интеграции (для Salesforce, HubSpot, Pipedrive есть готовые коннекторы).

После этого шага вы впервые увидите не сколько лидов пришло из Meta, а сколько денег принесла Meta. И это совсем другая картина.

Если вам нужна аналитика и автоматизация для бизнеса под ключ, команда IWIS строит такие системы от архитектуры до дашборда.

Архитектура сквозной аналитики

Если предыдущие разделы были о том, какие данные собирать, то этот будет о том, как их организовать так, чтобы они не превратились в кучу таблиц, в которых никто не разбирается.

Единое хранилище маркетинговых данных

Центральный элемент любой сквозной аналитики – это Data Warehouse: единое место, куда стекаются данные из всех источников. Рекламные кабинеты, GA4, CRM, система оплат – всё попадает сюда, нормализуется по единой схеме и хранится в одном формате.

Самые распространённые решения для маркетингового хранилища:

Для большинства украинских компаний среднего размера оптимальный старт – BigQuery + Looker Studio или BigQuery + Power BI. Это даёт достаточную мощность без чрезмерных затрат на инфраструктуру, и именно на этих инструментах строится BI-аналитика для интернет-магазина.

Типичная архитектура выглядит так:

Рекламные кабинеты (Google Ads, Meta, TikTok)

↓

ETL / Connectors

↓

Data Warehouse (BigQuery)

↓

Слой трансформаций (dbt / SQL)

↓

Визуализация (Power BI / Looker)

Слой трансформаций – это место, где сырые данные превращаются в понятные метрики: стоимость лида по каналу, ROI кампании, конверсия по воронке. Без этого шага хранилище остаётся просто большой базой данных, а не аналитическим инструментом.

Дашборд маркетолога vs дашборд CMO

Одной из самых распространённых ошибок является построение одного дашборда для всех. В результате он либо слишком детальный для руководителя, либо слишком поверхностный для специалиста.

Правильная логика – два уровня:

Такое разделение позволяет каждому уровню видеть то, что нужно для принятия решений, без потери деталей там, где они критичны.

Реальный ROI по каналам: как считать правильно

ROI маркетинговых каналов – это то, что получается после сравнения расходов на канал с реальным доходом от клиентов, которых этот канал привёл. А не то, что показывает рекламный кабинет.

Формула такая:

ROI = (Доход от канала − Расходы на канал) / Расходы на канал × 100%

Но доход здесь – это реальные оплаты из CRM. И именно здесь большинство компаний получают неприятные сюрпризы.

Три типичные ошибки при подсчёте ROI:

1. Считают лиды, а не деньги. Канал может давать много лидов с низким качеством. И выглядеть эффективным по CPL, но убыточным по реальному доходу.
2. Не учитывают стоимость команды. В расходы на канал нужно включать не только рекламный бюджет, но и зарплату или агентские комиссии за управление кампаниями.
3. Сравнивают разные окна атрибуции. Google Ads считает конверсии за 30 дней, Meta – за 7 дней после клика или 1 день после просмотра. Если сравнивать их в лоб, цифры будут некорректными.

Правильный подход: все конверсии берутся из CRM по дате закрытия сделки, привязываются к источнику через Client ID или UTM первого касания, и только после этого сравниваются с расходами из рекламных кабинетов за тот же период.

Именно это и даёт сквозная аналитика: вместо трёх оптимистичных отчётов из трёх кабинетов, один честный отчёт из одного источника.

Отраслевой кейс: как e-commerce сократил расходы на рекламу без потери продаж

Рассмотрим обобщённый сценарий, который отражает типичную ситуацию интернет-магазина после внедрения сквозной аналитики.

Исходная ситуация. Интернет-магазин одежды с месячным рекламным бюджетом около 15000$. Активные каналы: Google Search, Meta и email-рассылки. GA4 показывал стабильную конверсию, все три канала отчитывались о положительном ROAS. При этом прибыль не росла, а владелец не понимал почему.

Что выявила сквозная аналитика. После подключения CRM к единому хранилищу и построения атрибуции по первому касанию картина изменилась кардинально:

• Google Brand Search (реклама по запросам с названием бренда) показывал ROAS 8x в кабинете, но после анализа выяснилось, что 74% этих пользователей и так бы купили, они уже были в базе или пришли после email-рассылки.
• Meta генерировала больше всего лидов, но конверсия в оплату была вдвое ниже, чем у Google Performance Max.
• Email-канал в GA4 атрибутировался как «direct» из-за отсутствия UTM в части писем, и фактически исчезал из отчётов.

Что изменили. Бюджет с Brand Search частично перераспределили на Performance Max и новые аудитории в Meta. Email получил полноценную UTM-разметку. Для Meta изменили стратегию: вместо конверсионных кампаний сделали акцент на awareness с ремаркетингом через Google.

Результат через 3 месяца. Рекламный бюджет сократился на 22% за счёт отключения неэффективных кампаний. Количество реальных оплат осталось на том же уровне, а CAC снизился на 18%.

Ключевой инсайт: проблема была не в том, что каналы плохо работали. Проблема была в том, что без сквозной аналитики невозможно было понять, какие именно работают.

Чеклист готовности к сквозной аналитике

Прежде чем строить дашборды и подключать хранилища, стоит проверить базу. Вот минимальный набор условий, без которых сквозная аналитика просто не заработает:

Если больше половины пунктов не выполнены, это не повод откладывать аналитику, а чёткий план с чего начинать.

Бесплатная консультация по маркетинговой аналитике

Построение сквозной аналитики – это система, которая требует правильной архитектуры с самого начала. Ошибки на уровне сбора данных или атрибуции стоят дорого: не деньгами, а месяцами решений на основе недостоверных цифр.

Команда IWIS строит такие системы для украинского бизнеса: от аудита текущего состояния до полноценного дашборда с интеграцией CRM и рекламных кабинетов.

Если хотите понять, где в вашей аналитике сейчас теряются данные и какие каналы на самом деле приносят деньги, запишитесь на консультацию по маркетинговой аналитике. Без обязательств, конкретно по вашей ситуации.