Инкрементальность холодного аутрича: как понять, что сделку принёс именно он

Компания подключила холодную рассылку, сделки пошли — но выросли бы они и без неё, просто за счёт органики и рекомендаций? Это вопрос инкрементальности: не сколько лидов пришло из канала, а сколько из них не появилось бы без него. Разберём, как проверить реальный вклад холодного аутрича в воронку, не строя дорогую аналитическую модель.

Почему число ответов не отвечает на вопрос об эффекте

Стандартный отчёт по холодной кампании показывает открытия, ответы, встречи и сделки из этого канала. Кажется, что этого достаточно: канал принёс N сделок, значит эффект — N сделок. Проблема в том, что этот показатель отвечает не на вопрос «сколько дал канал», а на вопрос «сколько сделок было последним касанием, зафиксировано как email» — а это разные вещи.

Часть компаний из вашего сегмента купили бы в любом случае — через полгода нашли бы вас в поиске, пришли по рекомендации коллеги, увидели в отраслевом чате. Холодное письмо просто оказалось точкой, где они наконец среагировали, но не единственной причиной. Инкрементальность — это попытка отделить «письмо ускорило и вызвало сделку» от «письмо просто совпало по времени со сделкой, которая случилась бы и так».

Для B2B с длинным циклом сделки это особенно важно: между письмом и оплатой проходят недели и месяцы, за которые компания успевает столкнуться с брендом ещё через два-три других канала. Приписывать всю заслугу последнему из них — удобно для отчёта, но не отражает реальность.

Вопрос об инкрементальности особенно остро встаёт, когда встаёт вопрос о бюджете: руководитель, видящий отчёт «email принёс 24 сделки», логично хочет масштабировать канал — нанять ещё SDR, расширить базу, увеличить объём отправки. Если реальный вклад канала в разы меньше цифры из отчёта, такое масштабирование потратит бюджет на канал, который на самом деле лишь дублирует то, что произошло бы и без него.

Проблема атрибуции по последнему касанию

Большинство CRM по умолчанию считают атрибуцию по последнему или первому касанию. Для холодного email это создаёт системное искажение: если письмо приходит после того, как компания уже видела рекламу, читала статью в блоге или получила рекомендацию, оно часто оказывается тем самым «последним касанием» перед обращением — просто потому что аутрич хорошо таргетирован по времени, а не потому что он был решающим фактором.

Обратная ситуация тоже возможна: письмо инициирует интерес, но сделка закрывается через несколько месяцев уже как «органическое обращение», потому что контакт зашёл на сайт напрямую, забыв, что письмо когда-то было. В этом случае канал недооценён — эффект есть, а в отчётности он не виден.

Оба искажения решаются не более сложной формулой атрибуции, а прямым сравнением: что происходит с похожими компаниями, которые письмо не получали.

Есть и более тонкий вариант ошибки атрибуции — мультиканальные модели, которые пытаются распределить заслугу между всеми касаниями пропорционально. Такие модели снижают искажение по сравнению с «последним касанием», но всё равно опираются на корреляцию, а не на причинность: они показывают, какие каналы чаще встречались в цепочке до сделки, а не какие из них реально были необходимы для того, чтобы сделка состоялась.

Метод holdout-группы: самый доступный способ проверки

Практичный вариант измерения инкрементальности без сложной аналитики — контрольная группа. Из общего сегмента, который подходит под критерии кампании, случайным образом откладывается 10–20% компаний, которые намеренно не получают рассылку в этом периоде. Дальше сравнивается динамика обращений и сделок в основной группе и в holdout-группе за один и тот же срок.

Если конверсия в сделку в группе с рассылкой заметно выше, чем в контрольной, — это и есть инкрементальный эффект: разница, которую дал именно аутрич, а не общий фон рынка. Если разница минимальна, вероятно, эти сделки состоялись бы и без письма — их правильнее считать эффектом бренда или других каналов, а рассылку по этому сегменту стоит пересмотреть.

Метод требует дисциплины: группы должны быть сопоставимы по размеру компаний, отрасли и другим значимым признакам, а срок наблюдения — достаточным для цикла сделки в вашей нише. Слишком короткое окно занизит эффект у длинных циклов продаж.

Важное ограничение метода — этическая и коммерческая цена holdout-группы: часть потенциально готовых клиентов сознательно не получает предложение в течение периода теста. Поэтому размер контрольной группы обычно держат небольшим (10–20% сегмента, а не половину), а сам эксперимент проводят не постоянно, а периодически — достаточно для получения ориентира, но без длительной потери охвата.

Что отслеживать, кроме прямых ответов

Часть эффекта холодного письма не проявляется как ответ на него самого. Компания может проигнорировать письмо, но через две недели сама зайти на сайт или обратиться по телефону, упомянутому в подписи, — в CRM это фиксируется как обращение из другого источника, хотя триггером выступило письмо. Это называют тёмной или скрытой конверсией, и полностью её отследить сложно, но частично можно — если спрашивать у входящих обращений, откуда они узнали о компании, и сверять с базой контактов, получавших рассылку.

Второй полезный сигнал — рост брендовых запросов и прямых заходов на сайт в сегментах, где идёт активная рассылка, по сравнению с сегментами, где рассылки не было. Это не строгое доказательство, но косвенный индикатор, что канал работает шире, чем показывают прямые ответы.

Третий сигнал, о котором часто забывают, — влияние на скорость сделки, а не только на её факт. Даже если компания в итоге купила бы и без письма, аутрич мог сократить путь от первого интереса до сделки на месяц-два за счёт того, что предложение попало в поле зрения ЛПР раньше, чем он сам вышел бы на поиск решения. Эту скорость сложно измерить точно, но её стоит держать в уме как часть реального эффекта канала, даже когда holdout-тест показывает скромную разницу в конверсии.

• Прямые ответы и встречи из писем — базовая, но неполная метрика
• Входящие обращения от компаний из сегмента рассылки без явного ответа на письмо
• Рост прямых заходов на сайт и брендовых запросов в затронутых сегментах
• Сопоставление времени первого письма и времени первого обращения — даже если каналы разные

Как встроить проверку инкрементальности в регулярную работу

Не обязательно превращать каждую кампанию в эксперимент. Достаточно раз в квартал или при запуске в новом сегменте выделять небольшую контрольную группу и сравнивать результат — это дёшево по объёму работы, но даёт честный ориентир, стоит ли масштабировать конкретный сегмент или оффер.

Второй практичный шаг — не полагаться только на атрибуцию CRM по умолчанию, а вручную сверять цепочку: когда впервые появился контакт с компанией по любому каналу, когда ушло первое холодное письмо, когда случилось обращение. Даже без строгой модели это часто вскрывает случаи, где аутрич не был решающим фактором, и наоборот — случаи, где его роль недооценена.

Типичные ошибки при оценке эффекта рассылки

Первая и самая частая ошибка — принимать совпадение по времени за причинность: рост продаж в квартал, когда запустили рассылку, автоматически записывают в заслугу канала, не проверяя, что происходило бы без него. Вторая ошибка — сравнивать несопоставимые группы: например, компании, которые сами согласились на рассылку или проявили ранний интерес, с теми, кто изначально был менее вовлечён — разница в конверсии в этом случае объясняется составом групп, а не эффектом письма.

• Считать рост продаж за период доказательством эффекта канала без контрольной группы
• Сравнивать неоднородные по составу группы компаний
• Слишком короткое окно наблюдения для длинного цикла сделки
• Игнорировать скрытую конверсию через другие каналы после письма
• Обновлять контрольную группу слишком редко, теряя актуальность сравнения

Вопросы и ответы