Дашборд повторных продаж и LTV в DataLens: как увидеть, кто приносит прибыль не с первой покупки

Собственник смотрит на рекламный источник просто: делит расходы на привлечение на выручку первого чека. Если вложения не вернулись сразу — источник отключают. Логика понятная, но она обрывает клиента на первой сделке и не видит того, что происходит дальше.

Почему источник по первой продаже выглядит убыточным

Порядка 60–70% первых покупателей больше не возвращаются, а вероятность второй покупки после первой держится около 24%. С такими долями любой источник легко списать в минус: по одной сделке он почти всегда выглядит слабым.

Проблема в самой формуле. Расчёт «затраты делим на первую выручку» исходит из того, что средний чек клиента не меняется во времени. Повторные сделки в него не попадают. Из-за этого срок возврата вложений выходит завышенным, и решение об отключении принимается по неполной картине.

Окупаемость по накопленному LTV

Корректная база для сравнения источников — LTV, то есть сумма, которую клиент приносит за всё время сотрудничества. При равных расходах на привлечение источник с LTV 5000 ₽ выгоднее источника с LTV 3000 ₽, даже когда по первой сделке они дают одинаковый чек. Разница видна только на дистанции.

Базовое правило юнит-экономики здесь одно: LTV должен превышать CAC. Тратить 6000 ₽ на привлечение клиента, который за всё время приносит 5000 ₽, убыточно, и это видно сразу. А вот срок окупаемости привлечения зависит от повторных покупок. В потребительских продажах ориентир возврата вложений — около 3 месяцев, при слабом удержании он растягивается до 8 месяцев и больше. Один и тот же источник окупается быстро или долго в зависимости от того, вернулся клиент за второй сделкой или нет.

Как собрать когортный отчёт из amoCRM в DataLens

Чтобы увидеть эту дистанцию, я строю когорты. Клиентов группирую по дате первой сделки и по UTM-источнику: все, кто пришёл в один месяц с одного канала, попадают в одну когорту. Дальше по когорте отслеживаю связку удержание → повторные покупки → накопленный LTV и нахожу шаг жизненного цикла, на котором клиенты перестают возвращаться.

Техническая часть требует честности. amoCRM напрямую не отдаёт готовые LTV и удержание — там лежат сделки, суммы, статусы и источники, но не рассчитанные когортные метрики. Поэтому под повторные продажи я делаю промежуточный слой: регулярные выгрузки сделок в хранилище (для больших объёмов — ClickHouse), где считаются накопленные суммы по клиенту и по когорте. Уже из этого слоя DataLens собирает дашборд. Настроить когортный дашборд по данным amoCRM в DataLens — это в первую очередь про модель данных под ним, а не про оформление графиков. Про сам стек и то, где физически лежат данные, я подробно разбирал в тексте про единое окно выручки на данных amoCRM и Roistat.

Соотношение LTV к CAC как критерий распределения бюджета

Когда LTV и CAC посчитаны по каждому источнику, появляется рабочий критерий. Здоровый ориентир соотношения LTV к CAC — примерно 3:1 и выше. При 1:1 источник работает в ноль, ниже 1:1 бизнес теряет деньги на каждом привлечённом клиенте. Бренды с сильным удержанием выходят на 4:1 и лучше.

Дашборд показывает это соотношение в разрезе каждого канала. И тогда решение о бюджете меняется: деньги перетекают к источникам с высоким LTV на дистанции, даже если по первому чеку они уступают более «дешёвым» на первый взгляд каналам. Такое распределение я разбирал и в разрезе денежных отчётов для собственника — какие пять панелей в DataLens реально влияют на бюджет.

Что это даёт потоку сделок

Повторные продажи дают предсказуемый поток сделок и снижают зависимость от дорогого трафика. Привлечь нового клиента в 5–25 раз дороже, чем удержать существующего; постоянные покупатели покупают на 67% чаще и тратят на 31% больше за заказ. Каждый источник, который приносит прибыль со второй-третьей сделки, — это часть выручки, которую первичный расчёт по первому чеку просто не увидит.

Практический эффект дашборда — он удерживает от преждевременного отключения таких источников. В одном публичном кейсе внедрения выгрузка сделок, сумм, статусов и UTM из amoCRM в ежедневные дашборды DataLens за 2 месяца дала снижение расходов на рекламу на 27% и рост конверсии с 12% до 15,5% (привожу как иллюстрацию, это данные одного интегратора и независимо не подтверждены).

Границы применимости ориентиров

Все поведенческие ориентиры выше — доля вторых покупок около 24%, окупаемость около 3 месяцев, соотношение 3:1 — взяты из зарубежных розничных и подписочных моделей. Под свои когорты в amoCRM их нужно перепроверять, а не брать как данность: доля повторных покупок и срок возврата на конкретном рынке могут отличаться в разы.

Порог окупаемого срока задаётся нишей. В потребительских продажах ориентир — около 3 месяцев. В корпоративных сделках с длинным циклом нормой могут быть 18–24 месяца, и отключать источник по трёхмесячному правилу здесь ошибка. Поэтому дашборд я всегда калибрую на собственных когортах: чтобы бюджет на рекламу распределялся по накопленной окупаемости каждого источника на ваших реальных данных, а не по средним ориентирам из чужих ниш.