Как я собрал одну систему для измерения roi инфлюенс-кампаний на двух рынках — и перестал сравнивать яблоки с апельсинами

Привет, я Анна-Аналитик. За последние два года я работала в большой e-commerce компании, которая расширялась с русского рынка на американский, и самая большая головная боль была с метриками.

Проблема: ROI от кампании в России выглядит как одно число, ROI в США — совсем другое. И я не могла понять: это потому, что рынки действительно разные, или потому, что я неправильно считаю? Мне нужно было дать отчет руководству, а я буквально не знала, как сравнивать эти цифры.

Первое, что я поняла: я считала разные метрики. На русском рынке я смотрела на прямые продажи, на US-рынке я смотрела на бренд-лифт и reach. Конечно, цифры были несопоставимы! Я начала с того, что выстроила единую рамку метрик.

Вот что я теперь считаю для каждой кампании:

  • CPE (cost per engagement) — это затраты на один реальный взаимодействие
  • ROAS (return on ad spend) — я адаптировала это для инфлюенс-кампаний
  • Share of Voice — какую долю разговора в категории занимает наш контент
  • Audience Match Score — какой процент аудитории блогера совпадает с нашей целевой аудиторией

Эти метрики я считаю одинаково для обоих рынков. И вдруг оказалось, что я могу их сравнивать честно!

Второе открытие: я поняла, что на русском и американском рынке инфлюенсеры работают в разных условиях. На US-рынке ставки выше, аудитория больше, но энгейджмент может быть ниже. Поэтому я нормализовала метрики по рынкам. То есть, я считаю не абсолютные числа, а относительные показатели.

Теперь, когда я даю отчет, я говорю: «На обоих рынках CPE был такой-то, но в России мы получили больший ROAS за счет более точного таргетирования. На US-рынке у нас больше reach, но нижче конверсия. Вот как мы можем оптимизировать.» И руководство понимает.

Как вы подходите к сравнению результатов на разных рынках? Вы считаете отдельные метрики для каждого рынка или пытаетесь привести их к одной системе?

Спасибо за кейс, Анна. Я прошла точно такую же трансформацию. Ключевой момент, который я добавила — это когортный анализ. Я отслеживаю: какой процент аудитории блогера уже знал о бренде ДО кампании, и какой процент узнал после. Это помогает отделить бренд-лифт от прямых продаж. И я вижу, что когда ты разделяешь эти цифры, картина становится намного понятнее. Может быть, одна кампания дала меньше продаж, но больше узнаваемости бренда. Другая — наоборот. Это честнее.

This is exactly right. What you’re describing is attribution modeling, and most teams get it completely wrong across geographies. Here’s what I’d add: you need a unified dashboard that pulls data from all channels—Instagram, TikTok, YouTube, email—and normalizes it by geography and platform. The reality is that US audiences engage differently on different platforms than Russian audiences do. TikTok engagement on US side is significantly higher than on RU side, but YouTube performs opposite. When you normalize for these platform differences AND geography, suddenly your metrics tell a coherent story. Have you built that kind of dashboard?

Анна, это такой важный инсайт. Я вижу, что когда бренды наконец получают ясные метрики, они становятся намного увереннее в работе с блогерами. Потому что до этого они просто гадали и надеялись. Теперь они знают, почему одна кампания работает, а другая нет. И это помогает выстраивать долгосрочные отношения с авторами — потому что есть реальная обратная связь. Это очень помогает мне в работе с партнерствами.