Как я перестала считать ROI инфлюенс-кампаний вслепую и выстроила одну систему для двух рынков

Стратегии инфлюенс-маркетинга (RU)
1

Два года назад мы столкнулись с проблемой, которая казалась мне уникальной, но потом я поняла, что это системная беда почти для каждого бренда с амбициями масштабироваться: как считать ROI, когда твои кампании одновременно идут в России и в США, но всё выглядит по-разному?

Всё началось просто. Мы запустили параллельную кампанию с микро-инфлюенсерами: 15 создателей в России, 15 в США, одинаковый бюджет, одинаковый бриф. Когда данные пришли, я открыла таблицы и обалдела. Российская команда считала это за 3.5x ROI, американская — за 1.9x. Тот же период, те же инфлюенсеры по уровню, одна кампания.

Оказалось, что мои люди в Москве считали атрибуцию через прямые продажи за 28 дней, а американцы включали все touch-point’ы, включая просмотры через рекламный пиксель. Один считал клик как успех, другой — как промежуточный шум.

Я потратила месяц на то, чтобы задокументировать, как кто считает. Встретилась с каждой командой отдельно, потом созвала всех вместе и буквально покаялась: ‘Ребята, мы считаем совершенно разные вещи и никто не виноват. Но это нужно остановить.’

Мы выбрали одну методологию. Не компромисс, а просто одну. First-click атрибуция, 28-дневное окно, одинаковые исключения (ботовые клики, возвраты), одинаковое определение конверсии. Да, этот способ не идеален ни для России, ни для США, но это идеально для сравнения.

После этого наша вариативность упала с ±35% до ±8-10%. И главное — я начала спать спокойнее, потому что я точно знаю, что я смотрю.

Что изменилось физически: мы построили единый Mixpanel dashboard, который берёт сырые данные с обоих рынков и применяет одинаковую логику расчётов. Вся методология залита в Documentation. Когда кто-то ставит вопрос, мы можем проследить любую цифру до её источника.

Людям это очень не нравилось вначале—обе стороны думали, что их способ правильный. Но потом все поняли, что правильный способ—это когда ты знаешь, что ты смотришь.

Кто ещё столкнулся с этим? Как вы это решили? И главное—считаете ли вы, что нужна абсолютная унификация, или можно жить с двумя параллельными системами, если они полностью прозрачны?

2

Это отличный кейс! Честно, что мне нравится в вашем подходе—вы пошли в самую больную точку и остановились там, вместо того чтобы перепрыгивать через проблему.

Я вижу похожую картину, когда помогаю брендам нанимать агентства в разных странах. Все говорят ‘да, давайте будем измерять одинаково’, но потом каждый приходит со своими метриками. Когда я организовываю киккоффы и встречи между командами, часто выясняется, что они не враги—просто никогда не сидели в одной зуме и не обсуждали, что считается ‘успехом’.

Ваш способ с Mixpanel и документацией—это идеально. Я буду рекомендовать этот подход другим партнерам.

3

Спасибо за такой конкретный кейс. Это ровно то, что я пытаюсь донести правильность подхода: не ‘какая система лучше’, а ‘какая система честная и воспроизводимая’.

Один вопрос для вас: как вы справляетесь с ситуацией, когда на местном рынке (в России) есть специфические метрики, которые имеют смысл только там? Например, заказы через Яндекс.Касса или тип доставки—это часто влияет на ROI локально, но совсем не применимо в США.

Мы в своей компании предусмотрели ‘ядро метрик’ (которое одинаковое везде) и ‘локальной надстройку’. Ядро—это для сравнения, надстройка—для локальной оптимизации. Может быть, вам это будет полезно?

4

И ещё одна мысль: как вы обновляете методологию? Или она зафиксирована навсегда? Просто я помню, как мы залезли в первую версию нашего фреймворка и потом год не могли ничего менять, потому что все данные привязаны к одной системе.

5

Очень созвучно моему опыту, когда мы начали выходить в европейские рынки. У нас был другой сценарий—мы изначально не думали, что нужна одна система, и потом это стало полным кошмаром.

Когда мы наконец выстроили единую методологию, выяснилось, что часть наших украинских кампаний были убыточны, но мы просто не видели это, потому что считали по-другому. Потом пришлось переторговывать с инфлюенсерами, переделать креативы—неприятная ситуация.

Твой подход был бы намного умнее: сразу зафиксировать систему, даже если кажется, что она субоптимальна. Лучше консервативно-честно, чем оптимистично-слепо.

6

This is textbook data governance done right. You identified the problem (lack of unified measurement), you didn’t try to solve it with a new tool first (classic mistake), you actually aligned stakeholders on definitions.

One thing I’d add to your approach: build a validation layer into your dashboard. I mean, quarterly audits where you manually sample campaign data and verify that your automated calculations still match reality. Attribution models have a way of slowly drifting from what’s actually happening on the ground.

Also—document your assumptions, not just your process. When interest rates change, or inflation hits, or iOS updates tracking again, your attribution window might need to shift. If you’ve documented why you chose 28 days instead of 14, you’ll know when to revisit that assumption.

7

Я просто хочу сказать спасибо за то, что вы это делаете. Честно. Когда я работаю с брендами, и они мне говорят ‘мы измеряли твою кампанию как X ROI’, но потом я слышу от других брендов совсем другие числа—это создает ощущение, что я не понимаю, сколько я стою.

Еегда бренды прозрачны в своей методологии, я могу лучше договариваться о цене. Я знаю, на какие числа опираются, и мы можем обсудить, честные ли они.

Если вы когда-нибудь организуете конференцию про стандартизацию метрик—я буду слушать. Серьезно.