По данным исследования, компании, которые довели внедрение ИИ в аналитику маркетинга и выручки до рабочего состояния, показывают $640K Net New ARR на одного сотрудника (FTE). Компании, которые используют ИИ поверхностно или не используют вовсе, - $370K. Разница - около $270K на сотрудника. Цифра не гарантирует такой же результат конкретной компании, но как ориентир по выборке она достаточно устойчива, чтобы разобраться, что за ней стоит.
Первое, что напрашивается - купить больше AI-инструментов. Это неверный вывод, и разбор ниже объясняет почему.
Разрыв не про инструменты, а про то, что к ним подключено
AI-модель, которой скормили данные по лидам без данных по закрытым сделкам, даст красивый, уверенный и бесполезный ответ. Она не может «додумать» то, чего нет во входных данных, а может только правдоподобно интерполировать между известными точками. Если единственная точка данных - это стоимость лида, ИИ в лучшем случае оптимизирует стоимость лида быстрее человека. На выручку это не влияет никак.
Компании из верхней группы в исследовании не обязательно тратят больше на лицензии AI-сервисов. Они раньше выстроили инфраструктуру, в которой CRM, рекламные кабинеты и данные по выручке связаны между собой на уровне одной сделки, а не трёх разрозненных таблиц. AI-адопшен - это то, что стало возможным благодаря такой связке, а не то, что её заменяет. Отсюда и разница в $270K: она измеряет не факт использования ИИ, а зрелость данных, на которых ИИ работает.
Пока метрика - CPL, анализировать нечего
Больше половины команд, с которыми Exceltic сталкивается в B2B, всё ещё принимают решения о бюджете по CPL - стоимости лида. Она считается автоматически в любом рекламном кабинете и не требует ждать 30-60 дней цикла сделки. Проблема в том, почему CPL вводит в заблуждение: он описывает вход в воронку, а не её результат, и ничего не говорит о том, сколько из этих лидов закрылось в клиента и с какой выручкой.
Если данные останавливаются на CPL, AI-модели буквально нечего анализировать глубже этой точки. Она может ранжировать каналы по стоимости контакта - это умеет и обычная сводная таблица - но не может сказать, какой канал приносит закрытые сделки дешевле, потому что этой информации нет в источнике. Компания может подключить любое количество AI-сервисов поверх такой воронки и не сдвинуться ни на процент, потому что узкое место не в анализе, а в том, что данные не доходят до конца воронки.
Ощущение точности против реальной точности
В B2B-продажах распространено допущение «правило 80/20»: 20% менеджеров закрывают 80% выручки. По факту в выборках B2B-компаний реальное распределение ближе к 60/20 - те же топ-20% продавцов закрывают около 60% выручки, а не 80%. Разница между 80% и 60% не мелочь - это ошибка почти в треть, и она возникает именно там, где решение принимается по интуиции и общепринятой цифре, а не по измерению на собственных данных.
С маркетинг-аналитикой работает та же логика. Компания без сквозной связки CRM и рекламных платформ действует по интуиции о том, какой канал работает лучше - и эта интуиция систематически смещена в сторону канала с самым низким CPL, потому что это единственная измеримая цифра под рукой. Разрыв в $270K на сотрудника - это, по сути, цена такого смещения, помноженная на масштаб компании.
Что нужно, чтобы AI-аналитика реально работала
Три условия закрывают этот разрыв, и все три - про данные, а не про модель:
- Реклама и CRM связаны на уровне click ID или UTM-меток, а не восстанавливаются вручную постфактум.
- Сделка в CRM доведена до статуса закрытой (выигранной или проигранной) с привязкой к каналу первого касания.
- Оценка канала строится по стоимости закрытой сделки, а не по стоимости лида.
Свести это вручную можно - раз в квартал, силами аналитика с доступом к CRM и рекламным кабинетам. Как разовый аудит это работает. Как процесс, который нужно поддерживать каждый месяц по мере роста числа каналов, - обычно нет: ручное сведение отстаёт от бюджетных решений, и команда снова скатывается к CPL, потому что он под рукой.
Именно эту связку достраивает Prooflytics: он соединяет данные рекламных кабинетов с воронкой в CRM и показывает стоимость закрытой сделки по каждому каналу без ручной сборки таблиц. С такой основой AI-аналитика перестаёт быть косметическим слоем поверх CPL и начинает отвечать на вопрос, ради которого её вообще подключали - какой канал реально приносит выручку.