CAC (стоимость привлечения клиента): расчёт и оптимизация
1. Архитектура и принцип работы
Считаем по закрытым сделкам, а не по заявкам. Берём окно, например квартал, и складываем все расходы, которые привели клиента: медийный бюджет, подрядчики (SEO, контент, линкбилдинг), зарплаты маркетинга и продаж с налогами, софт (CRM, коллтрекинг, аналитика), стоимость вебинаров и мероприятий. Делим на количество новых клиентов, подписавших договор в том же окне. Дальше сопоставляем с LTV и маржой: если CAC выше трети LTV, модель ломается. В B2B цикл сделки длинный, поэтому важен когортный расчёт — привязываем затраты к когорте по дате первого касания, а не по дате оплаты, иначе цифра скачет. Отдельно считаем CAC по каналам: SEO, платный поиск, outbound, партнёрства. SEO-канал в B2B почти всегда даёт низкий CAC на горизонте 6–12 месяцев, но требует вложений на старте.
2. Математическая механика и триггеры ранжирования
Формула: CAC = (Marketing Spend + Sales Spend) / New Customers. Для канала: CAC_ch = (Spend_ch + Allocated Overhead) / Customers_ch. Атрибуция в B2B мультитач: используем position-based (40% первому касанию, 40% конверсии, 20% между) или data-driven в GA4. Реальные параметры B2B: цикл сделки 60–180 дней, конверсия MQL→SQL 15–25%, SQL→Win 20–35%, средний чек 300–800 тыс. руб., LTV/CAC целевой ≥3, payback ≤12 месяцев. Пример: квартал, бюджет SEO 400 тыс., контент 250 тыс., зарплаты 600 тыс., софт 80 тыс., закрыто 12 клиентов → CAC = 1 330 000 / 12 ≈ 110 833 руб. При среднем чеке 450 тыс. и марже 40% (180 тыс.) payback ≈ 0,6 сделки, LTV/CAC здоровый. Считаем также CAC по когортам и blended CAC, чтобы не путать органику с платным трафиком.
3. Специфика в Яндекс (YATI) vs Google
В Яндекс Директе данные по конверсиям и целям отдаются через Метрику и API, атрибуцию удобно строить на Метрике с моделью «последний переход» или через загрузку офлайн-конверсий. В Google Ads — offline conversion import и GA4 с data-driven моделью, но в РФ GA4 ограничен, чаще берут Яндекс Метрику или self-hosted аналитику. По SEO: Яндекс больше весит коммерческие и региональные факторы, БК и ИКС, Google — ссылочные и E-E-A-T. Для B2B в Яндексе Директ часто дороже по клику, но конверсия выше за счёт гео и поведенческих; в Google Search CPC ниже, но меньше объёма в русскоязычной нише. На CAC влияет не платформа, а качество атрибуции: без офлайн-конверсий обе системы занижают стоимость сделки.
4. Нормативы SLA и диагностическая матрица
| Параметр / Метрика | Эталон по SLA | Критическая ошибка |
|---|---|---|
| LTV / CAC | ≥ 3 | < 1,5 |
| Payback CAC (месяцы) | ≤ 12 | > 18 |
| Конверсия MQL → Win | 5–10% | < 2% |
5. Пошаговый инженерный протокол внедрения
- Соберите полный стек затрат за квартал: реклама, подрядчики, ФОТ маркетинга и продаж, софт, мероприятия — и сведите в одну таблицу с разбивкой по каналам.
- Настройте передачу офлайн-конверсий (подписание договора) из CRM в Метрику и Google Ads, чтобы атрибуция считала сделки, а не заявки.
- Считайте CAC по когортам первого касания и по каналам отдельно, сверяйте blended CAC с LTV/CAC ≥3 и payback ≤12 месяцев.
- Запустите SEO-кластер под B2B-запросы с высоким интентом (внедрение, интеграция, цена, аналог) и через 2 квартала сравните CAC SEO-канала с платным поиском и outbound.
CAC = (Σ marketing_spend + Σ sales_spend) / new_customers;
CAC_channel = (spend_channel + allocated_overhead) / customers_channel;
health_check: LTV / CAC >= 3 AND payback_months <= 12;
payback_months = CAC / (avg_deal * gross_margin) * avg_cycle_months;
6. Типичные ошибки при оптимизации
- Считать CAC по лидам, а не по закрытым сделкам — цифра занижается в 3–5 раз и ломает юнит-экономику.
- Не включать зарплаты SDR и маркетинга в затраты — CAC выглядит красиво, но не отражает реальную стоимость привлечения.
- Смешивать все каналы в один blended CAC и не видеть, что SEO и контент тянут экономику вниз, а платный поиск — вверх.
