Маркетинговая аналитика для EdTech: какие метрики действительно важны

Маркетинговая аналитика в EdTech — это не дашборды ради дашбордов. Это инструмент, который отвечает на конкретный вопрос: какие каналы и продуктовые изменения действительно приносят деньги и удерживают студентов. В образовательных проектах опасно фокусироваться только на лиды. Я видел кейсы, где канал с низким CPL генерировал сотни заявок, но конверсия в оплату была на уровне 2–3%, и в итоге стоимость привлечения платящего студента оказывалась выше, чем у дорогого, но качественного источника. А бывает и наоборот: платящий ученик быстро уходит, потому что обещанный в рекламе результат не совпадает с реальным продуктом. Поэтому главное правило в EdTech-аналитике: сначала считаем полную экономику цепочки — от клика до LTV и удержания, и только потом оптимизируем отдельные этапы.

Почему в EdTech нельзя ограничиваться CPL и количеством заявок

Воронка в образовании принципиально длиннее, чем в большинстве других ниш. Пользователь может оставить заявку, пройти вебинар, получить консультацию, оплатить, начать обучение — и только после этого показать настоящую ценность для бизнеса через доходимость, завершение курса, повторную покупку или продление. Из-за этого одни и те же рекламные цифры могут вводить в заблуждение:

• низкий CPL не гарантирует продажи — я не раз сталкивался с кейсами, где лиды по 50 рублей в итоге давали CAC в разы выше, чем лиды по 500 рублей;
• высокий CR в лид может оказаться бесполезным, если лиды «мусорные» — например, привлекли аудиторию, которая не собирается платить;
• дорогой канал может быть выгоднее, если приводит студентов с высоким LTV — в долгосрочных программах или подписках это особенно заметно;
• сильная конверсия в оплату не спасает, если удержание и доходимость слабые — тогда возвраты и отток съедают всю маржинальность.

Именно поэтому я всегда рекомендую командам не зацикливаться на CPL и количестве заявок, а выстраивать систему, которая видит всю цепочку.

Какие метрики в EdTech действительно важны

Ниже — набор показателей, без которых сложно управлять маркетингом, продажами и продуктом одновременно. Это не просто список, а каркас для принятия решений, где каждая метрика дополняет другую.

Важно: сами по себе эти цифры ничего не решают. Они работают только в связке и при правильной сегментации по каналам, продуктам и когортам. Об этом дальше.

Базовая матрица метрик по этапам воронки

Чтобы аналитика приносила пользу, я разбиваю воронку на четыре ключевых этапа. В каждом — свои метрики и свои подводные камни.

1. Привлечение

На верхнем уровне нужны не только показы и клики, а данные, которые позволяют сравнивать каналы между собой. Что смотреть:

• CPC и CPM — для понимания цены контакта с аудиторией;
• CTR — чтобы оценить релевантность креатива и оффера;
• CPL — для контроля стоимости заявки;
• долю целевых лидов — чтобы отсеивать мусор. Здесь часто помогает колл-трекинг и интеграция с CRM: если лид не дозвонился или не соответствует критериям, он не должен учитываться в CPL.

Типичная ошибка: считать канал «дешёвым», если у него низкий CPL, но не проверять, сколько из этих лидов становятся платными студентами. В одном проекте мы видели, как канал с CPL 200 рублей давал 10% конверсии в оплату, а канал с CPL 800 рублей — 35%. В итоге CAC у второго был ниже.

2. Конверсия в оплату

Здесь начинается настоящая маркетинговая аналитика EdTech. Что важно:

• конверсия из лида в оплату;
• конверсия по этапам воронки: заявка → контакт → квалификация → оплата;
• время до оплаты: если среднее превышает 7–10 дней, возможно, стоит внедрить автоматический прогрев;
• причины отказов: фиксируйте их в CRM, чтобы видеть системные проблемы;
• доля оплат после повторного касания: иногда до 40% продаж закрываются после второго-третьего касания.

Если лидов много, а продаж мало, проблема может быть не в трафике, а в сценарии обработки, продукте или цене. Я не раз убеждался: низкая конверсия в оплату при нормальном CPL — это почти всегда звоночек для отдела продаж или продукта, а не для маркетинга.

3. Активация и обучение

Для EdTech критично не просто продать, а довести пользователя до первого полезного действия. Проверяйте:

• дошёл ли студент до первого урока;
• начал ли выполнять задания;
• прошёл ли он первые 3–7 дней (это критический период оттока);
• как быстро он видит результат;
• где возникает ранний отток.

Именно здесь часто выясняется, что маркетинг обещает одно, а продукт даёт другое. Например, в рекламе говорили о «быстром старте», а на деле студент неделю не может разобраться с платформой. Такие расхождения убивают retention и увеличивают возвраты.

4. Удержание и ценность

Если проект живёт на подписке, продлениях или повторных покупках, без retention-анализов можно серьёзно ошибиться в оценке каналов. Смотрите:

• retention по неделям и месяцам;
• completion rate;
• долю повторных покупок;
• средний срок жизни клиента;
• cohorts — удержание по когортам привлечения.

Для онлайн-обучения это особенно важно: у одного канала может быть высокий CAC, но лучшая доходимость и повторные продажи. Я видел кейсы, где студенты из органического поиска имели в 2 раза выше LTV, чем из платной рекламы, хотя их CAC был выше. Но без когортного анализа это было неочевидно.

Какие метрики считать главными в зависимости от модели EdTech

Выбор приоритетных метрик напрямую зависит от бизнес-модели. Ниже — матрица, которая поможет быстро сориентироваться.

Как правильно считать CAC и LTV в EdTech

CAC

CAC — это не только рекламные расходы. В идеале в расчёт входят:

• медиабюджет;
• комиссии подрядчиков;
• зарплаты маркетинга и продаж;
• CRM и аналитические сервисы;
• часть затрат на лидогенерацию и обработку.

Формула простая: CAC = все затраты на привлечение / число новых платящих клиентов

Ошибка многих команд — делить рекламный бюджет только на количество заявок. Для EdTech это слишком грубо: заявки не равны продажам. Я часто вижу, как в CAC не включают зарплату менеджеров по продажам, и тогда кажется, что канал окупается, а на деле — нет.

LTV

LTV показывает, сколько денег один клиент приносит за весь период взаимодействия с продуктом. Упрощённо: LTV = средний чек × частота покупок × средняя продолжительность жизни клиента

Для подписки логика может быть другой: считаем через ARPU и churn rate. Смысл тот же: не разовая оплата, а полный экономический эффект. В EdTech важно учитывать не только прямые платежи, но и продления, дополнительные курсы, рефералов.

Как интерпретировать LTV:CAC

Если соотношение слишком низкое, модель не выдерживает масштабирования. Если слишком высокое — это не всегда отлично, иногда это значит, что канал недоинвестирован. Практичные ориентиры:

• 3:1 — минимально комфортный уровень;
• 4:1 и выше — обычно уже хорошо;
• ниже 2:1 — повод пересматривать канал, продукт или цены.

Но в EdTech с длинным циклом и высоким LTV может быть нормой и 5:1. Главное — смотреть в динамике и по когортам.

Метрики, которые особенно важны для EdTech-продукта, а не только для маркетинга

Маркетинг в образовании нельзя отделять от продукта. Если студент быстро уходит, проблема может быть не в рекламе. Полезно отслеживать:

• activation rate — доля пользователей, совершивших первое целевое действие;
• engagement rate — вовлечённость в уроки, задания и платформу;
• lesson attendance — посещаемость занятий;
• homework completion — выполнение домашних заданий;
• course completion rate — завершение курса;
• refund rate — возвраты;
• NPS — готовность рекомендовать продукт;
• CSI / CSAT — удовлетворённость процессом и результатом.

Эти метрики помогают понять, что мешает монетизации: не тот оффер, слабый онбординг, сложный курс или завышенные ожидания. Например, высокий refund rate при нормальном NPS часто говорит о том, что маркетинг перепродал обещания, и продукт не соответствует им.

Типовые ошибки в аналитике EdTech

На основе своего опыта я выделил пять самых частых ошибок, которые искажают картину и ведут к неверным решениям.

1. Считать только лиды

Много заявок не означает много денег. Без связки с оплатой и удержанием маркетинг живёт в иллюзии роста. Я видел, как компания наращивала бюджет на канал с CPL 150 рублей, радовалась объёму лидов, а потом выяснилось, что качество упало, и продажи не растут.

2. Сравнивать каналы только по CPL

Два канала с одинаковым CPL могут давать совершенно разный CAC и LTV. Один приводит дешёвых, но «пустых» лидов, другой — дорогих, но платёжеспособных студентов. Без анализа всей цепочки вы рискуете слить бюджет на «дешёвый» мусор.

3. Не разделять новых и повторных клиентов

Повторные продажи сильно искажают картину. Если их не отделять, можно переоценить эффективность холодного привлечения. Например, канал может показывать высокий LTV за счёт повторных покупок, но если убрать их, CAC окажется неотбитым.

4. Игнорировать когорты

Средний retention по всей базе часто маскирует проблему. Нужен когортный анализ по дате привлечения, каналу и продукту. Я не раз замечал, что retention падает от месяца к месяцу, а общий средний показатель остаётся приличным за счёт старых когорт.

5. Смешивать маркетинговые и продуктовые проблемы

Если воронка проседает после оплаты, бессмысленно сразу «чинить рекламу». Сначала проверьте onboarding, контент, поддержку и первые шаги пользователя. Часто низкая доходимость — это не вина трафика, а кривой продукт.

Пошаговый план: с чего начать аналитику в EdTech

Если вы строите аналитику с нуля, вот логика, которую я рекомендую.

Шаг 1. Определите бизнес-модель

Поймите, что важнее: разовая продажа, подписка, повторные покупки или B2B-сделки. От этого зависит, какие метрики будут ключевыми.

Шаг 2. Зафиксируйте ключевое событие

Это может быть оплата, первое занятие, старт подписки или активация в продукте. Для freemium-моделей ключевое событие — активация, а не регистрация.

Шаг 3. Постройте воронку

Минимум: трафик → лид → квалификация → оплата → активация → удержание. Но на практике я добавляю промежуточные шаги, если они влияют на конверсию.

Шаг 4. Настройте сквозную аналитику

Свяжите рекламные источники, CRM, сайт, платежи и платформу обучения. Без этого данные будут фрагментированы, и вы не увидите реальную картину.

Шаг 5. Разделите отчёты по сегментам

Сравнивайте отдельно каналы, форматы курсов, аудитории, регионы и менеджеров. Средняя температура по больнице здесь не работает.

Шаг 6. Перейдите от средних значений к когортам

Смотрите не только общую выручку, а качество привлечённых пользователей по месяцам и источникам. Когорты покажут динамику и проблемные зоны.

Шаг 7. Привяжите метрики к решениям

Каждая метрика должна отвечать на вопрос: что меняем, если она растёт или падает? Например, если падает CR в оплату, проверяем скрипты продаж и качество лидов. Если растёт refund rate — смотрим на соответствие ожиданий и продукта.

Практический чек-лист для команды

Этот чек-лист — минимальный набор для аудита. Если на большинство вопросов ответ «нет», пора пересмотреть подход к аналитике.

• Есть ли у вас единое определение лида, оплаты и активного студента?
• Считаете ли вы CAC с учётом всех затрат, а не только рекламы?
• Разделяете ли вы новые и повторные продажи?
• Есть ли анализ по когортам?
• Видите ли вы retention по каналам привлечения?
• Сравниваете ли вы каналы по LTV, а не только по CPL?
• Понятно ли, на каком этапе воронки теряются деньги?
• Есть ли связь между маркетинговыми обещаниями и фактическим продуктовым опытом?

Вывод

В EdTech выигрывают не те, кто собирает больше заявок, а те, кто умеет связать маркетинг, продажи и продукт в одну систему. Если смотреть только на CPL, легко ошибиться с выводами и вложиться в канал, который не окупается. Если же отслеживать CAC, LTV, retention, completion rate и когорты, аналитика начинает отвечать на главный вопрос: какие инвестиции действительно создают рост. Без этой связки цифры останутся просто цифрами.

FAQ

Какие метрики в EdTech самые важные?

Базовый набор: CAC, LTV, LTV:CAC, retention, CR в оплату, completion rate и refund rate. Но в зависимости от модели приоритеты могут смещаться: для подписки важнее retention, для разовых курсов — completion rate и возвраты.

Почему CPL не подходит как главный показатель?

Потому что он показывает только цену лида, но не качество лида, не оплату и не удержание. Это метрика верхнего уровня, которая может ввести в заблуждение при масштабировании.

Что важнее: CAC или LTV?

Обе метрики важны вместе. CAC показывает, сколько стоит привлечение, LTV — сколько клиент приносит. Без связки их сравнивать бессмысленно. Но если у вас нет LTV, вы не знаете, окупается ли CAC.

Как понять, что канал действительно эффективен?

Канал эффективен, если у него приемлемый CAC, нормальный payback period и хорошее удержание студентов после оплаты. Ориентируйтесь на LTV:CAC не ниже 3:1 и payback до 3–6 месяцев в зависимости от модели.

Нужно ли EdTech считать retention?

Да, особенно если есть подписка, продления, повторные покупки или длинный цикл обучения. Без retention невозможно оценить реальную ценность трафика. Даже в разовых курсах низкий retention может сигнализировать о проблемах с продуктом.