Как мы создали кастомную систему сквозной аналитики для онлайн-школы, которая оказалась в 6 раз дешевле подписки на SaaS-сервис и дала более глубокие инсайты.
1. Краткое описание проекта
Для онлайн-школы программирования мы разработали AI-агента, выполняющего функции полноценной системы сквозной аналитики. Проект полностью заменил клиенту дорогостоящую подписку на сервис. Наша система автоматически собирает данные из всех рекламных каналов, сайта и CRM, связывает их в единую цепочку от клика до оплаты и предоставляет отчеты в виде интерактивного дашборда и ежедневных AI-инсайтов в Telegram.
Главный результат: Клиент получил полный аналог дорогого сервиса, сэкономив более 300,000 рублей в год, и впервые увидел не просто данные, а умные рекомендации по их использованию.
2. Основные функции ИИ-агента
- Сбор данных из всех источников:
- Рекламные кабинеты: Яндекс.Директ, VK Реклама, Google Ads, Telegram Ads.
- Сайт: Яндекс.Метрика (данные о сеансах, utm-метки, clientID).
- CRM-система: amoCRM (статус сделок, суммы, ответственные менеджеры).
- Платежные системы: YooKassa (фактические поступления денег).
- Связывание данных (Главная магия):
- Агент отслеживает путь каждого клиента: с какой рекламы и по какому ключу он пришел (UTM-метки), что делал на сайте (clientID), как попал в CRM и на какую сумму в итоге совершил покупку. Это позволяет точно связать каждый рубль расхода с каждым рублем дохода.
- Расчет ключевых бизнес-метрик:
- Агент в реальном времени рассчитывает ROI (окупаемость инвестиций) и ДРР (доля рекламных расходов) по каждому каналу, кампании, объявлению и даже ключевому слову.
- Отчетность и AI-инсайты:
- Интерактивный дашборд: Вся информация представлена на дашборде в Looker Studio, где можно "провалиться" в любые данные.
- Умные отчеты в Telegram: AI-модуль не просто показывает цифры, а интерпретирует их и дает советы.
3. Бизнес-задача клиента
Онлайн-школа использовала популярный сервис сквозной аналитики и ежемесячно платила за него около 30,000 рублей.
Основные проблемы:
- Высокая стоимость: Годовая подписка обходилась более чем в 350,000 рублей — ощутимая сумма для растущего бизнеса.
- Недостаточная гибкость: Стандартный сервис не позволял добавить кастомные метрики и не мог интегрироваться с некоторыми внутренними системами клиента.
- Поверхностные выводы: Руководитель видел дашборды, но ему не хватало времени и экспертизы, чтобы самостоятельно находить в них глубокие инсайты и точки роста. Он видел что происходит, но не всегда понимал почему и что с этим делать.
Цель: Создать собственную систему сквозной аналитики, которая будет (1) значительно дешевле в долгосрочной перспективе, (2) полностью кастомизируемой и (3) будет не просто показывать данные, а помогать принимать решения.
4. Технический стек
- Оркестратор (Сборщик данных): n8n
- Хранилище данных (Data Warehouse): Google BigQuery (мощное и экономичное решение для хранения и обработки данных)
- Визуализация и дашборды: Looker Studio (бесплатно и нативно интегрируется с BigQuery)
- AI-модуль: GPT-4o
- Канал для отчетов: Telegram
- Интеграции: API всех рекламных систем и CRM.
5. UI/UX взаимодействие
Руководитель и маркетолог получили два инструмента:
1. Основной дашборд в Looker Studio Это единое окно со всей аналитикой: воронка от показов до продаж, графики ROI по каналам, таблицы с детализацией до ключевого слова. Все фильтруется и настраивается.
2. Ежедневный AI-отчет в Telegram Каждое утро агент присылает краткую сводку с самым важным:
Аналитика за 5 августа:
💰 Обзор: • Расход: 45,000 ₽ • Доход: 115,000 ₽ • ROI: 155% ✅
🔥 AI-ИНСАЙТ ДНЯ: Кампания "Курс Python" в VK показывает ROI 350% (вложено 10к, получено 45к). Аналогичная кампания в Яндекс.Директ имеет ROI -15% (вложено 15к, получено 12.5к).
💡 РЕКОМЕНДАЦИЯ: Предлагаю перераспределить 50% бюджета с кампании в Директе на кампанию в VK. Потенциальный дополнительный доход: ~30,000 ₽.
⚠️ ПРОБЛЕМА: Среднее время ответа менеджера Ивана на заявки из CRM — 3 часа. Это в 4 раза дольше, чем у других. Конверсия его лидов в оплату на 20% ниже. Рекомендую провести беседу.
6. Особенности и фишки
- Стоимость владения: Главная фишка. Вместо ежемесячной абонентской платы в ~30,000 ₽, клиент сделал единоразовое вложение в разработку. Текущие расходы на поддержание системы (оплата серверов и API) составляют менее 3,000 ₽ в месяц. Система окупилась за 4 месяца и теперь экономит ~27,000 ₽ ежемесячно.
- Полная собственность и контроль: Клиент владеет своими данными и логикой их обработки. В любой момент систему можно доработать, подключить новый источник или изменить метрику, не дожидаясь обновлений от SaaS-провайдера.
- Проактивные рекомендации: AI-модуль превращает пассивные данные в активные советы, находя неочевидные закономерности и выступая в роли финансового советника для маркетолога.
7. Аналитика и результаты
- Прямая экономия на подписке: ~324,000 рублей в год.
- Окупаемость проекта: 4 месяца.
- Оптимизация рекламного бюджета: За первые 2 месяца после внедрения, благодаря точным данным и рекомендациям, ДРР (доля рекламных расходов) снизилась с 35% до 24%.
- Рост дохода: За счет перераспределения бюджета на самые эффективные каналы, общий доход при том же рекламном бюджете вырос на 18%.
8. Заключение
Этот проект наглядно демонстрирует, что для малого и среднего бизнеса кастомные AI-решения перестали быть недостижимой роскошью. Они могут быть не только функциональнее, но и в разы экономически выгоднее популярных "коробочных" SaaS-продуктов. Наш клиент не просто заменил один сервис другим, а совершил качественный скачок: от простого наблюдения за данными к принятию ежедневных решений на основе умных, проактивных рекомендаций от собственного AI-агента.
Устали платить за дорогие сервисы аналитики? Свяжитесь со мной, и мы рассчитаем, как быстро окупится собственная система для вашего бизнеса.