В клинике было сотни первичных пациентов, но данные о них хранились в Google-таблице, похожей на «фиговый листочек», которым пытались прикрыть полное отсутствие системного подхода и понимания основ аналитики.

Очевидно, что предыдущий маркетолог, который занимал эту позицию долгие годы, либо упустил из виду ключевую роль аналитики, либо просто не владел инструментами такого анализа.

Источники лидов определялись исключительно опросами администраторов, предлагающими всего три варианта ответа: «интернет, письмо, рекомендация». «Письмо»? Последняя рассылка писем была три года назад и больше не проводилась, и не планировалась!. А «интернет» — это настолько размыто, что не давало никакой полезной информации, кроме общего факта существования пациента в цифровой среде. Более того, такие вопросы вызывали раздражение у звонивших: они не понимали сути вопроса с первого раза, и администратору приходилось тараторить его снова: «интернет, письмо, рекомендация?», создавая неудобство для обеих сторон.

Я ничего не имею против Google-таблиц — это отличный инструмент для маленького потока пациентов, например, до 30 человек в месяц. В таких случаях их использование оправдано: просто, быстро и доступно. Однако в сети из трёх клиник, где сотни первичных пациентов, такой подход превращается в хаос. Нет централизованной системы, отсутствует возможность анализа данных в разрезе каналов, а администраторы физически не могут успевать фиксировать всё необходимое. В результате компания теряет не только контроль над воронкой продаж, но и перспективы роста.

Для решения этой проблемы мы внедрили комплексный подход к отслеживанию и анализу источников трафика. Мы подключили дополнительные подменные номера, привязав их к каждому каналу: Яндекс Карты, основной сайт, лэндинги и другие ключевые площадки. Это позволило отслеживать звонки с высокой точностью. Одновременно с этим мы интегрировали подробные UTM-метки, что дало возможность детально анализировать поведение пользователей и понимать, какой канал или кампания привели первичного пациента.

Уже через три месяца у нас появилась чёткая картина: мы могли точно определить происхождение 75–80% трафика. Однако это было только началом. Мы добавили этап квалификации лидов, чтобы разделять целевых пациентов от случайных запросов. Это позволило не только понимать, какие источники приводят больше качественных лидов, но и эффективно перераспределять ресурсы на самые результативные каналы. Такой подход дал не просто аналитику — он открыл новые возможности для роста и оптимизации воронки продаж.