Модель ROI для outbound: от отправок до встреч и дохода

Почему уровень ответов может вводить в заблуждение

Высокий процент ответов кажется доказательством того, что outbound работает. Но легко получить «хорошие» ответы, которые не превращаются во встречи, возможности или доход. Если вы отслеживаете только ответы, вы будете праздновать шум.

Типичный пример: вы правите тему письма и задаёте вопрос «да/нет». Ответы растут с 3% до 8%. Звучит отлично, пока вы не посмотрите внимательнее и не увидите, что большинство ответов — «не подходит», «перестаньте писать» или «не тот человек». Процент ответов вырос, а календарь по-прежнему пуст.

Процент ответов — это метрика активности. Она показывает, что люди отреагировали. Она не показывает, что реакция продвинула сделку. Метрики результата привязаны к деньгам: проведённые встречи, квалифицированные возможности и закрытые сделки.

Практическое решение — перестать считать все ответы равными. Разделите их по намерению: положительные (готовы поговорить), нейтральные (вопросы, «может позже»), отрицательные (нет, отписаться) и автоответы/вне офиса или bounce. Модель должна работать на позитивной куче, а не на общем количестве.

Задавайте ожидания, начиная с простой таблицы, даже если кажется «слишком простым». Используйте несколько показателей, которые вы можете измерять и обновлять еженедельно. Когда у вас появятся реальные данные, можно уточнять модель по персонам, предложению, последовательности или каналу, не меняя основной идеи: активность важна только если предсказывает результат.

Этапы воронки, которые приводят к доходу

Если вы хотите модель outbound ROI, которая выдержит проверку, используйте этапы, напрямую связанные с деньгами.

Начинайте с доставленных писем, а не просто отправленных. «Sent» включает сообщения, которые никогда не попали в почтовый ящик из‑за bounce или блокировок. «Delivered» — это реальная стартовая линия.

Далее отдельно учитывайте все ответы и положительные ответы. «Все ответы» включают автоответы, «не тот человек», «не интересно» и отписки. Эти сигналы полезны, но они не создают pipeline. «Положительные ответы» — это подмножество, которое показывает намерение поговорить или узнать больше.

Оттуда отслеживайте шаги, которые действительно важны для продаж:

• Встречи, которые забронированы (перспективы согласны на время)
• Проведённые встречи (звонок состоялся)
• Созданные возможности (в CRM началось реальное движение)
• Закрытые сделки (пришли деньги)

Небольшой пример показывает, почему это важно. Представьте, что 10 000 доставленных писем дают 400 общих ответов (4%). Если только 80 из них положительные (0,8%), и лишь половина превращается в проведённые встречи, у вас будет 40 реальных разговоров. Это число скорее предсказывает pipeline, чем 4% ответов.

Чтобы привязать воронку к доходу, нужны ещё два постоянных входа: доход на сделку (ACV или средний первый платёж) и временное окно. У outbound есть лаг. Месяц отправок может дать встречи в этом месяце, возможности в следующем и закрытия в следующем квартале.

Стройте модель вокруг периода, в котором вы работаете еженедельно (часто активность — по месяцам, доход — по кварталам), затем добавьте простое предположение о цикле продаж, чтобы не «засчитывать» доход раньше, чем он реально может закрыться.

Основные коэффициенты для отслеживания (ограничьтесь 5 числами)

Вам не нужны десятки метрик. Пять коэффициентов могут обслуживать всю воронку, если каждый из них находится между двумя этапами, которые вы умеете считать.

• Delivery rate = delivered / sent
• Positive reply rate = positive replies / delivered
• Meeting booked rate = meetings booked / positive replies
• Show rate = meetings held / meetings booked
• Close rate = closed-won / opportunities

Держите знаменатели очевидными. Использование delivered вместо sent исключает bounce и некорректные доставки из математической оценки.

Две правила делают модель стабильной:

Во‑первых, определите «положительный» ответ один раз и придерживайтесь этого. Если вы меняете, что считается положительным каждую неделю, модель будет сильно колебаться.

Во‑вторых, сначала улучшайте самый слабый коэффициент. Если доставка 95%, положительные ответы 2%, но только 25% положительных идут в встречи, ваш самый быстрый выигрыш обычно в повышении конверсии забронированных встреч (лучшие follow-up, clearer CTA, быстрее отвечать), а не в отправке бОльшего количества писем.

С этими пятью числами вы можете перевести «мы отправили 10 000 писем» в «ожидаем X встреч, Y возможностей и Z сделок», не притворяясь, что процент ответов равен доходу.

Пошаговое построение модели в таблице

Полезная модель начинается с входных данных, которыми вы можете управлять и измерять. Поместите их в верхнюю часть листа, затем дайте математике воронки сделать остальное.

Начните с:

• Sends (писем, отправленных за период)
• Delivery rate (процент доставленных, без bounce)
• Positive reply rate (процент доставленных, показывающих намерение)
• Meeting booked rate (процент положительных ответов, превращающихся во встречу)
• Opportunity rate и close rate (ваши коэффициенты конверсии в продажах)

Добавьте рядом затраты: стоимость лида (если вы платите за данные), часы работы, почасовая ставка (или полностью загруженная стоимость SDR) и стоимость инструментов. Затем добавьте ACV (средний размер сделки) или среднюю стоимость сделки.

Шаг 1: от отправленных к доставленным

Delivered = Sends x Delivery rate

Если вы не отслеживаете delivery rate, вы гадаете. Bounce тихо портят всю математику.

Шаг 2: от доставленных к встречам

Positive replies = Delivered x Positive reply rate

Meetings = Positive replies x Meeting booked rate

Если вы уже считаете «встречи на доставленное», можно пропустить средний шаг и использовать Meetings = Delivered x Meeting rate. Но обычно сохранение промежуточного шага помогает увидеть, что ломается: возможно, копия письма вызывает интерес, но follow-up не переводит в календарь.

Шаг 3: от встреч к доходу

Opportunities = Meetings x Opportunity rate

Closed deals = Opportunities x Close rate

Revenue = Closed deals x ACV

Опционально: Gross profit = Revenue x Gross margin (если хотите ROI по прибыли).

Добавьте ROI и период окупаемости

Total cost = (Leads x Cost per lead) + (Hours x Hourly cost) + Tooling cost

ROI = (Revenue - Total cost) / Total cost

CAC payback (простая) = Total cost / Monthly gross profit

Шаблон воронки, готовый для таблицы

Настройте лист, чтобы отвечать на один вопрос быстро: если вы измените объём или качество на этой неделе, что произойдёт с встречами и доходом через пару недель?

Создайте по вкладке на кампанию (например, «IT services SMB» vs «Recruiting agencies»). Используйте строки для периодов времени. Еженедельные строки обычно работают лучше, потому что соответствуют тому, как команды действуют и просматривают результаты. Месячные строки подойдут, если цикл продаж медленный.

Для колонок держите сырые счёты отдельно от вычисляемых коэффициентов. Чистый порядок: активность, затем результаты встреч, затем pipeline и доход:

• Активность: Sent, Delivered
• Ответы: Interested, Other replies, Bounces/Unsubs
• Встречи: Meetings booked, Meetings held
• Pipeline: Opportunities created, Wins
• Деньги: Average deal size, Revenue

Оставьте область «Assumptions» сбоку с небольшим набором коэффициентов, которые вы хотите редактировать в одном месте (delivery, interested rate, booked-from-interested, held-from-booked, win rate, average deal size). Еженедельные строки должны ссылаться на этот блок, чтобы вы могли запускать сценарии без переписывания формул.

Добавьте блок с затратами (фиксированные ежемесячные плюс переменные за лид) и ссылайтесь на него в ячейке ROI. Включите колонку Notes в каждой строке. Записывайте, что изменилось: источник, оффер, темы, или конфигурация отправки. Это то, что делает всплески и падения объяснимыми позже.

Прогнозирование: лучший, базовый и худший сценарии

Прогнозирование превращает модель outbound ROI в инструмент планирования. Цель не в идеальной точности. Цель — планировать с запасом: базовый сценарий, защитный худший и понимание возможного upside.

Выберите три варианта нескольких коэффициентов, которые двигают воронку. Базовый сценарий должен отражать то, что вы можете повторить в ближайшие недели. Худший должен предполагать, что что‑то пойдёт не так (качество списка падает, доставляемость ухудшается или отклики замедляются). Лучший — это хорошая неделя, а не чудо.

Быстрая таблица чувствительности, которую можно вставить в лист

Вместо прогнозов по проценту ответов, прогнозируйте от доставленных писем до встреч и побед. «Встреч на доставленное» часто самый полезный единый коэффициент, потому что он захватывает и таргетинг, и соответствие сообщения.

Чтобы сделать из этого лучший/базовый/худший, продублируйте таблицу три раза или добавьте три колонки для каждого коэффициента.

Выберите объём отправок, который ваша команда потянет

Прогнозирование помогает только если вы сможете обработать результаты. Если базовый сценарий даёт 30 встреч в следующем месяце, а команда может провести только 12, вы потратите лиды зря.

Планируйте от обратного: сколько встреч вы можете обработать, сколько из них конвертируется в возможности и сколько сделок вы можете вести одновременно.

Пример сценария с реальными числами (просто и реалистично)

Допустим, вы провели холодную кампанию за 30 дней и получили 10 000 доставленных писем.

Предположения:

• Reply rate: 3%
• Доля заинтересованных среди ответов: 25%
• Meeting booked rate (от заинтересованных): 60%
• Show rate: 70%
• Close rate (от возможностей): 25%

Теперь переведём это в результаты:

10 000 delivered x 3% reply rate = 300 ответов

300 ответов x 25% заинтересованных = 75 заинтересованных ответов

75 заинтересованных x 60% бронирование = 45 забронированных встреч

45 забронированных x 70% show rate = 32 проведённых встречи (округлённо)

Если половина проведённых встреч становится возможностями, это 16 возможностей

16 возможностей x 25% close rate = 4 победы

Если средняя сделка $5,000, месяц даёт примерно $20,000 дохода.

Почему небольшие изменения важны

Погоня за объёмом может скрывать самые лёгкие победы: улучшение конверсии на поздних этапах.

Повышение show rate с 70% до 85% (лучшие напоминания, ясная повестка, жёсткая квалификация). 45 забронированных x 85% = 38 проведённых. При тех же дальнейших коэффициентах это даст примерно 5 побед вместо 4. При среднем чеке $5,000 это примерно +$5,000 без отправки ни единого дополнительного письма.

Или повышение close rate с 25% до 35% (лучшее предложение, эффективнее follow-up, более чёткая передача клиенту). 16 возможностей x 35% = 6 побед. Это примерно +$10,000.

Качество списка важнее чистого объёма

Меньший, более релевантный список часто выигрывает, потому что повышает долю заинтересованных и close rate. Даже если процент ответов не меняется, лучшее соответствие обычно означает меньше «не заинтересован» и больше реальных разговоров.

Распространённые ошибки, которые ломают математику ROI

Большинство таблиц выглядит нормально, пока вы не сравните их с реальным pipeline и не поймёте, что модель считала не те вещи.

Что считать (а что нет)

Проще всего раздуть результаты, считая каждый ответ прогрессом. «Не интересует» или «удалите меня из списка» полезны (очищают список), но не должны двигать воронку дохода.

Проверяйте каждый этап одним вопросом: представляет ли это число реальный следующий шаг к доходу или это просто активность?

Типичные ошибки:

• Считать все ответы вместо того, чтобы отделять заинтересованные от остальных
• Предполагать, что все отправления доставлены и игнорировать bounce или блокировки
• Смешивать временные окна (встречи, забронированные в этом месяце, а доход закрывается в следующем квартале)
• Обращаться с забронированными встречами как с проведёнными
• Забывать реальные затраты (данные, домены, почтовые ящики, прогрев и часы работы по кампании)

Простой сценарий: вы отправили 5 000 писем и получили 200 ответов. Звучит круто, пока не выяснится, что только 25 из них действительно заинтересованы, забронировано 10 встреч, и только 6 проведены. Если вы используете 200 как «успех», все дальнейшие прогнозы будут неверными.

Затраты и сроки

Две вещи тихо искажают ROI: время и расходы.

У outbound есть лаг. Лиды отвечают на этой неделе, встречи проходят на следующей, возможности создаются позже, сделки закрываются ещё позже. Если вы не привязываете этапы к одной и той же когорте отправок, коэффициенты конверсии превратятся в шум.

И если учитывать только плату за софт, ROI будет выглядеть нереально. Добавьте хотя бы базовую оценку трудозатрат (часы в неделю × почасовая ставка) и расходы на подбор лидов и настройку отправки.

Быстрая проверка перед тем, как доверять цифрам

Прежде чем считать таблицу прогнозом, убедитесь, что входные данные настоящие.

Начните с объёма, до которого вы действительно дошли. «Sent» — это попытка инструмента отправить. Надёжнее — delivered (или хотя бы sent минус hard bounces).

Затем почистите ответы, чтобы не путать активность с намерением. Ваша модель должна использовать коэффициент заинтересованных ответов как вход, ведущий к встречам.

Короткая проверка качества:

• Используйте доставленные сообщения как старт и подтвердите стабильность доменов
• Разделите ответы по намерению (заинтересован/не заинтересован/автоответ/отписка)
• Разделяйте забронированные встречи и проведённые
• Убедитесь, что возможности и closed-won сделки помечены с правильным источником
• Обновляйте допущения реальными данными (последние 30 дней — разумный дефолт)

Если вы забронировали 40 встреч, но провели только 20, использование забронированных встреч в модели удвоит ваш ожидаемый pipeline. Это приводит к переписыванию рассылок, переизбыточному найму или необоснованным обещаниям.

Следующие шаги: превратите модель в еженедельный рабочий ритм

Выберите одну кампанию и замоделируйте только её сначала. Используйте одно предложение, одну аудиторию и одну настройку отправки, чтобы числа имели смысл. Затем заполните назад последние четыре недели фактическими данными: отправки, доставки, положительные ответы, забронированные встречи, проведённые встречи, возможности и closed-won.

Держите ритм простым: обновляйте раз в неделю в один и тот же день и время. Вы следите за трендами и утечкой, а не за совершенством.

Лёгкая еженедельная рутина:

• Обновите факты за прошлую неделю и пересчитайте прогноз на следующие 2–4 недели
• Сравните прогноз и фактические данные по проведённым встречам и созданным возможностям
• Запишите одну гипотезу о главной причине расхождения
• Испробуйте одно изменение на следующей неделе (только один рычаг)
• Определите успех числом (например, +0.5% в meeting booked rate)

Улучшайте по одному коэффициенту за раз. Если вы поменяете три вещи одновременно, вы не узнаете, что помогло.

Если вы хотите иметь чище входные данные с меньшей ручной сортировкой, единая платформа outbound вроде LeadTrain может помочь: домены, почтовые ящики, прогрев, последовательности и классификация ответов живут в одном месте. Это облегчает поддержание согласованности «delivered» и «interested», от которых зависит ваша математика ROI.