Настройка сквозной аналитики рассылок Битрикс24

Email-рассылка отработала, в CRM появились лиды — но какие из них пришли именно из этого письма? Встроенная статистика модуля sender показывает Open Rate и Click Rate, но не даёт ответа: кто из открывших оформил заказ, а кто просто пролистал. Мы решали эту задачу для 50+ проектов за 10 лет работы с Битрикс24. Сквозная аналитика связывает каждое письмо с конкретной CRM-сделкой — от клика до закрытия воронки. Без неё маркетологи теряют до 30% бюджета на неэффективные кампании. В 85% проектов стандартная статистика не отражает реальную конверсию, а ошибки в UTM-разметке искажают данные до 40%.

Почему сквозная аналитика рассылок точнее стандартных метрик?

Модуль sender собирает базовые метрики: доставку, открытия, клики, отписки. Данные хранятся в таблицах b_sender_mailing_chain_table, b_sender_posting_recipient. Open Rate формируется по трекинг-пикселю — но Apple Mail Privacy Protection (iOS 15+) предзагружает его, завышая показатель на 15–25%. Click Rate точнее, но без UTM-разметки вы не узнаете, какой ресурс открыл пользователь. Эти метрики не дают картины конверсии: 80% маркетологов, по нашим данным, не могут назвать ROI отдельной рассылки. Сквозная аналитика в 3 раза точнее стандартного Open Rate, так как учитывает фактические действия в CRM — от клика до статуса сделки.

Как UTM-метки связывают письмо и сделку?

Настройка UTM-разметки. В шаблоне письма каждая ссылка должна содержать utm_source, utm_medium, utm_campaign. Переменная #{LETTER_ID} в utm_content позволяет идентифицировать конкретное письмо. Пример: https://example.com/?utm_source=email&utm_medium=newsletter&utm_campaign=spring_sale&utm_content=#{LETTER_ID}. Затем в Яндекс.Метрике или Google Analytics настраиваются цели: оформление заказа, отправка формы, звонок через коллтрекинг. Сегмент utm_medium=email покажет все конверсии с email-канала.

Автоматизация в CRM. В разделе «Цепочки» модуля sender настраивается триггер: если контакт открыл письмо, но не совершил целевое действие в течение 3 дней — менеджеру создаётся задача. Это снижает время реакции на горячие лиды на 40%.

Как снизить Bounce Rate и улучшить доставляемость?

Ошибки доставки (статус ERROR) накапливаются в таблицах — если не чистить, Bounce Rate растёт и почтовые сервисы снижают репутацию домена. Регулярно удаляйте невалидные адреса. Отписки: контакт отписался, флаг в b_sender_contact обновился, но поле EMAIL_MARKETING в CRM остаётся «Подписан». Обработчик события OnSenderMailingUnsubscribe синхронизирует эти данные — без него рассылка попадает к отписавшимся. Чистка базы раз в квартал снижает Bounce Rate на 20–30% и увеличивает доставляемость до 97%.

Как настроить UTM-разметку: пошаговый план

1. Определите кампанию (например, spring_sale) и заполните обязательные параметры utm_source, utm_medium, utm_campaign.
2. Добавьте utm_content=#{LETTER_ID} для отслеживания каждого письма.
3. Проверьте ссылки в тестовом письме — используйте утилиту UTM Builder.
4. Настройте цели в системе аналитики: регистрация, оформление заказа, подписка.

Таблица: основные метрики и их источники

Что входит в настройку сквозной аналитики

• Аудит текущих рассылок и UTM-разметки — 4–8 часов, план действий с приоритетами.
• Подключение BI-инструмента (Power BI, DataLens) — 1–3 дня, дашборд с Open/Click/Bounce.
• Сквозная аналитика email → CRM → продажи — 3–7 дней, отчёт по ROI каждой рассылки.
• Обучение команды — 2 часа, документация по работе с дашбордом.

Официальная документация REST API позволяет расширять аналитику.

Таблица: сроки настройки

Наш опыт и рекомендации

За 10+ лет мы реализовали сквозную аналитику для 50+ интернет-магазинов на Битрикс24. Настройка под ключ — от UTM-разметки до дашбордов в BI. Стоимость рассчитывается индивидуально под задачи проекта. Для получения точной оценки свяжитесь с нами. Закажите настройку — и через неделю вы будете знать, какие письма приносят деньги, а какие сливают бюджет. Получите консультацию по интеграции сквозной аналитики в ваш проект.

Почему аналитика 1С-Битрикс часто вводит в заблуждение

Счётчики стоят, пиксели повешены, CRM подключена — а цифры расходятся во все стороны. Конверсия e-commerce не передаётся в dataLayer. UTM-теряются на редиректах ЧПУ. Маркетолог видит 100 лидов, коммерческий директор — 70 сделок, и каждый считает по-своему. Решения принимаются по ощущениям, а рекламный бюджет улетает в никуда.

Мы настраиваем аналитику 1С-Битрикс более 10 лет. Через наши руки прошло 500+ проектов — от мелких интернет-магазинов до федеральных ритейлеров с товарооборотом 2 млрд рублей. Опыт показывает: в 90% случаев dataLayer либо отсутствует, либо собран с ошибками, которые крадут 30-40% e-commerce событий. Наш подход — не «поставил счётчик и забыл», а полноценная сквозная аналитика с гарантией корректной передачи всех критических параметров.

Как аналитика 1С-Битрикс решает проблему расхождения данных

Решение — не в добавлении новых счётчиков, а в исправлении dataLayer и замыкании цепочки «визит → лид → сделка → оплата». Мы внедряем корректную передачу e-commerce событий, настраиваем сквозную аналитику с привязкой к CRM и строим дашборды, где каждый канал виден с реальным ROI. Результат: погрешность данных снижается с 40% до 1–2%, а маркетинговый бюджет начинает работать на полную.

Яндекс.Метрика: настройка e-commerce без потерь

Базовая настройка — и почему её обычно делают криво

Счётчик Метрики ставят все. Правильно — единицы.

• Установка через GTM, а не вставкой в header.php — иначе при обновлении шаблона счётчик слетит
• Цели: не абстрактные «клик по кнопке», а конкретные — basket_add, отправка формы bx_form_submit, переход на /personal/order/make/
• Вебвизор — включаешь, а он пишет 1% сессий, потому что в настройках стоит семплирование. Нужно явно задать процент записи — 20-30% для сбалансированных данных — и не забыть про 152-ФЗ
• Фильтрация внутреннего трафика — без этого трафик сотрудников добавляет 15-20% мусорных визитов. Фильтруем по IP, cookie _ym_debug, заголовкам

Электронная коммерция — самая недооценённая фича

Модуль eCommerce в Метрике передаёт полную цепочку покупательского поведения. Проблема в том, что в Битрикс из коробки он работает только с компонентом sale.order.ajax, и то криво — теряет remove_from_cart при AJAX-обновлении корзины.

Что мы передаём в dataLayer:

• Просмотр карточки — id, name, brand, category, price. Без brand Метрика не построит отчёт по брендам, без category — по категориям
• Добавление в корзину — ловим событие onBXAddToBasket через JS, а не через обработчик OnSaleBasketItemAdd на сервере. Серверный обработчик не знает про JS-контекст
• Удаление из корзины — тут ловушка: штатный компонент sale.basket.basket при AJAX-обновлении не генерирует отдельное событие удаления. Нужен свой обсёрвер
• Покупка — передаём на sale/order/complete/, включая coupon и revenue с учётом скидок

BX.addCustomEvent('onBXAddToBasket', function(product) {
    window.dataLayer.push({
        'event': 'add_to_cart',
        'ecommerce': {
            'items': [{
                'item_id': product.id,
                'item_name': product.name,
                'price': product.price,
                'quantity': 1
            }]
        }
    });
});

Данные, которые уходят в Метрику

Google Analytics 4: почему Битрикс требует ручной настройки?

Чем GA4 отличается от Universal Analytics

GA4 работает на событиях, а не на хитах. Нет «просмотров страниц» в привычном смысле — есть page_view как одно из событий. Для Битрикса это значит, что AJAX-переходы (фильтрация каталога, пагинация) нужно пушить вручную.

Ключевые события e-commerce: view_item_list → select_item → view_item → add_to_cart → view_cart → begin_checkout → add_shipping_info → add_payment_info → purchase.

Каждое событие требует свой набор параметров. purchase без transaction_id — не засчитается. add_to_cart без массива items — бесполезен. GA4 молча проглотит невалидные данные и покажет пустые отчёты. По нашей статистике, в 60% Битрикс-проектов GA4 настроен с нарушением спецификации Enhanced E-commerce. Это приводит к потере до 40% транзакций в отчётах.

Пользовательские параметры, которые реально нужны

Не надо передавать всё подряд. Пять параметров, дающих 80% пользы:

• user_type — guest / registered / wholesale
• user_group — группа пользователя из Битрикс
• order_count — количество заказов у пользователя
• cumulative_discount — накопительная скидка
• first_source — UTM первого визита

Сквозная аналитика: замыкаем цепочку от клика до сделки

Метрика видит визиты. CRM видит сделки. Рекламный кабинет видит расходы. А связь между ними — разрыв. Менеджер закрыл сделку на 500К, но Метрика показывает источник (direct), потому что клиент пришёл по прямой ссылке из закладок, а первый контакт был через Директ три месяца назад.

Сквозная аналитика замыкает цепочку: рекламный клик → визит → лид в CRM → сделка → оплата → ROI. <cite>По нашим данным, после внедрения сквозной аналитики клиенты перераспределяют бюджет в пользу каналов с высоким LTV, и ROI растёт в среднем на 25% за квартал.</cite>

Как собираем

1. UTM-метки фиксируем в cookie с TTL 90 дней и дублируем в сквозную систему
2. При создании лида в Битрикс24 записываем UTM в пользовательские поля сделки
3. Коллтрекинг подменяет номер и привязывает звонок к визиту
4. Менеджер ведёт сделку по воронке, закрывает — сумма привязана к источнику
5. Сервис агрегирует расходы через API рекламных кабинетов
6. ROI = (выручка — расходы) / расходы по каждой кампании

Инструменты

Дашборды: три экрана вместо десяти отчётов

Строим дашборды в DataLens или Looker Studio. Ключевое — не перегружать.

• Дашборд для директора — выручка, количество заказов, средний чек, сравнение с прошлым периодом. Пять виджетов, обновление раз в час.
• Дашборд для маркетолога — трафик по каналам, CAC, ROI кампаний, конверсия воронки, эффективность промокодов.
• Дашборд для коммерческого — конверсия менеджеров, скорость обработки заказов, повторные покупки. DataLens подключаем напрямую к PostgreSQL/MySQL Битрикса через b_sale_order и b_sale_basket.

Воронка: где именно дыра

Типичная воронка Битрикс-магазина:

Провал на чекауте — самый дорогой. Пользователь уже хотел купить, уже положил в корзину, и тут sale.order.ajax кидает 500-ку из-за не настроенного обработчика доставки. После аудита воронки мы фиксируем проблему, и конверсия чекаута вырастает в 1.5-2 раза за месяц.

Когортный анализ и LTV

Группируем по месяцу первой покупки, смотрим retention через 30, 60, 90 дней. В DataLens строится через SQL-запрос к b_sale_order с GROUP BY DATE_TRUNC('month', DATE_INSERT).

Главный инсайт когортного анализа — какой канал привлекает клиентов с высоким LTV. Контекст может давать дешёвые первые заказы, но нулевой repeat rate. А SEO-трафик конвертируется хуже, зато возвращается. Без этого анализа вы рискуете переплачивать за каналы, которые дают одноразовых покупателей.

Что входит в настройку аналитики 1С-Битрикс

• Аудит текущего dataLayer и исправление ошибок
• Настройка корректного e-commerce трекинга для Метрики и GA4
• Разработка пользовательских событий под бизнес-требования
• Интеграция сквозной аналитики (Roistat/Calltouch) с Битрикс24
• Создание дашбордов в DataLens/Looker Studio
• Документация по всем событиям и параметрам
• Обучение маркетологов и коммерческого отдела работе с отчётами
• Техническая поддержка на месяц после запуска

Сроки

Закажите аудит или настройку аналитики

Проверим, не теряете ли вы деньги на аналитике: проведём аудит текущей настройки за один день. Закажите настройку сквозной аналитики — получите дашборд с реальным ROI по каждому каналу уже через две недели. Получите консультацию по коррекции dataLayer и выбору подходящего инструмента сквозной аналитики для вашего Битрикс-проекта.