Как «Самокат» перестроил отчётность в Looker Studio под RevOps и получил +12% LTV за квартал

Как «Самокат» перестроил отчётность в Looker Studio под RevOps и получил +12% LTV за квартал

В 2026 году, когда средний чек в e-com упал на 5–8%, а классическая лидогенерация MQL/SQL окончательно потеряла вес, команда «Самоката» сделала ставку не на дешёвое привлечение, а на сквозную аналитику выручки. До реформы маркетинг отчитывался по числу установок приложения и ROAS по last-click, sales — по конверсиям в целевые действия, customer success — по оттоку. Три отдела жили в разных таблицах, и общая картина revenue размазывалась.

**Задача.** Собрать единый дашборд в Looker Studio, который свяжет расходы на привлечение, поведение когорт и реальный LTV, с учётом privacy-first атрибуции (server-side + MMM). Цель — перевести команды на единый язык RevOps, где каждый отвечает за выручку, а не за свои изолированные KPI.

**Решение.** Команда построила связку: Google BigQuery как единое хранилище (данные из CRM, транзакционной базы, трекера заказов и server-side пикселей) → Looker Studio с набором из трёх ключевых вкладок.

Первая — «Revenue по когортам». Вместо ARPU показывали *LTV на 90-й день с разбивкой по каналу привлечения* (источник — data из AppsFlyer с postback на сервер). Вторая — «Incrementality-модель». Сравнивали конверсии в заказы между группами, которые видели рекламу и не видели, на основе MMM. Третья — «Action-trigger». Если LTV когорты через 30 дней падал ниже порога, дашборд сигнализировал sales и customer success: немедленно запустить ретеншн-кампанию (персонализированный пуш

— @LookerStudioRuPro