Что такое CPQL и почему он полезнее CPL в B2B?

CPL легко улучшить, если расширить таргетинг, упростить форму или купить дешёвый трафик. Но отдел продаж может получить больше нерелевантных обращений и потратить на них время. CPQL добавляет слой качества: компания заранее определяет, что такое qualified lead — например, подходящая отрасль, размер компании, задача, география, объём или роль. После этого можно сравнивать каналы не только по количеству заявок, но и по способности создавать коммерчески значимый спрос.

У вопроса «Что такое CPQL и почему он полезнее CPL в B2B?» есть практический смысл только тогда, когда он связан с наблюдаемым решением. Не стоит делать вывод по одному признаку. Например, сигнал «CPL снижается, а продажи жалуются на качество;» важен в связке с «каналы дают сильно разную долю MQL/SQL;», а результат разумно проверять через CPL;, доля qualified leads; и CPQL;. Такой подход защищает от локальной оптимизации: показатель может улучшиться, а коммерческий результат — нет. Поэтому сначала фиксируется baseline, затем изменение процесса, и только потом сравнивается downstream-эффект.

• CPL снижается, а продажи жалуются на качество;
• каналы дают сильно разную долю MQL/SQL;
• менеджеры перегружены нецелевыми обращениями;
• высокий средний чек и длинный цикл;
• нужно сравнивать outbound, search и другие каналы по одной логике;
• в CRM уже можно фиксировать квалификацию.

1. Определите критерии qualified lead до анализа каналов.
2. Зафиксируйте эти критерии в CRM.
3. Посчитайте число qualified leads по каждому источнику.
4. Разделите расход канала на число qualified leads.
5. Сравните CPQL вместе с дальнейшим SQL-rate и pipeline.
6. Пересматривайте критерии по выигранным и проигранным сделкам.

Канал A потратил 100 000 ₽ и дал 50 лидов: CPL = 2 000 ₽. Квалифицированными оказались 5, поэтому CPQL = 20 000 ₽. Канал B потратил те же 100 000 ₽ и дал 20 лидов: CPL = 5 000 ₽, но 12 из них квалифицированы — CPQL ≈ 8 333 ₽. По CPL A лучше, по CPQL — почти в 2,4 раза хуже.

• Нужно оптимизировать рекламный кабинет. CPL полезен как операционная метрика. Это не автоматический диагноз, а рабочая гипотеза: её нужно подтвердить данными конкретного сегмента, канала или когорты.
• Нужно сравнить качество каналов. CPQL обычно информативнее. Это не автоматический диагноз, а рабочая гипотеза: её нужно подтвердить данными конкретного сегмента, канала или когорты.
• Есть данные до сделки. Смотрите дальше: cost per opportunity, pipeline и CAC. Это не автоматический диагноз, а рабочая гипотеза: её нужно подтвердить данными конкретного сегмента, канала или когорты.
• Критерии качества спорные. Сначала согласуйте MQL/SQL; иначе CPQL будет манипулируемым. Это не автоматический диагноз, а рабочая гипотеза: её нужно подтвердить данными конкретного сегмента, канала или когорты.

• CPL;
• доля qualified leads;
• CPQL;
• MQL → SQL;
• cost per opportunity;
• pipeline на 1 qualified lead;
• CAC.

Сами по себе CPL; и доля qualified leads; ещё не доказывают эффект. Их нужно сравнивать с исходным уровнем, учитывать сегмент и смотреть, что происходит дальше по процессу. Если локальная метрика улучшается, а CAC. ухудшается или не меняется, это повод проверить, не оптимизируется ли система на удобный, но слабый proxy-показатель.

• менять критерии квалификации ради красивого CPQL;
• считать qualified lead по субъективному мнению менеджера;
• сравнивать каналы с разными окнами атрибуции;
• останавливаться на CPQL и не смотреть pipeline;
• не учитывать расходы на базы, сервисы и подрядчиков.

CPQL не универсален. Если квалифицированных лидов очень мало, показатель будет нестабилен; в ABM полезнее смотреть engagement и opportunities по целевым аккаунтам. Кроме того, CPQL всё ещё не учитывает различия в размере будущих сделок.

• Что именно должно измениться, если ответ на вопрос «Что такое CPQL и почему он полезнее CPL в B2B?» внедрён правильно?
• Какой baseline по показателю «CPL;» у нас есть сейчас?
• Кто владеет следующим действием и где оно фиксируется?
• Как мы отличим улучшение процесса от случайной волатильности?
• Какой сигнал заставит остановить или пересобрать гипотезу?

1. Зафиксировать текущий процесс и исходные данные до изменений.
2. Проверить два наиболее явных сигнала: «CPL снижается, а продажи жалуются на качество;» и «каналы дают сильно разную долю MQL/SQL;».
3. Внедрить первые 1–2 шага из плана, не меняя одновременно всю систему.
4. Через согласованное окно сравнить CPL;, доля qualified leads; и downstream-результат.

• ✓ есть чёткое определение результата, который хотим улучшить;
• ✓ есть данные до изменений — baseline;
• ✓ критерии одинаково понимают участники процесса;
• ✓ есть владелец следующего действия;
• ✓ эффект проверяется не одной метрикой, а по всей воронке;
• ✓ понятно, когда гипотезу нужно остановить или пересмотреть.