Администратор клиники принимает звонок. Пациент записывается на приём. Администратор вносит запись в CRM, выбирает из выпадающего списка источник — «звонок». Закрывает карточку. Через полчаса — ещё один звонок, ещё одна запись, ещё один «звонок» в графе «источник». К концу дня в CRM двести записей. Все они выглядят одинаково, будто все двести пациентов материализовались из телефонной линии.
Маркетолог открывает отчёт в конце месяца и видит: 78% записей — источник «звонок» или «сайт». Остальные 22% — пустые поля. Ни одного упоминания рекомендации знакомых. Ни одного «увидел рекламу в лифте». Ни одного «нашёл в агрегаторе». Маркетинговый бюджет в несколько миллионов рублей в месяц распределяется на основе данных, которые ничего не отражают.
При этом по данным Gartner (опрос 395 руководителей маркетинга, февраль-март 2024), маркетинговые бюджеты упали до 7,7% от выручки компании — это минимум за пять лет. 64% CMO говорят, что бюджета не хватает на реализацию стратегии. Когда денег становится меньше, цена ошибки в распределении растёт. И именно здесь начинается разговор об атрибуции — умении точно определить, какой канал привёл конкретного пациента.
Вопрос «Откуда узнали?» и почему на него нельзя полагаться
В теории всё просто. Пациент звонит — администратор спрашивает: «Откуда вы узнали о нашей клинике?» Пациент отвечает. Администратор фиксирует ответ в CRM. Маркетолог строит отчёт. Все счастливы.
На практике этот механизм ломается на каждом шаге.
Первый сбой — администратор не задаёт вопрос. Это происходит постоянно. Healthcare Success описывает типичную ситуацию: ручной сбор данных об источниках — задача, которая всегда оказывается последней в списке приоритетов. Когда на линии пять звонков подряд, администратор записывает пациента, уточняет время, подтверждает адрес — и закрывает карточку. Вопрос «откуда узнали» требует дополнительных 15-20 секунд. Умножьте на двести звонков в день. В условиях нагрузки этот вопрос просто исчезает из скрипта.
Второй сбой — пациент даёт размытый ответ. «Из интернета» — это поисковая выдача, контекстная реклама, агрегатор или статья в блоге? «Мне порекомендовали» — кто именно? Врач из другой клиники, подруга или отзыв на «ПроДокторов»? Demand Gen Report отмечает, что самоотчётные данные об источниках систематически неточны: пациент может назвать последний канал контакта, а не тот, который реально повлиял на решение. Человек видел рекламу в Яндексе, потом прочитал отзыв, потом спросил знакомого — и на вопрос администратора ответил «по рекомендации», потому что последний разговор ещё свеж в памяти.
Третий сбой — данные не попадают в CRM. Даже когда администратор спрашивает, а пациент отвечает чётко, информация часто теряется. Выпадающий список в CRM содержит пять-семь стандартных вариантов. Пациент говорит: «Жена здесь лечилась, она посоветовала вашего ортопеда Иванова». Администратор выбирает «рекомендация». Детали — имя врача, связь с конкретным пациентом, конкретная услуга — не помещаются в стандартное поле. Они остаются в воздухе.
По данным Salesforce, 91% записей в CRM неполны. А 70% данных деградируют в течение года. Это общая статистика по всем отраслям, и в медицине ситуация не лучше — скорее хуже, потому что администраторы клиник обрабатывают больше входящих контактов, чем средний менеджер по продажам в B2B.
Итог: маркетолог работает с данными, в которых реальная картина источников замещена артефактами ручного ввода. «Звонок», «сайт», пустое поле — это не атрибуция. Это иллюзия атрибуции.
Скрытая экономика «сарафанного радио»
Среди всех источников привлечения пациентов рекомендации знакомых занимают особое место. Их ценность огромна, но парадокс в том, что именно этот канал сложнее всего отследить через CRM.
Академическое исследование на PubMed фиксирует: рекомендации знакомых и направления от врачей остаются основным фактором выбора медицинского учреждения. Данные из когортного исследования в PMC подтверждают цифру: 84% пациентов при выборе семейного врача опираются на рекомендации других пациентов. При этом 97,9% пациентов готовы рекомендовать врача, если остались довольны. Рекомендации — мощнейший канал, который работает на доверии и не стоит ни копейки в медиа-бюджете.
Есть и финансовое измерение: по данным отраслевых исследований, пациенты, пришедшие по рекомендации, генерируют на 20-40% более высокую пожизненную ценность, потому что сами склонны рекомендовать клинику дальше — каждый довольный пациент приводит в среднем ещё двух-четырёх человек.
Но вот что происходит в реальности. Пациент звонит и говорит: «Мне Марина Петровна сказала, что у вас хороший ортопед». Администратор записывает на приём. Если администратор вообще задал вопрос об источнике — в CRM попадает метка «рекомендация». Без деталей: кто рекомендовал, какого врача упомянул, какую услугу. Если не задал — звонок остаётся в категории «входящий».
Масштаб потерь становится понятен, когда посмотреть на данные о конверсии по типам обращений. Из внутренних бенчмарков видно: пациенты, пришедшие по рекомендации, конвертируются в запись значительно чаще — до 52% — по сравнению с 22% у первичных обращений и 8% у холодных контактов. Если клиника не отделяет рекомендации от общей массы входящих, она не видит свой самый конверсионный канал и, что ещё хуже, не может его усилить.
Вопрос для маркетолога звучит не «работает ли сарафанное радио?» — работает, это очевидно. Вопрос другой: «Какая доля пациентов приходит по рекомендации, к каким врачам, на какие услуги — и что сделать, чтобы рекомендаций стало больше?» Без автоматического сбора данных из диалогов ответить на этот вопрос невозможно.
39% конверсий — по телефону. И почти все без атрибуции
Медицина — одна из отраслей, где решение принимается по телефону. По данным отраслевых бенчмарков, 39,2% конверсий в здравоохранении происходят через телефонный звонок. Для клиник этот процент ещё выше — записи на приём, вопросы о стоимости, уточнения о врачах и графике идут через звонок.
При этом цифровая аналитика — Яндекс.Метрика, UTM-метки, коллтрекинг — покрывает только часть пути пациента. Healthcare Success описывает разрыв: коллтрекинг показывает, с какого источника был переход на сайт. Но если пациент увидел рекламу, запомнил название клиники, а через три дня набрал основной номер — коллтрекинг этот путь не зафиксирует.
Ещё одна слепая зона — офлайн-каналы. Вывеска на здании, баннер в торговом центре, листовка у партнёра, реклама в лифте. Все эти каналы приводят пациентов напрямую на основной номер, минуя любые цифровые метки. В CRM эти звонки попадают как «входящий», без привязки к каналу.
Gartner фиксирует: маркетинговые бюджеты сжимаются, а доля цифровой рекламы растёт — 57,1% расходов на медиа идёт в цифровые каналы. Это создаёт перекос: то, что легко измерить, получает больше внимания и бюджета. То, что измерить сложно — рекомендации, офлайн-каналы, повторные визиты — недооценивается.
По оценкам из отраслевых обзоров, около 40% расходов на медиарекламу тратится впустую — в значительной степени из-за невозможности точно связать затраты с результатом. В здравоохранении эта цифра может быть выше, потому что путь пациента длиннее и сложнее: несколько точек контакта, несколько дней между первым контактом и записью, влияние личных рекомендаций.
Формула простая: если клиника тратит 3 миллиона рублей в месяц на маркетинг и не знает, откуда приходят 60-70% пациентов, она не может оптимизировать бюджет. Она может только гадать.
Что скрыто в диалогах и как это извлечь
В каждом разговоре между администратором и пациентом содержится информация об источнике. Пациент говорит: «Мне подруга рассказала», «Увидел в Яндексе», «Вы рядом с моей работой, проходил мимо», «Смотрел отзывы на ПроДокторов», «Врач в поликлинике направил». Эти фразы звучат в разговоре, но не попадают в CRM, потому что администратор их не фиксирует — или фиксирует обобщённо.
Механика автоматического сбора источников работает в несколько шагов.
Первый — транскрибирование
Звонок записывается и превращается в текст. Весь разговор — не пересказ администратора, а дословная расшифровка. Текст содержит всё, что было сказано: вопросы пациента, ответы администратора, упоминания источников, имена врачей, названия услуг.
Звонок записывается и превращается в текст. Весь разговор — не пересказ администратора, а дословная расшифровка. Текст содержит всё, что было сказано: вопросы пациента, ответы администратора, упоминания источников, имена врачей, названия услуг.
Второй — разметка по тегам
Текст анализируется по заданным правилам. Если в диалоге встречается фраза «порекомендовали», «подруга сказала», «муж лечился у вас» — звонку присваивается тег «рекомендация знакомых». Если «увидел рекламу», «баннер», «объявление» — тег «реклама». Если «нашёл в интернете», «посмотрел на сайте», «прочитал отзывы» — тег «интернет». Если «прохожу мимо каждый день», «живу рядом» — тег «геолокация».
Текст анализируется по заданным правилам. Если в диалоге встречается фраза «порекомендовали», «подруга сказала», «муж лечился у вас» — звонку присваивается тег «рекомендация знакомых». Если «увидел рекламу», «баннер», «объявление» — тег «реклама». Если «нашёл в интернете», «посмотрел на сайте», «прочитал отзывы» — тег «интернет». Если «прохожу мимо каждый день», «живу рядом» — тег «геолокация».
Третий — классификация и обогащение
Тег «рекомендация» дополняется деталями из контекста разговора: какого врача рекомендовали, какую услугу упомянул пациент, первичный это визит или повторный. Тег «интернет» уточняется — если пациент называет конкретный агрегатор или поисковик, эта информация тоже фиксируется.
Тег «рекомендация» дополняется деталями из контекста разговора: какого врача рекомендовали, какую услугу упомянул пациент, первичный это визит или повторный. Тег «интернет» уточняется — если пациент называет конкретный агрегатор или поисковик, эта информация тоже фиксируется.
Четвёртый — агрегация в отчёты
Данные из тысяч размеченных звонков собираются в BI-панели с разбивкой по источникам, услугам, врачам, филиалам, периодам. Маркетолог видит не «78% — звонок», а реальную картину: 34% — рекомендации, 22% — интернет (из них 14% — поисковая выдача, 8% — агрегаторы), 18% — реклама (из них 11% — контекст, 7% — офлайн), 12% — повторные визиты, 8% — геолокация, 6% — направления от врачей.
Данные из тысяч размеченных звонков собираются в BI-панели с разбивкой по источникам, услугам, врачам, филиалам, периодам. Маркетолог видит не «78% — звонок», а реальную картину: 34% — рекомендации, 22% — интернет (из них 14% — поисковая выдача, 8% — агрегаторы), 18% — реклама (из них 11% — контекст, 7% — офлайн), 12% — повторные визиты, 8% — геолокация, 6% — направления от врачей.
Принципиальное отличие от ручного сбора: данные извлекаются из каждого разговора без исключения. Не из 30% звонков, где администратор не забыл спросить, а из 100%. Точность определяется не памятью и добросовестностью сотрудника, а правилами разметки, которые применяются единообразно ко всем записям.
Что меняется, когда источники становятся прозрачными
На практике, когда в клинике включается автоматический сбор источников, первое, что обычно удивляет маркетолога — масштаб «сарафанного радио». В CRM доля рекомендаций составляла 5-10%. По данным из диалогов — 25-40%. Разница объясняется просто: администраторы либо не спрашивали, либо пациент отвечал размыто, либо данные не заносились в систему. Автоматическая разметка ловит каждое упоминание рекомендации, даже косвенное — «мне ваш врач очень понравился, я от Кати пришла».
Второе открытие — перекос бюджета. Клиника может тратить 60% медийного бюджета на контекстную рекламу, а по данным из диалогов выясняется, что контекст приводит 15% пациентов. Остальные приходят по рекомендациям, через агрегаторы и из повторных визитов. Это не значит, что контекстную рекламу нужно выключать — но пропорция расходов, очевидно, требует пересмотра.
Третье — связь между врачами и источниками. Анализ тегов показывает, к каким конкретно врачам приходят по рекомендациям. Это ценная информация для управления репутацией: если терапевт Сидорова генерирует 40% рекомендательного трафика, это повод и для поощрения, и для усиления — например, через контент с её участием. Если у нового ортопеда ноль рекомендаций через полгода работы, это сигнал для разговора с медицинским директором.
Четвёртое — сезонность и динамика каналов. Помесячная разбивка по источникам показывает, как меняется структура привлечения. В январе доля рекомендаций может расти, потому что в праздники люди общаются с родственниками и делятся контактами врачей. В сентябре растёт доля интернет-поиска, потому что после лета пациенты возвращаются к плановым визитам. Эта динамика позволяет планировать маркетинговые активности точнее.
Пятое — основание для работы с «сарафанным радио» как с управляемым каналом. Когда клиника видит, что 35% пациентов приходят по рекомендации, и знает, какие врачи и услуги генерируют больше всего рекомендаций, она может целенаправленно усиливать этот канал: программы лояльности, просьбы об отзывах после приёма, работа с удовлетворённостью. Сарафанное радио перестаёт быть чем-то стихийным и становится каналом, который можно измерять и развивать.
Что с этого маркетологу, CMO, руководителю клиники
У каждого из этих людей свой вопрос, на который автоматический сбор источников даёт ответ.
Маркетолог хочет знать, какой канал приносит пациентов и сколько стоит каждый из них. Без точной атрибуции он работает с искажённой воронкой: бюджет уходит в каналы, которые легко измерить, а каналы, которые реально работают, остаются невидимыми. Автоматическая разметка диалогов даёт ему данные для расчёта стоимости привлечения по каждому каналу — рекомендации, поиск, реклама, агрегаторы, геолокация — и для обоснования бюджетных решений перед руководством.
CMO мыслит стратегически: какие каналы масштабируются, где точка насыщения, как изменить микс в пользу органических источников. Исследование маркетинговых бенчмарков показывает, что сочетание контекстной рекламы и органического продвижения увеличивает поток пациентов примерно на 47%. Но для принятия стратегических решений нужны данные, которым можно доверять. Если в CRM 78% записей — «звонок», стратегию строить не на чем.
Руководитель клиники думает о загрузке врачей, окупаемости рекламы и качестве сервиса. Связка «источник привлечения плюс врач плюс услуга» позволяет увидеть, например, что 70% пациентов стоматолога Козлова — по рекомендации (и это значит, что его загрузка не зависит от рекламного бюджета), а 90% пациентов нового направления — из контекста (и если его отключить, направление встанет). Это разные управленческие ситуации, требующие разных решений.
Итоги
- Ручной сбор источников привлечения через вопрос «откуда узнали» не работает при масштабе больше 50 звонков в день. Администраторы забывают спрашивать, пациенты дают размытые ответы, данные не попадают в CRM.
- CRM фиксирует формальный канал контакта — «звонок», «сайт» — а реальный источник решения (рекомендация, реклама, отзыв, геолокация) остаётся невидимым.
- Доля рекомендаций в реальном трафике клиник значительно выше, чем показывает CRM. По данным исследований, 84% пациентов выбирают врача по рекомендации, а конверсия таких обращений в запись достигает 52%.
- Автоматическое извлечение источника из текста разговора работает на 100% обращений и не зависит от дисциплины сотрудника. Текст размечается по тегам — «рекомендация», «реклама», «интернет», «геолокация» — и агрегируется в отчёты.
- Данные об источниках с разбивкой по врачам, услугам и периодам позволяют оптимизировать маркетинговый бюджет, усилить работу с рекомендациями и принять управленческие решения, которые невозможны без точной атрибуции.
Если вам интересно посмотреть, как автоматический сбор источников работает на реальных данных вашей клиники — оставьте заявку на демо. Мы покажем, как выглядят отчёты по источникам на примере ваших звонков, и вместе оценим, какая доля трафика сейчас остаётся невидимой.
Источники
Gartner CMO Spend Survey 2024 — опрос 395 CMO, данные о падении бюджетов до 7,7% от выручки.
Healthcare Success — Tracking the Source of New Patients — обзор проблем ручного отслеживания источников пациентов.
Salesforce / SetSail — CRM Data Quality — статистика о 91% неполных записей в CRM.
PMC — Word-of-Mouth in Family Medicine — когортное исследование: 84% пациентов выбирают врача по рекомендации.
PubMed — Word of Mouth and Physician Referrals — роль рекомендаций и направлений от врачей в выборе медучреждения.
Digital Silk — Healthcare Marketing Statistics 2025 — 39,2% конверсий в здравоохранении через телефон.
Marketing LTB — Healthcare Marketing Statistics — данные о пожизненной ценности пациентов, пришедших по рекомендации (+20-40% к LTV).
Demand Gen Report — Offline Attribution & Call Tracking — проблемы самоотчётных данных о каналах привлечения.
MediaPost — 40% of Media Spend is Wasted — оценка доли потерь в медиарекламе.
InnerSpark Creative — 2025 Healthcare Marketing Benchmarks — бенчмарки по каналам привлечения в здравоохранении.
