Growth-аудит — от SMM-метрик к масштабируемой модели роста

Проанализировал рост подписчиков, отток и эффективность привлечения, выявил ~4.1× разрыв между текущим темпом роста и бизнес-целью и построил альтернативные сценарии масштабирования без простого умножения бюджета.
Контекст
Изначальная задача выглядела просто: вырастить сообщество примерно с 8K до 10K подписчиков за четыре месяца.
Аккаунт уже привлекал подписчиков и генерировал охват, но текущий темп чистого роста был недостаточен для достижения цели.
Поэтому задача стала не просто вопросом объема трафика, а вопросом эффективности модели роста: привлечения, оттока, unit-экономики и сценариев масштабирования.
Клиентские данные и наблюдаемая база

За анализируемый период VK добавлял примерно 143-174 новых подписчика в месяц и терял 29-57 подписчиков из-за оттока.
Бизнес-цель требовала примерно 500 чистых новых подписчиков в месяц, тогда как наблюдаемый средний темп составлял около 123 — разрыв роста примерно в 4.1×.
OBSERVED GROWTH
| ~123/месяц | Текущий средний чистый рост |
|---|---|
| ~500/месяц | Требуемый чистый рост |
| ~4.1× | Разрыв роста |
Утечка роста
Объём ежемесячного оттока составлял эквивалент примерно 19-34% от объёма ежемесячного привлечения.
Это показывало, что задача была не только в увеличении входящего потока подписчиков, но и в улучшении качества модели роста.
Смоделированная экономика привлечения
На основе клиентских данных я рассчитал экономику привлечения и стоимость чистого роста с учётом оттока.
MODELED ECONOMICS
| ~150 ₽ | CPM |
|---|---|
| ~25-35K ₽ | Модельный месячный бюджет привлечения |
| ~170-190 ₽ | Номинальная стоимость привлечения подписчика |
| ~230-250 ₽ | Эффективная стоимость чистого роста с учетом утечки |
На уровне привлечения подписчик стоил около 170-190 ₽. С учётом утечки роста эффективная стоимость чистого прироста увеличивалась примерно до 230-250 ₽.
Это означало, что масштабирование привлечения без улучшения экономики одновременно масштабировало бы и неэффективность.
Сценарии роста
Сценарий A — рост через бюджет
Цель: выйти примерно на 500 чистых новых подписчиков в месяц преимущественно через увеличение объема привлечения.
Текущая модельная экономика: номинальный CAC ~170-190 ₽, эффективный CAC с учетом утечки роста ~230-250 ₽.
Ключевой риск: масштабирование привлечения сохраняло бы существующую утечку роста внутри модели.
Сценарий B — рост через эффективность
Альтернативный сценарий фокусировался на повышении эффективности привлечения, конверсии в подписку и динамики оттока до масштабирования трафика.
Рекомендация
Не масштабировать привлечение первым шагом.
Сначала улучшить эффективность привлечения, конверсию и динамику оттока, затем масштабировать трафик уже на более здоровой unit-экономике.
Ключевая управленческая идея: повысить эффективность каждого привлеченного подписчика перед увеличением бюджета на привлечение.
Смоделированный целевой сценарий
TARGET MODEL
| 120-140 ₽ | Целевой CAC |
|---|---|
| 15-18% | Целевой уровень оттока |
| ~450-550/месяц | Целевой чистый рост |
| ~25-35% | Потенциальное улучшение CAC |
Рекомендуемая модель предполагала улучшение unit-экономики до масштабирования трафика: снижение CAC примерно на 25-35%, движение к 120-140 ₽ за подписчика и ~450-550 чистых новых подписчиков в месяц.
Это целевые показатели разработанной growth-модели; фактический post-implementation результат в рамках аудита не измерялся.
Моя роль
Я работал на проекте как growth-консультант: проанализировал динамику привлечения и оттока, восстановил экономику привлечения по доступным данным, выявил разрыв между текущим темпом роста и бизнес-целью и построил альтернативные сценарии масштабирования.
Моя задача заключалась в том, чтобы перевести операционную SMM-цель в измеримую growth-модель с CAC, динамикой оттока, сценариями масштабирования и понятными критериями для управленческого решения.
Что показывает этот проект
Этот проект показывает мой подход к growth-задачам, где очевидный ответ — больше трафика — не обязательно является лучшим решением.
Я использую клиентские данные, growth-анализ и unit-экономику, чтобы найти ограничение, отделить наблюдаемую базу от модельных сценариев и превратить маркетинговую активность в управленческое решение.