Почему я отказал клиенту на 350 000 рублей: анализ 78 Telegram-чатов и честная математика

В октябре 2023 года ко мне обратилась компания из Сочи с конкретным запросом: собирать лидов из Telegram-чатов, связанных с недвижимостью и арендой. 78 чатов, активная аудитория, кажущийся спрос — на первый взгляд задача выглядела решаемой. Сумма контракта составляла 350 000 рублей за первые три месяца работы. Клиент был настроен серьёзно: уже обсуждал начало в следующую неделю. Я взял паузу на 48 часов, чтобы провести предварительный анализ перед подписанием договора.

Результат анализа оказался однозначным: из 14 000 сообщений за месяц реальных лидов нашлось ровно 4. Конверсия 0,03% делала контракт убыточным при любых допущениях. Я отказал. Эта статья — разбор того, как я считал, как принимал решение и почему честный отказ оказался лучше, чем взятые деньги. Если вы регулярно оцениваете, стоит ли браться за тот или иной проект, здесь есть конкретный фреймворк с числами.

Методология парсинга Telegram: как проверить 78 чатов за 48 часов

Техническая сторона задачи была понятна с самого начала. Для парсинга Telegram-чатов я использовал библиотеку Telethon на Python — она позволяет получать историю сообщений через официальный MTProto API без нарушений ToS при работе с публичными чатами. Авторизация через собственный аккаунт, получение списка участников и сообщений, выгрузка в структурированный формат для дальнейшей обработки.

За 48 часов был выстроен следующий конвейер обработки данных:

• Шаг 1 — сбор данных: автоматический обход 78 чатов через Telethon, выгрузка сообщений за последние 30 дней. Итого: 14 000 сообщений в raw-формате.
• Шаг 2 — первичная фильтрация: удаление дублей, спама, автоматических уведомлений и сервисных сообщений о входе/выходе участников. После очистки осталось около 9 200 уникальных сообщений от живых аккаунтов.
• Шаг 3 — классификация по намерению: каждое сообщение размечалось по категориям: информационное, рекламное, вопрос о цене/аренде, прямой запрос на контакт. Для ускорения использовал простую эвристику по ключевым словам плюс ручную проверку пограничных случаев.
• Шаг 4 — оценка качества лида: лидом считалось сообщение с конкретным намерением купить или снять жильё, без рекламного характера и с признаками живого человека, а не бота или агента по недвижимости.

Среди 9 200 отфильтрованных сообщений категория прямого запроса включала 47 записей. После ручной проверки каждого на качество — исключения дублирующих аккаунтов, явных спамеров и нерелевантных запросов из других городов — в итоге осталось 4 сообщения, которые можно считать потенциальными лидами по задаче клиента.

Важный методологический момент: большинство активных чатов на деле представляли собой рекламные площадки, где 80–90% контента генерировалось несколькими аккаунтами-ботами или активными риелторами, размещающими объявления. Органический спрос покупателей и арендаторов в этих чатах был минимальным — люди приходят туда не за помощью, а чтобы просмотреть предложения. Они читают, а не пишут.

Техническое замечание для тех, кто захочет воспроизвести анализ: Telethon работает с MTProto и требует регистрации приложения на my.telegram.org для получения api_id и api_hash. Запросы к публичным чатам не нарушают ToS, но при высокой частоте запросов возможны временные ограничения. Для 78 чатов с разумными паузами между запросами 48 часов более чем достаточно.

Ещё один важный параметр анализа — глубина выборки. Я брал сообщения за 30 дней, поскольку это соответствует одному операционному циклу лидогенерации. Более длинный период дал бы больше абсолютных цифр, но не изменил бы соотношение: структура аудитории этих чатов стабильна по месяцам. Сезонные колебания возможны, но они влияют на объём рекламного контента, а не на долю реальных покупательских запросов.

Результаты анализа: 14 000 сообщений и только 4 лида

Цифры требуют объяснения, потому что 0,03% конверсии звучит невероятно низко даже для скептиков. Разберём по слоям — что именно скрывается за этими 14 000 сообщениями и почему агрегатные числа вводят в заблуждение.

Структура 14 000 сообщений по категориям:

• Рекламные объявления от агентств и частных лиц: около 7 400 сообщений (53%)
• Технические и сервисные сообщения (входы/выходы, системные уведомления): около 2 300 (16%)
• Флуд, оффтоп, эмодзи-реакции и сообщения без содержания: около 1 850 (13%)
• Информационные сообщения без покупательского намерения: около 2 000 (14%)
• Сообщения с потенциальным намерением купить или снять: 47 штук (менее 0,4%)
• Квалифицированные лиды после ручной верификации: 4 штуки (0,03%)

Почему конверсия такая низкая? Три системные причины, каждая из которых сама по себе достаточна для пересмотра проекта:

Первая — смещение аудитории. Telegram-чаты по недвижимости в регионах России — это прежде всего доски объявлений, а не форумы покупателей. Продавцы и агенты доминируют над покупателями в соотношении примерно 10:1. Тот, кто ищет жильё, заходит, просматривает актуальные предложения и уходит — не пишет в чат публично. Публичное сообщение «ищу квартиру» мгновенно привлекает спам от десятков агентов, поэтому покупатели давно перестали так делать.

Вторая — временной контекст. Большинство запросов, которые выглядели как лиды, были написаны 2–4 недели назад. К моменту потенциального контакта человек либо уже решил вопрос, либо давно потерял актуальность запроса. Работать со старыми лидами из Telegram практически бессмысленно — конверсия в контакт не превысит 5–10% даже при немедленной реакции.

Третья — географическое рассеивание. Из 78 чатов клиенту были релевантны запросы только из конкретного ценового сегмента рынка Сочи. Значительная часть активности касалась других городов — Краснодара, Анапы, Геленджика — или нерелевантных типов объектов: коммерческой недвижимости и долгосрочной аренды вместо продажи.

Типичная ошибка при оценке Telegram-аудитории — смотреть на количество участников чата или общее число сообщений как на индикатор реального спроса. 5 000 участников в чате не означают 5 000 потенциальных клиентов. Это 5 000 аккаунтов, большинство из которых неактивны, являются ботами или конкурентами. Реальный покупательский спрос в таких чатах на порядок меньше видимой активности.

Если вы хотите получить реалистичную оценку качества Telegram-канала до начала работы, используйте этот простой тест: зайдите вручную в 5 случайных чатов из предложенного списка, откройте последние 50 сообщений каждого и посчитайте, сколько из них написаны не агентами и не ботами. Если доля таких сообщений ниже 10–15% — чат является рекламной доской, а не площадкой спроса. Для 78 чатов этот ручной тест занял бы около 3 часов и дал бы первый сигнал ещё до запуска автоматизированного анализа.

ROI-расчёт: почему контракт не мог окупиться

Посчитаем честно. Контракт на 350 000 рублей за 3 месяца предполагал регулярную поставку квалифицированных лидов. Делаем расчёт по трём сценариям исходя из реальных данных анализа:

Шаг 1 — прогноз лидов в месяц:
4 лида за анализируемый 30-дневный период — базовый сценарий без изменения методологии. Оптимистичный сценарий с расширением охвата и более агрессивной фильтрацией — 8–10 лидов в месяц. За 3 месяца итого: от 12 до 30 лидов.

Шаг 2 — конверсия лида в сделку:
По рынку недвижимости в регионах России — 5–15% от квалифицированных лидов доходят до закрытия сделки. Берём базовые 10%. При 30 лидах за 3 месяца — максимум 3 сделки.

Шаг 3 — средний чек с одной сделки:
Для рынка аренды и продажи недвижимости в Сочи комиссионные агента составляют в среднем 50 000–150 000 рублей за закрытую сделку. Берём 100 000 рублей как среднее значение.

Оптимистичный сценарий:
3 сделки × 100 000 рублей = 300 000 рублей выручки клиента. Контракт стоит 350 000 рублей. Итог: убыток 50 000 рублей даже при лучшем раскладе, без учёта операционных расходов на закрытие сделок.

Реалистичный сценарий:
12 лидов за 3 месяца × 10% конверсия = 1–2 сделки. Выручка клиента: 100 000–200 000 рублей. Контракт: 350 000 рублей. Убыток клиента: от 150 000 до 250 000 рублей.

Пессимистичный сценарий:
Если активность в чатах сезонно снизится или конкуренция за те же лиды усилится — 0 сделок за 3 месяца при затраченных 350 000 рублей.

Никакой способ оптимизировать процесс не изменил бы фундаментальную проблему: в этих 78 чатах просто не было достаточного количества целевых покупателей. Это структурное ограничение рынка, а не проблема исполнения. Улучшение алгоритмов классификации подняло бы потолок с 4 до 6–8 лидов в месяц, но никак не до 40–50, необходимых для выхода контракта в ноль.

Схожий механизм срабатывает при автоматизации — когда система работает исправно, но данные на входе изначально некачественные. О том, как потеря качества на входе приводит к системным потерям уже в работающем проекте, я писал в разборе потери 304 лидов из-за тихой ошибки автоматизации.

Фреймворк решения: 5 критериев оценки проекта перед переговорами

После этого кейса я формализовал подход к оценке входящих проектов. Вот 5 критериев, которые проверяю перед любыми переговорами о контракте. Каждый критерий имеет конкретный порог — не размытую достаточность, а чёткое числовое условие.

Критерий 1: Верифицируемость результата до старта (порог — 48 часов).
Можно ли за 48 часов получить данные, которые подтвердят или опровергнут гипотезу о выполнимости задачи? Если нет — это красный флаг. В случае с Telegram-чатами 48 часов хватило для полного ответа. Если заказчик давит на срочность подписания и не готов ждать 48 часов предварительного анализа — это отдельный тревожный сигнал о качестве будущего сотрудничества.

Критерий 2: ROI для клиента при пессимистичном сценарии (порог — 100% возврат).
При худшем из реалистичных сценариев клиент должен хотя бы выйти в ноль. Если пессимистичный сценарий гарантирует убыток — брать нельзя. Я не рассматриваю оптимистичный прогноз как базовый. Контракт должен окупаться при нормальном, а не идеальном исходе.

Критерий 3: Контроль над ключевыми переменными (порог — минимум 60%).
Какую долю факторов, влияющих на результат, контролирую лично я? Если больше 40% успеха зависит от факторов вне моего влияния — качество данных источника, поведение рынка, скорость принятия решений клиентом — риск провала структурно высок. В Telegram-кейсе качество данных источника полностью вне моего контроля: я не могу влиять на то, пишут ли реальные покупатели в эти чаты.

Критерий 4: Масштабируемость кейса (порог — воспроизводимость для 3+ клиентов).
Даже если проект окупается разово, стоит ли его брать, если он полностью уникален и не создаёт воспроизводимой методологии? Разовый нестандартный контракт отнимает ресурс, который мог бы пойти на создание масштабируемого продукта или накопление профильных кейсов.

Критерий 5: Репутационный риск (порог — нулевая толерантность).
Есть ли высоковероятный сценарий, при котором клиент будет публично недоволен результатом? Если проект структурно обречён на провал — взять деньги и провалиться хуже, чем отказать сейчас. Репутация в профессиональной нише дороже одного контракта на 350 000 рублей: один негативный отзыв в нужной аудитории может заблокировать 3–5 будущих контрактов.

В случае с клиентом из Сочи контракт не прошёл критерии 2, 3 и 5 одновременно. Три провала из пяти — это не пограничный случай, требующий взвешивания. Это однозначный отказ.

Как отказать клиенту честно: скрипт разговора

Отказывать неприятно. Особенно когда клиент уже морально настроен на сотрудничество, рассчитывает на результат и ждёт договор. Но у честного отказа есть структура, которая делает его не концом отношений, а их укреплением. Ключевое условие: отказ должен быть основан на данных, а не на ощущениях.

Что я сказал клиенту (адаптированный скрипт разговора):

«Я провёл предварительный анализ по вашей задаче — 48 часов, полный разбор 78 чатов. Результат: 14 000 сообщений за месяц дали 4 реальных лида. Это конверсия 0,03%. Я посчитал ROI при оптимистичном сценарии — убыток минимум 50 000 рублей. При базовом — 150 000–250 000 рублей в минус. Я не могу взять контракт, зная это заранее — это было бы нечестно по отношению к вам. Готов показать цифры в деталях и разобраться, какой канал привлечения лидов будет работать для вашей задачи.»

Ключевые элементы этого скрипта, которые работают независимо от сферы:

• Конкретные цифры вместо ощущений. «4 лида из 14 000 при конверсии 0,03%» убедительнее, чем «я сомневаюсь в результате». Цифры закрывают дискуссию — с ними сложно спорить.
• Интерес клиента на первом месте. Формулировка «нечестно по отношению к вам» переводит отказ из категории «я не хочу» в категорию «я защищаю ваши интересы». Это принципиальная разница в восприятии.
• Открытость к диалогу. Предложение показать данные демонстрирует, что отказ основан на фактах, а не на нежелании работать. Клиент понимает: вы сделали реальную работу, а не уклоняетесь.
• Альтернативный следующий шаг. «Разобраться, какой канал будет работать» оставляет дверь открытой. Клиент уходит не с пустыми руками, а с ощущением, что получил полезную консультацию.
• Без извинений и размытых формулировок. «К сожалению, у нас нет возможности» — слабая позиция. «Цифры говорят X, поэтому решение Y» — сильная позиция, которая вызывает уважение.

Клиент из Сочи поблагодарил за честность и попросил порекомендовать другой канал привлечения лидов. Отношения сохранились. Это не исключение — это правило: люди ценят, когда им говорят правду, особенно когда это стоит исполнителю живых денег.

Честный отказ требует предварительной работы. Без 48 часов анализа не было бы аргументов. Нельзя честно отказать, не разобравшись в задаче. Именно поэтому экспресс-аудит перед переговорами — это не формальность и не лишние расходы времени, а основа для диалога с позиции данных, а не интуиции.

Что делать вместо: внутренний кейс и его долгосрочная ценность

Отказав от контракта на 350 000 рублей, я освободил ресурс — примерно 200–250 часов рабочего времени за три месяца. Вопрос не «отказать или взять», а «отказать — и что вместо». Ответ в моём случае был конкретным: внутренний проект с измеримым результатом и долгосрочной ценностью.

Я взял в работу 4 собственных сайта агентства с целью оптимизации органического трафика за 6 месяцев. Задача была сформулирована чётко: вырастить позиции по целевым запросам, задокументировать методологию и получить кейс с реальными цифрами. Почему это лучше невыгодного контракта:

Полный контроль над переменными. На внутреннем проекте контролирую 100% решений: контент, структуру, технику, скорость внедрения изменений. Никаких согласований, никакого ожидания обратной связи от клиента по три недели. Скорость экспериментов выше в 3–4 раза по сравнению с клиентскими проектами, где каждое изменение требует одобрения и объяснений.

Долгосрочный актив вместо разовой выручки. 350 000 рублей от клиента — деньги, которые приходят один раз и не повторяются. Успешный SEO-кейс на собственных сайтах с задокументированными результатами — актив, который конвертируется в новые контракты многократно. Один хорошо оформленный кейс с конкретными цифрами стоит в переговорах больше, чем один средний контракт без доказательной базы.

Обучение без репутационных рисков. На внутреннем проекте можно тестировать гипотезы, которые на клиентском несут репутационный риск. Неудачный эксперимент с контентной структурой на собственном сайте — это данные для следующей итерации. Тот же эксперимент на платящем клиенте — потенциальный конфликт и потеря доверия.

Прогнозируемый результат за 6 месяцев. При работе с 4 сайтами одновременно можно A/B-тестировать подходы в реальных условиях поиска. Статистически значимые данные о работающих методах появятся через 3–4 месяца. К шестому месяцу готов кейс с конкретными цифрами роста трафика, позиций и конверсий — готовый аргумент для следующих переговоров с клиентами, которые готовы платить за верифицированный опыт.

Прагматичный расчёт, не философия. 6 месяцев работы над внутренними проектами создадут доказательную базу, которая позволит брать контракты в 2–3 раза дороже с клиентами, готовыми платить за подтверждённый результат, а не за обещания. Один хороший кейс конвертируется в 3–5 новых контрактов. Один средний невыгодный контракт конвертируется в одну запись в истории платежей и одного недовольного клиента.

О том, как выглядит системный аудит перед запуском подобного проекта и что именно нужно проверять на старте — в статье про аудит автоматизации бизнеса.

Итог: математика честности

Отказ от контракта на 350 000 рублей был не актом альтруизма и не проявлением слабости. Это было следствием конкретных расчётов: 14 000 сообщений, 4 лида, конверсия 0,03%, гарантированный убыток клиента при любом сценарии. Когда цифры говорят «нет» — взять контракт означает взять ответственность за провал, который был виден заранее. Провал, который в итоге стоил бы обоим — и деньгами, и репутацией.

Предварительный анализ занял 48 часов и полностью изменил решение. Без него я бы взял деньги, потратил 3 месяца, поставил клиенту 10–15 лидов вместо ожидаемых 100+, и получил бы недовольного клиента. 48 часов анализа против 3 месяцев провала — очевидный выбор. Честная математика работает только тогда, когда её делают до подписания договора, а не после. Именно это и есть единственная надёжная защита от проектов, которые выглядят привлекательно снаружи и убыточны внутри.

Если у вас есть аналогичный запрос — задача с неочевидным потенциалом и большим бюджетом — потратьте 48 часов на предварительную верификацию, прежде чем назначать цену и дату старта. В большинстве случаев это время окупается вне зависимости от итогового решения: либо вы получаете уверенность в проекте, либо — что не менее ценно — аргументы для отказа.