Метрики учат команду плохим решениям: чему меня научил leaderboard на 15 показателей и 4 экрана

Любой показатель, который вы вешаете на стену, меняет поведение людей, и не всегда в ту сторону, которую вы хотели. На прошлой неделе об этом вышли три текста в MarTech и исследование Camunda по банкам, где 87 % руководителей видят от AI рост продуктивности, а среди сотрудников 69 %. Я с конца 2024 года веду leaderboard для сервисной компании в США, поэтому расскажу, что из этих текстов совпадает с моим опытом.

Показатель создаёт стимул, хотите вы того или нет

MarTech 20 октября разобрал, как маркетинговые метрики учат команду плохим решениям. Команда выполнила план по лидам, стоимость лида снизилась, а пайплайн не растёт, потому что при оценке по числу лидов люди выбирают дешёвые аудитории и офферы, которые хорошо конвертируются в заявку и плохо в клиента. Автор приводит данные Dreamdata за 2026 год: клик в LinkedIn стоит в среднем 6,70 доллара против 1,70 в Meta, но стоимость одной затронутой компании у LinkedIn 78,58 доллара против 144,24. И ещё цифра: от первого показа рекламы в LinkedIn до выручки проходил в среднем 281 день, так что оценка кампании по выручке за 30 дней остановит её до результата. Вопрос, который автор советует задавать каждому KPI, я забираю себе: как человек может улучшить это число, ухудшив реальный результат?

MarTech 23 октября написал про вопросы, на которые дашборд не отвечает. Маркетинг живёт быстрыми данными вроде кликов и ROAS. Генеральный директор спрашивает про выручку и прибыль. Кампания может принести больше атрибутированной выручки, а после скидок и возвратов меньше прибыли, и дашборд покажет победу. Автор делит данные на быстрые, для решений сегодня, и медленные, для понимания, кто и почему покупает.

А MarTech 22 октября зашёл со стороны документов: если определение метрики лежит в пяти презентациях и в каждой своё, цифры в отчётах перестают сходиться. Автор держит определения в одном файле с датой последней проверки и владельцем, а остальные документы ссылаются туда. Текст написан про справочники для AI-агентов, но правило «у факта один дом и дата» работает и для людей.

Когда цифра внедрения говорит одно, а сотрудники другое

Camunda 23 октября опубликовала исследование по банкам: 87 % руководителей, отвечающих за процессы, считают, что AI сделал команды продуктивнее, среди сотрудников так думают 69 %. 45 % сотрудников признались, что пользовались AI для галочки, когда нужды не было, и дашборды внедрения засчитали это как прогресс. Три четверти руководителей говорят, что проблемы с процессами уже проваливали AI-инициативы, в среднем на 1,73 миллиона долларов на организацию. Camunda продаёт перестройку процессов, так что исследование сделано под её продукт, но сам разрыв между числом логинов и закрытой работой мне знаком.

Самая короткая иллюстрация у Forrester 20 октября: автор каждую неделю возвращает хлеб и фрукты из онлайн-доставки, потому что робот на складе кладёт сверху пятикилограммовый мешок наполнителя для кошек. Полного текста у меня нет, поэтому дальше этого примера не иду.

Зачем это владельцу бизнеса

Возьмём прокат автомобилей, где менеджеров премируют за число выданных машин в день. Через месяц выдача ускорится, осмотр станет формальным, царапины перестанут попадать в акт, а через квартал вырастут расходы на ремонт, которые никто не свяжет с премией. Вывод: показатель количества нужно ставить рядом с показателем качества, иначе команда честно оптимизирует то, что вы ей показали.

Что я видел на своём leaderboard

Для компании в сфере PDR в США, где я технический партнёр с 2021 года, я в конце 2024 года начал leaderboard, а в 2025-м развивал его весь год: лиды и продажи по менеджерам, проценты, соревнования и деление на команды. Он считает 15 показателей количества и качества, среди них лиды, деньги, звонки и SMS. В 2025 году я вывел TV-борд на четыре телевизора, и на каждом своя доска: для собственника, для производства по заказам, для фронт-деска и для продавцов.

Показатель на экране меняет поведение, я это видел: когда число висит на стене, люди начинают под него работать. Поэтому у нас количество стоит рядом с качеством, а у каждой доски свой зритель, и каждая показывает загрузку и движение работы тем, кому они нужны.

И второе: показатель работает, только если данные под ним честные. Каждый звонок у нас записывается, AI разбирает, кто звонил: лид, действующий клиент или страховая, и как ответил сотрудник. Лид из звонка на IVR создаётся в CRM сам, так что число лидов в leaderboard нельзя нарисовать руками. С 2021 года компания выросла с 20 до более чем 30 человек, каждый настоящий лид проходит воронку до конца, и конверсия в продажу выросла на 30 %. Эту цифру дала вся связка из телефонии, CRM, приложения и экранов, а leaderboard одна из её частей.

Что я бы сделал

Для каждого показателя на экране запишите, как его можно улучшить во вред бизнесу. Если ответ находится за минуту, рядом нужен второй показатель.

Определение каждой метрики держите в одном месте с датой и владельцем.

Разделите экраны по зрителям. Собственнику и продавцам нужны разные числа, и общий экран на всех никому не помогает.

Берите данные из системы, а не из ручных отметок. Звонок, который сам создаёт лид, честнее, чем галочка «позвонил».

О правилах, статусах и правах, на которых держатся честные показатели: бизнес-логика: правила, статусы и права. По направлениям: бизнес как единая система и автоматизация таблиц и отчётность. Кейсы: звонки, CRM и работа команды и технический партнёр PDR-компании. По той же теме: как я читаю цифры из кейсов вендоров и сколько наблюдаемости нужно системе на одном сервере; раньше я писал, как отличить новую метрику от потери продаж. Если показатели у вас уже есть, а поведение команды не нравится, расскажите, что висит на экране: Обсудить задачу.