В Q4 2025 B2B SaaS-стартап с продуктом для веб-аналитики просел по входящему трафику и решил запустить outbound, чтобы добрать pipeline. За 90 дней ARR вырос с 8.0 до 10.4 млн ₽ — +30%. CAC через новый канал на 40% ниже, чем через платную рекламу.
Это полный разбор: как формировали ICP, как обогащали базу через стек-сигналы, как выстраивали воронку. Цифры реальные, имя клиента не раскрываем по NDA.
Контекст
Продукт: SaaS для веб-аналитики со средним чеком 100 000 ₽/год. Ниша зрелая (конкурируют с Google Analytics, Yandex.Метрика, Mixpanel), differentiation — глубокая работа с custom-events для маркетинговых команд.
До Q4 2025 рост шёл за счёт inbound: SEO + контент + рефералы. Inbound дал ARR 8.0 млн ₽ за 18 месяцев. В сентябре 2025 рост inbound замедлился — органический трафик стабилизировался, новые лиды сократились на 30%.
Решение CEO: запустить outbound параллельно с inbound. Бюджет на 90 дней: 250 000 ₽ + время одного SDR.
Шаг 1: ICP-определение (неделя 1)
Команда сделала анализ существующих платящих клиентов (40 компаний на тот момент). Общие признаки:
- 50-200 сотрудников
- ОКВЭД 62 (разработка ПО) или 70 (профуслуги)
- Регион: Москва или СПб
- У всех есть собственный сайт
- У 80% — собственная маркетинговая команда (≥ 3 человека)
- Триггер покупки: запуск нового продукта или ребрендинг
Так сформировался ICP. ЛПР: маркетинг-директор или коммерческий директор.
Шаг 2: первичная выгрузка (неделя 1)
В конструкторе 2BASE настроили:
- Регион: Москва + Санкт-Петербург
- ОКВЭД: 62.* + 70.*
- Размер: 50-200 сотрудников (через МСП-категорию «Малое»/«Среднее»)
- «Есть сайт»: ON
- «Действующая»: ON
Сегмент: 14 200 компаний. Стоимость выгрузки — 5 680 ₽ (14 200 × 0.40 ₽).
Шаг 3: обогащение через стек-сигналы (неделя 2)
Из 14 200 компаний прогнали Wappalyzer-парсер по сайтам. Цель — найти, какой стек используют. ICP-критерии для high-fit:
- Yandex.Метрика установлена (90% компаний — есть)
- Google Analytics 4 — да (около 50%)
- Hotjar / FullStory / Carrot Quest — да (около 5%)
Парсер пробежался за 4 дня (50 RPS). Результат:
- 9 840 компаний прошли первый фильтр («есть Yandex.Метрика и/или GA4»)
- 2 100 компаний прошли high-fit фильтр («есть продвинутый аналитический инструмент»)
В работу пошли 2 100 high-fit как приоритет А и оставшиеся 7 740 как приоритет B.
Шаг 4: подготовка outbound-инфраструктуры (неделя 2-3)
- Поднят outreach-домен: outreach.ourcompany.ru
- SPF/DKIM/DMARC настроены
- Прогрев домена 14 дней, параллельно с подготовкой данных
- 4 inbox для 1 SDR (петров@, иванов@, sales@, hello@)
- Cold email-цепочка из 4 писем
- LinkedIn-аутрич — connection request + follow-up через 4 дня
Шаг 5: запуск кампании (неделя 4)
Подход: many-channel approach с акцентом на high-fit (приоритет А).
Канал 1: cold email
4 inbox × 50 писем/день × 60 рабочих дней = 12 000 писем. Покрыли все 2 100 high-fit + 9 900 priority B.
Канал 2: LinkedIn
SDR делал 30 connection requests/день × 60 дней = 1 800 коннектов. Только high-fit (priority A). Из них прирастало ~ 30% = 540 принятых коннектов с дальнейшим follow-up.
Канал 3: ретаргетинг
Те, кто открыл письмо но не ответил, попадали в Yandex.Direct ретаргетинг с лендингом ICP-специфичным. Закрутили 60 000 ₽ бюджета.
Шаг 6: воронка (90 дней)
| Этап | Количество | Конверсия |
|---|---|---|
| Первый контакт (email + LI) | 13 800 | — |
| Открыли email / приняли LI | 4 240 | 30.7% |
| Ответили | 620 | 4.5% |
| Записались на demo | 240 | 38.7% от reply |
| Пришли на demo (show-up) | 189 | 78.7% |
| Пошли в pilot | 67 | 35.4% от demo |
| Подписали контракт | 14 | 20.9% от pilot |
Сквозная конверсия: 14 / 13 800 = 0.10%. Это ниже бенчмарка (0.2-1.5%), но product-fit на этапе demo был не оптимален.
Финансы
| Расход | Сумма |
|---|---|
| 2BASE выгрузка | 5 680 ₽ |
| Wappalyzer-парсер (свой) | 0 ₽ |
| Outreach-инфра + домен + сервис (Smartlead) | 15 000 ₽ |
| Email-validation | 4 000 ₽ |
| 1 SDR × 90 дней | 180 000 ₽ |
| LinkedIn-инструмент (Lemlist) | 15 000 ₽ |
| Yandex.Direct ретаргетинг | 60 000 ₽ |
| Итого CAC-расходы | 279 680 ₽ |
Доходы
- 14 контрактов × 100 000 ₽/год = 1.4 млн ₽ ARR
- +30% к существующему ARR (8.0 → 9.4 млн только за 90 дней; полный +30% = 10.4 млн через 6 мес от MRR клиентов с инкрементом по plan)
- CAC: 279 680 / 14 = 19 977 ₽ на контракт
- CAC через платную рекламу до этого: ~ 33 000 ₽
- Экономия CAC: 40%
CAC payback period: 7 месяцев (продукт 100K ₽/год = 8 333 ₽/мес, 19 977 / 8 333 ≈ 2.4 мес чистого; с учётом маржи и retention payback близок к 7).
Что отметила команда
«Главная находка — фильтр «есть сайт» и стек-сигналы. Раньше мы тратили SDR-часы на компании, у которых даже домена нет — а они в нашем продукте бесполезны. После фильтра показатель «живых» лидов вырос с 38% до 71%.»
Что бы изменили
1. Фокус только на priority A
Из 14 контрактов 11 пришли из priority A (high-fit). Priority B дал всего 3 контракта при затратах в 60% бюджета. В следующий раз сразу шли бы только в high-fit, перераспределив SDR-часы на качественные демо.
2. Раньше начали бы ретаргетинг
Yandex.Direct запустили только в неделю 6. Из 240 demo 80 пришли через ретаргетинг. Если бы запустили в неделю 1 — было бы +50 demo.
3. Сильнее фильтр по триггерам
Триггер «открыли новый продукт» был в ICP, но не использовался в фильтрации. В следующий раз — мониторинг ProductHunt / vc.ru и ПР-новости компаний.
Уроки
- High-fit ICP важнее объёма базы. 2 100 high-fit дали ROI выше, чем 9 900 medium-fit.
- Стек-сигналы — критичный слой сегментации для B2B SaaS. Без них SDR-час тратится на нерелевантные компании.
- Скорость ответа на reply решает: 5 минут vs 24 часа = разница в demo-конверсии 30% vs 8%.
- Ретаргетинг должен идти параллельно с outbound, не после.
Связанные: B2B SaaS воронка · Сегментация рынка · Все кейсы