Digital-агентская модель в Internet-маркетинге зарабатывает на потоке проектов и повторных обращениях. Экономика кажется устойчивой, пока лиды приходят «сами» из привычных рекламных кабинетов и рекомендаций.

Но эта устойчивость часто держится на иллюзии бесплатного трафика. Как только конкуренты повышают ставки и усложняются правила ранжирования, стоимость привлечения клиента и стоимость привлечения лида начинают расходиться.

Алгоритмическая зависимость усиливает проблему: источники меняют выдачу, требования к креативам и ограничения по атрибуции. Из-за этого CAC растёт не линейно, а скачками, и планирование превращается в догоняющую реакцию.

Когда CAC растёт, агентство пытается компенсировать это объёмом: больше кампаний, больше отчётности, больше «ручного» управления. Но рост операционной нагрузки ускоряет издержки исполнения, и маржа с проекта снижается даже при росте выручки.

Иллюзия бесплатного трафика проявляется особенно заметно на коротких контрактах. Если клиент легко уходит после первого квартала, churn в портфеле повышается, а «буфер» LTV сжимается до одного-двух платежей.

Чтобы удержать клиентов, агентство добавляет сервисные опции, но это повышает себестоимость без гарантии продления. В результате CAC остаётся высоким, а LTV не успевает увеличиться пропорционально усилиям команды.

Смена экономической интерпретации через unit-экономику

Вместо оценки «сколько лидов привели» модель приходится читать через «сколько стоит удержанный клиент». Когда метрика смещается к LTV по сегментам и к вероятности продления, становится видно, что часть портфеля убыточна уже на входе.

После такого пересчёта выясняется, что дешевизна лида не равна дешевизне клиента. Дешёвый лид часто несёт высокий churn, и итоговый CAC на продление оказывается выше, чем на привлечение нового.

Вторичный эффект — усиление зависимости от 1–2 каналов, которые «вроде бы работают». Чем сильнее концентрация, тем выше риск алгоритмического шока и тем быстрее ухудшается unit-экономика при любом изменении правил.

Ещё один эффект — рост технологического долга в аналитике: разрозненные отчёты, ручная склейка данных, спорные модели атрибуции. Этот долг повышает стоимость принятия решений и делает оптимизацию CAC медленнее рынка.

Устойчивость digital-агентства появляется не из «хитрых настроек», а из дисциплины unit-экономики: сегментации по LTV, контроля churn и снижения алгоритмической зависимости. Без этого масштабирование превращается в расширение оборота при падающей марже.