Любая статья с кейсами в стиле «вырастили выручку в 12 раз за неделю» вызывает скепсис — и обоснованно. На практике Telegram-боты дают рост, но не магический. Разберём, какие реалистичные диапазоны метрик и сроков окупаемости встречаются в разных нишах. Без выдуманных компаний и красивых цифр — только то, что регулярно видно у нормально выстроенных проектов. Все примеры ниже — обобщённые кейсы на основе практики студии: цифры усреднены и нормализованы по нескольким похожим проектам, конкретные бренды не называются осознанно.
Что такое ROI бота и как его правильно считать
Базовая формула одинаковая для любого канала:
ROI = (Доход от бота − Стоимость владения) / Стоимость владения × 100%
«Доход от бота» — это либо прямая выручка (e-commerce, подписки), либо квалифицированные лиды × средний чек × конверсию в продажу, либо сэкономленные часы операторов × их полную стоимость с налогами и накладными. «Стоимость владения» = разовая разработка + ежемесячная поддержка × срок + хостинг + AI/API-токены + маркетинговый бюджет на привлечение в бот.
Кроме ROI важна вторая метрика — payback period, число месяцев до момента, когда суммарная экономия/выручка от бота сравнялась со стоимостью разработки. Эти две цифры дают разную информацию: ROI отвечает на вопрос «насколько выгодно», payback — «как быстро вернутся деньги».
Окупаемость грамотно собранного бота обычно укладывается в 1.5–9 месяцев в зависимости от ниши. Если за год бот не окупился, причина почти всегда в неверной нише, неправильном KPI или плохом качестве трафика, а не в боте как технологии.
Источники дохода и затрат — из чего складывается экономика
Доход от бота приходит из четырёх каналов, в разных нишах их вес разный:
- Прямая выручка — заказы через Mini App, оплата подписок, продажа курсов. Привычная метрика для e-commerce и EdTech.
- Снижение стоимости лида — квиз-бот квалифицирует холодный трафик дешевле, чем посадочная страница. Особенно заметно в услугах.
- Экономия на штате — бот закрывает FAQ и рутину поддержки, продаж, рекрутинга. Считается через освобождённые FTE × полную стоимость сотрудника.
- Снижение no-show и оттока — напоминания, программы лояльности, повторные продажи. Сильно работает в медицине, бьюти, фитнесе.
Затраты тоже распадаются на постоянные и переменные:
| Статья | Тип | Типовой диапазон |
|---|---|---|
| Разработка под ключ | one-time | 150 000 – 1 200 000 ₽ |
| Поддержка и доработки | monthly | 20 000 – 80 000 ₽/мес |
| Хостинг (VPS + БД + Redis) | monthly | 3 000 – 15 000 ₽/мес |
| AI API (GPT/Claude/YandexGPT) | usage-based | 5 000 – 60 000 ₽/мес |
| Привлечение в бот (реклама) | monthly | от 30 000 ₽/мес |
Когда я вижу расчёт ROI без графы «маркетинг на привлечение в бот», это всегда тревожный звонок: бот сам себя не наполнит трафиком, и деньги на TG Ads или таргет — такая же часть стоимости владения, как хостинг.
Кейс 1. Сеть салонов красоты на 15 мастеров и 3 филиала
Обобщённый кейс на основе практики студии. Сеть бьюти-салонов: 15 мастеров, 3 филиала в одном городе-миллионнике, база 1 500 активных клиенток, средний чек 3 500 ₽, 8 визитов на клиентку в год (то есть около 12 000 визитов на сеть в год при условии посещения базы и 1 000 визитов в месяц).
Задачи бота:
- онлайн-запись с выбором мастера и слота, без звонка администратору;
- напоминания за 24 часа и за 2 часа до визита, опционально с предоплатой 500–1 000 ₽;
- программа лояльности — накопительные баллы, статусы, дни рождения;
- автоматический upsell сопутствующих услуг при подтверждении записи.
Цифры до запуска бота:
| Метрика | Значение «до» |
|---|---|
| Визитов в месяц | 1 000 |
| Средний чек | 3 500 ₽ |
| Месячная выручка | 3 500 000 ₽ |
| No-show rate | 18% |
| Возврат за 60 дней | 52% |
Эффект на горизонте 6 месяцев:
| Метрика | До | После | Дельта |
|---|---|---|---|
| No-show rate | 18% | 13.5% | −4.5 п.п. |
| Возврат за 60 дней | 52% | 60% | +8 п.п. (+15% относительно) |
| Средний чек | 3 500 ₽ | 3 780 ₽ | +8% |
| Визитов в месяц | 1 000 | 1 100 | +10% |
| Выручка в месяц | 3 500 000 ₽ | ≈ 4 158 000 ₽ | +18.8% |
Дополнительный эффект — администратор тратит на запись на 60% меньше времени, что освобождает его на работу с входящими и продажу абонементов.
Экономика проекта:
| Статья | Сумма |
|---|---|
| Разработка | 350 000 ₽ |
| Поддержка | 25 000 ₽/мес |
| Хостинг | 4 000 ₽/мес |
| Прирост выручки | ≈ 658 000 ₽/мес |
| Маржинальность сети | ≈ 35% |
| Прирост маржи | ≈ 230 000 ₽/мес |
Payback = 350 000 / (230 000 − 29 000) ≈ 1.7 месяца, округлённо около полутора месяцев.
ROI за 12 месяцев = (12 × 201 000 − 350 000) / 350 000 × 100% ≈ 590%. Если считать без вычета поддержки (по полной маржинальной выручке) — выходит около 1 450%, что часто указывают в маркетинговых материалах. Реалистичнее ориентироваться на «чистый» ROI с учётом эксплуатации.
Кейс 2. Онлайн-школа английского языка
Обобщённый кейс на основе практики студии. Онлайн-школа со средним чеком курса 35 000 ₽, продаёт через воронку «лид-магнит → бесплатный пробный урок → продажа основного курса».
Задачи бота:
- квиз «определим ваш уровень за 3 минуты» вместо посадочной страницы с формой;
- автоматическая запись на бесплатный демо-урок с напоминаниями;
- прогрев между демо и оплатой через серию полезных сообщений;
- допродажа дополнительных курсов после окончания первого.
Воронка:
| Этап | Без бота | С ботом |
|---|---|---|
| Клик из рекламы → подписка | 38% | 62% (квиз затягивает лучше формы) |
| Подписка → демо-урок | 18% | 22% |
| Демо → оплата основного курса | 12% | 18% |
| Сквозная конверсия из клика | 0.82% | 2.46% |
| CAC (стоимость покупателя) | 4 500 ₽ | 2 800 ₽ |
| LTV ученика | 35 000 ₽ | 41 000 ₽ (выше за счёт допродаж) |
При том же рекламном бюджете школа получает в 3 раза больше учеников, плюс LTV выше на 17%.
Экономика проекта:
| Статья | Сумма |
|---|---|
| Разработка | 480 000 ₽ |
| Поддержка | 35 000 ₽/мес |
| AI API на квиз и прогрев | 12 000 ₽/мес |
| Прирост маржи на ученике (LTV − CAC) | +9 200 ₽ |
| Дополнительные ученики в месяц | около 45 |
| Прирост маржи в месяц | около 414 000 ₽ |
Payback ≈ 480 000 / (414 000 − 47 000) ≈ 1.3 месяца, с учётом раскачки воронки и периода сбора данных в реальности около 4 месяцев.
ROI за 12 месяцев ≈ 380%, что нормальная цифра для EdTech без накруток.
Кейс 3. HR-бот для сети ритейла
Обобщённый кейс на основе практики студии. Федеральная сеть магазинов на 200 точек, постоянно нанимает продавцов-консультантов и кассиров. До бота — 8 рекрутеров обрабатывали отклики вручную через job-сайты и звонки.
Задачи бота:
- приём отклика прямо в Telegram (вместо почты и телефона);
- скрининговые вопросы — возраст, опыт, гражданство, готовность к графику;
- автоматическое назначение собеседования в выбранный магазин;
- напоминания кандидату за день и за час, опрос об отказе;
- передача квалифицированных кандидатов в Bitrix24 рекрутерам.
Воронка найма:
| Метрика | До бота | С ботом |
|---|---|---|
| Откликов в месяц | 800 | 800 |
| Прошли скрининг | 320 (40%, ручная фильтрация) | 320 (40%, автомат) |
| Дошли до собеседования | 180 (56% от приглашённых) | 240 (75% — напоминания работают) |
| Получили оффер | 70 | 95 |
| Закрыто вакансий | 50 | 75 (+50%) |
| FTE рекрутеров | 8 | 3 |
Экономика проекта:
| Статья | Сумма |
|---|---|
| Разработка | 600 000 ₽ |
| Поддержка | 50 000 ₽/мес |
| Освобождено рекрутеров | 5 человек |
| Полная стоимость одного рекрутера | 90 000 ₽/мес |
| Экономия фонда оплаты труда | 450 000 ₽/мес |
| Чистая экономия после поддержки | 400 000 ₽/мес |
Payback = 600 000 / 400 000 = 1.5 месяца, округлённо около 2 месяцев.
ROI за 12 месяцев ≈ (12 × 400 000 − 600 000) / 600 000 × 100% ≈ 700%.
Дополнительный, не оцифрованный эффект — средняя скорость закрытия вакансии падает с 14 до 5 дней, что сокращает потери магазина от пустого места в смене.
Кейс 4. AI-бот техподдержки SaaS
Обобщённый кейс на основе практики студии. B2B-SaaS, 8 операторов первой линии, 12 000 тикетов в месяц. До бота — 100% обращений обрабатывается людьми.
Задачи бота:
- база знаний из Confluence + статьи помощи, индексированные через embeddings;
- ответ на типовые вопросы через GPT-4o-mini с rag по базе знаний;
- эскалация на оператора по правилам (не уверен в ответе, отрицательная оценка, ключевые слова «деньги», «возврат», «жалоба»);
- сохранение истории в общую CRM, чтобы оператор подхватывал контекст.
Эффект на горизонте 4 месяцев:
| Метрика | До | После |
|---|---|---|
| Тикетов в месяц | 12 000 | 12 000 |
| Закрыто без человека (deflection) | 0% | 60% |
| Тикетов на операторов | 12 000 | 4 800 |
| FTE операторов | 8 | 4 |
| Среднее время первого ответа | 18 минут | 12 секунд |
| CSAT поддержки | 4.2/5 | 4.4/5 (вырос за счёт скорости) |
Экономика проекта:
| Статья | Сумма |
|---|---|
| Разработка (AI + интеграции) | 750 000 ₽ |
| Поддержка | 60 000 ₽/мес |
| GPT API (12 000 диалогов) | 30 000 ₽/мес |
| Освобождено операторов | 4 человека |
| Полная стоимость оператора | 70 000 ₽/мес |
| Экономия ФОТ | 280 000 ₽/мес |
| Чистая экономия после расходов | 190 000 ₽/мес |
Payback = 750 000 / 190 000 ≈ 4 месяца.
ROI за 12 месяцев ≈ (12 × 190 000 − 750 000) / 750 000 × 100% ≈ 204%.
Здесь важна оговорка: цифра deflection 60% — для зрелого продукта со стабильной документацией. Для молодого SaaS с быстро меняющимся UI бот будет «отставать» от продукта, и реалистичный потолок — 30–40%.
Кейс 5. Сеть тёмных кухонь с доставкой еды
Обобщённый кейс на основе практики студии. Сеть тёмных кухонь на 6 точек в городе-миллионнике, до бота продаёт через сайт и агрегаторы (Яндекс Еда, Delivery Club).
Задачи бота:
- Mini App с каталогом 40 позиций, корзиной и оплатой через СБП;
- pulled-уведомления о статусах: принят → готовится → отправлен → курьер у двери;
- интеграция с iiko по API для автоматического создания заказов;
- программа лояльности: −10% на следующий заказ при оценке 5 звёзд, бонусы за повторные заказы.
Сравнение с собственным сайтом (без агрегаторов):
| Метрика | Сайт | Mini App в боте |
|---|---|---|
| Конверсия посетитель → заказ | 3.2% | 8.5% |
| Средний чек (AOV) | 1 250 ₽ | 1 450 ₽ (+upsell в боте) |
| Доля повторных заказов за 30 дней | 22% | 38% |
| Стоимость привлечения заказа | 380 ₽ | 240 ₽ |
| Заказов в месяц через канал | 1 600 | 2 400 |
| Выручка через канал | 2 000 000 ₽ | 3 480 000 ₽ |
Прирост выручки при том же трафике — около 1 480 000 ₽/мес. Дополнительно сократилась комиссия агрегаторов: часть клиентов перетекла в прямой канал (комиссия 0% против 25–35% у Яндекс Еды).
Экономика проекта:
| Статья | Сумма |
|---|---|
| Разработка Mini App + интеграция iiko | 900 000 ₽ |
| Поддержка | 60 000 ₽/мес |
| Хостинг и СБП-эквайринг (0.4%) | около 17 000 ₽/мес |
| Прирост маржи (доставка, маржа 30%) | около 444 000 ₽/мес |
| Чистый прирост после расходов | около 367 000 ₽/мес |
Payback менее одного месяца — окупается на старте за счёт высокого объёма базового трафика.
ROI за 12 месяцев ≈ 490%.
Сводная таблица кейсов
| Кейс | Бюджет (one-time) | Поддержка/мес | Payback | ROI 12 мес |
|---|---|---|---|---|
| Салон красоты (15 мастеров) | 350 000 ₽ | 29 000 ₽ | около 1.5 мес | 590% (чистый) |
| Онлайн-школа английского | 480 000 ₽ | 47 000 ₽ | около 4 мес | 380% |
| HR-бот ритейла | 600 000 ₽ | 50 000 ₽ | около 2 мес | 700% |
| AI-поддержка SaaS | 750 000 ₽ | 90 000 ₽ | около 4 мес | 204% |
| Доставка еды (Mini App) | 900 000 ₽ | 77 000 ₽ | менее 1 мес | 490% |
Цифры по «чистому» ROI, то есть с вычетом поддержки и переменных расходов. Маркетинговые презентации часто показывают «грязный» ROI без вычета эксплуатации — он будет в 2–3 раза выше, но менее честен.
Когда ROI бота отрицательный
Не каждый проект окупается, и это важно проговорить заранее. Типовые причины убыточных ботов:
- Ниша без аудитории в Telegram. Если ваш покупатель — пенсионер из деревни и сидит во ВКонтакте, бот в TG будет пуст. Сначала проверьте concentration: есть ли уже у вас 1 000+ заявок/заказов от пользователей TG.
- Неправильный продукт-рыночный фит. Бот для разовой услуги (натяжные потолки, ремонт авто) даст одно прикосновение и потеряет клиента. Бот выгоднее там, где есть повторные продажи и регулярные коммуникации.
- Плохая воронка. Если в вашей CRM конверсия из лида в продажу 1%, бот её не починит. Сначала почините воронку, потом масштабируйте каналом.
- Нет работы с базой после запуска. Бот без повторных рассылок, сегментации и реактивации — это разовая трата. 60% выручки в зрелых ботах приходит со «старой» базы.
- Отсутствие интеграций. Бот без CRM/учёток превращается в «онлайн-блокнот», который не считает деньги и теряет лиды на стыках.
Как считать ROI корректно — методология
Самая частая ошибка — приписать боту весь рост, который шёл бы и без него. Если вы запустили бот в декабре, а выручка выросла на 30% — это сезонность, а не бот.
Корректные подходы:
- A/B-тест на трафике. Половине рекламного трафика подсовываем landing с формой, половине — бота. Сравниваем CAC и LTV на горизонте 90 дней.
- Контрольная группа в базе. Не подключаем 10% существующих клиентов к боту, через 3 месяца сравниваем retention и LTV с подключёнными.
- Marginal attribution. Бот засчитывается в выручку только если был хотя бы одно касание из бота за 30 дней до сделки.
- Cohort-анализ. Считаем LTV когорты «бот» против «не-бот» за фиксированный срок.
Без этих процедур цифры в кейсах — это «впечатления», а не ROI.
Чек-лист расчёта ROI перед стартом проекта
- Определён главный KPI — деньги, лиды или часы (одно из трёх, не три сразу).
- Известен текущий уровень метрики «до» (базовая линия для сравнения).
- Просчитан реалистичный потолок улучшения — обычно 10–30%, не 10×.
- Заложена стоимость владения на 12 месяцев, а не только разработки.
- Учтён бюджет на привлечение в бот (TG Ads, таргет, посевы).
- Запланирован способ контроля (A/B, контрольная группа или cohort).
- Определена точка «нет» — при каком payback мы признаём, что проект не пошёл.
- Согласованы интеграции с CRM/ERP/учёткой — без них считать ROI бессмысленно.
- Заложен бюджет на 2–3 итерации воронки после MVP (обычно 30–50% к разработке).
- Назначен ответственный за бот со стороны бизнеса — без owner'а ROI стремится к нулю.
Что общего у успешных проектов
Если разложить кейсы выше:
- У всех есть чёткий KPI до запуска (заказы, лиды, экономия часов, no-show).
- Все интегрированы с CRM/ERP компании — бот не источник правды, а канал.
- Везде есть аналитика на уровне событий, а не «общее ощущение менеджера».
- Реальная польза приходит не на старте, а после 1–3 месяцев итераций воронки.
- Команда не останавливается на MVP — а постоянно докручивает скрипты, прогревы, сегментацию.
Боты, которые «запустили и забыли», обычно дают эффект, близкий к нулю.
Чего точно не бывает
- 10× выручки за неделю на пустом месте — бот не делает магии без рекламы и продукта.
- Бесплатной разработки «за процент» — никто не возьмётся за рисковый проект на условиях, которые невозможно проконтролировать.
- 100% автоматизации поддержки без потери качества — потолок deflection в реальности 50–70%.
- Бота, который сам себя продвигает без рекламного бюджета — органика в Telegram минимальна.
- ROI 5 000% — это маркетинговая цифра без вычета эксплуатации и маркетингового бюджета.
Итого
Реалистичный ROI Telegram-бота в зрелых нишах — 200–700% за первый год при честном подсчёте с вычетом поддержки и стоимости привлечения. Окупаемость — обычно от полутора до девяти месяцев в зависимости от объёма базы и средней маржи. Самая высокая отдача — там, где у бизнеса уже есть тёплая база и регулярные коммуникации (бьюти, доставка, EdTech, HR). Самая низкая или отрицательная — в разовых услугах без повторных продаж и в нишах с аудиторией не в Telegram.
Магия не в технологии, а в правильной воронке, аналитике и итеративных улучшениях после запуска. Разовый «бот ради бота» без KPI и интеграций редко окупается за разумный срок. Перед стартом стоит зафиксировать базовую линию метрик, заложить полную стоимость владения и определить способ контроля — иначе через год не получится отделить эффект бота от сезонности и общего роста бизнеса.
Частые вопросы
Как правильно считать ROI Telegram-бота?
Базовая формула: ROI = (Доход от бота − Стоимость владения) / Стоимость владения × 100%. Доход — это либо прямая выручка (e-commerce, подписки), либо квалифицированные лиды × средний чек × конверсию в продажу, либо сэкономленные часы операторов × их полную стоимость с налогами. Стоимость владения = разовая разработка + поддержка × срок + хостинг + AI/API + бюджет на привлечение в бот. Кроме ROI важна вторая метрика — payback period (число месяцев до возврата вложений). Окупаемость грамотно собранного бота обычно укладывается в 1.5–9 месяцев. Если за год бот не окупился, причина почти всегда в неверной нише, неправильном KPI или плохом качестве трафика, а не в боте как технологии.
Какой реальный ROI у бота в салоне красоты?
Обобщённый кейс: сеть бьюти-салонов на 15 мастеров и 3 филиала, база 1500 клиенток, средний чек 3500 ₽. После запуска бота онлайн-записи с напоминаниями и предоплатой no-show падает с 18% до 13.5%, возврат за 60 дней растёт на 15% относительно, средний чек растёт на 8% за счёт upsell сопутствующих услуг. Прирост месячной выручки — около 18.8%, прирост маржи — около 230 000 ₽/мес при марже 35%. Бюджет: разработка 350 000 ₽, поддержка 25 000 ₽/мес. Payback — около полутора месяцев, чистый ROI за 12 месяцев — около 590%.
Сколько окупается бот для онлайн-школы английского?
Обобщённый кейс: онлайн-школа со средним чеком курса 35 000 ₽, воронка квиз → бесплатный демо-урок → продажа основного курса. С ботом конверсия из клика в подписку растёт с 38% до 62%, из подписки в демо — с 18% до 22%, из демо в оплату — с 12% до 18%. CAC падает с 4500 до 2800 ₽, LTV растёт с 35 000 до 41 000 ₽ за счёт допродаж. Бюджет: разработка 480 000 ₽, поддержка с AI API 47 000 ₽/мес. Payback с учётом раскачки воронки — около 4 месяцев, ROI за 12 месяцев — около 380%.
Какой эффект даёт HR-бот для сети ритейла?
Обобщённый кейс: федеральная сеть на 200 магазинов, 800 откликов в месяц на вакансии продавцов и кассиров. Бот принимает отклик в Telegram, проводит скрининг, назначает собеседование и напоминает кандидату. Доходимость на собеседование растёт с 56% до 75%, число офферов — с 70 до 95 при тех же 800 откликах. Скорость закрытия вакансии падает с 14 до 5 дней. Освобождается 5 рекрутеров из 8, экономия фонда оплаты труда — 450 000 ₽/мес. Бюджет: разработка 600 000 ₽, поддержка 50 000 ₽/мес. Payback — около 2 месяцев, ROI за 12 месяцев — около 700%.
Какие результаты у AI-бота техподдержки в SaaS?
Обобщённый кейс: B2B-SaaS, 8 операторов первой линии, 12 000 тикетов в месяц. AI-бот с базой знаний из Confluence закрывает 60% обращений без человека (deflection), число операторов сокращается с 8 до 4, среднее время первого ответа падает с 18 минут до 12 секунд, CSAT даже растёт за счёт скорости. Экономия ФОТ — 280 000 ₽/мес, расходы на бот (поддержка + GPT API) — 90 000 ₽/мес, чистая экономия — 190 000 ₽/мес. Бюджет разработки 750 000 ₽. Payback — около 4 месяцев, ROI за 12 месяцев — около 200%. Для молодого SaaS с быстро меняющимся UI потолок deflection реалистично 30–40%, а не 60%.
В каких случаях ROI бота окажется отрицательным?
Пять типовых причин убыточных ботов. Первое — ниша без аудитории в Telegram (если ваш покупатель сидит во ВКонтакте или вообще не в мессенджерах). Второе — неправильный продукт-рыночный фит (бот для разовой услуги вроде натяжных потолков даст одно прикосновение и потеряет клиента, бот выгоднее там, где есть повторные продажи). Третье — плохая воронка (если конверсия в CRM 1%, бот её не починит). Четвёртое — нет работы с базой после запуска (60% выручки зрелых ботов идёт со «старой» базы через рассылки и реактивацию). Пятое — отсутствие интеграций с CRM/учёткой, бот превращается в «онлайн-блокнот», который теряет лиды на стыках.
Как корректно отделить эффект бота от общего роста бизнеса?
Самая частая ошибка — приписать боту весь рост, который шёл бы и без него. Если бот запустили в декабре, а выручка выросла на 30% — это сезонность, а не бот. Корректные подходы. A/B-тест на трафике: половине рекламы показываем landing с формой, половине — бот, сравниваем CAC и LTV на горизонте 90 дней. Контрольная группа в базе: не подключаем 10% клиентов к боту, через 3 месяца сравниваем retention и LTV. Marginal attribution: бот засчитывается в выручку только если было касание из бота за 30 дней до сделки. Cohort-анализ: считаем LTV когорты «бот» против «не-бот» за фиксированный срок. Без этих процедур цифры в кейсах — впечатления, а не ROI.