Сколько стоит один рабочий профиль антика: считаем то, что не считает никто

Материал подготовлен командой TraffCloud при поддержке Octo Browser

Разговор, который повторяется в каждой команде примерно раз в квартал.

Закупщик приносит два предложения. Автореги по три доллара и фарм-аккаунты с реальной историей по двадцать восемь. Кто-то в чате пишет: «Ну ты сравни, там же в девять раз дешевле, берём первые». Аргумент выглядит железным, потому что это единственное число в разговоре, которое все видят.

Через полтора месяца выясняется, что из двадцати дешёвых аккаунтов до открутки на нормальных бюджетах дожили пять. Из двадцати дорогих – пятнадцать. Но этого разговора уже не происходит, потому что к тому моменту дешёвая партия давно списана, новая закуплена, и никто не связывает одно с другим.

Мы в TraffCloud занимаемся acquisition и аналитикой для iGaming-операторов, и у нас довольно долго было ровно так же. При этом по игрокам мы считали всё: когорты, payback, contribution margin. А по собственным рабочим активам – ничего. Профиль был не строкой в модели, а расходником, про который известно только одно: сколько стоил аккаунт.

Эта статья – про метрику, которая закрывает дыру. Мы называем её CSP, cost per surviving profile – стоимость выжившего профиля. Ниже формула, разбор всех пяти строк затрат, готовая таблица с двумя сценариями и честный список мест, где метрика врёт.

Почему CPA ничего не знает о профиле

CPA живёт после запуска. Он начинается в тот момент, когда открутка уже пошла, и ничего не знает о том, сколько стоило довести систему до состояния, в котором открутка стала возможна.

Это не придирка. Это структурная слепота. Все затраты на аккаунты, прокси, прогрев и брак попадают в отчётность одной невнятной кучей – обычно строкой «инфраструктура» или «расходники» – и не привязываются ни к конкретной партии, ни к конкретному решению о закупке. В итоге закупщик оптимизирует цену аккаунта, байер оптимизирует CPA, а между этими двумя оптимизациями лежит зона, за которую не отвечает никто. И именно там сгорают деньги.

Проверить, есть ли эта зона у вас, можно одним вопросом на планёрке: сколько стоил профиль, на котором вы вчера открутили больше всего? Если в ответ звучит цена аккаунта – зона есть.

Что мы одолжили у производственников

Метрику пришлось не изобретать, а импортировать. В производстве ровно эта задача решена десятилетия назад, и называется она rolling throughput yield – накопленный выход годного.

Логика такая. Производственный процесс состоит из этапов, на каждом часть деталей уходит в брак. Итоговый выход годного – это не среднее по этапам, а произведение их выходов. First-pass yield считается как отношение годных единиц к вошедшим в процесс, а при нескольких переделах отдельные показатели перемножаются. Отсюда классический контринтуитивный результат: четыре этапа с выходом 85% каждый дают на выходе не 85% и не 80%, а 52%.

Фарм профилей – это буквально производственный процесс с переделами:

1. Аккаунт открылся и зашёл без проблем.
2. Пережил прогрев.
3. Прошёл верификацию и первое списание.
4. Дожил до момента, когда на него можно завести боевой бюджет.

Каждый этап имеет свой выход. Общая выживаемость – их произведение. И именно на неё нужно делить затраты, а не на количество закупленных аккаунтов.

Это и есть весь фокус метрики. Всё остальное – арифметика.

Пять строк себестоимости

1. Аккаунт. Единственная строка, которую все считают, и почти всегда единственная, которая участвует в решении о закупке. По факту – редко больше четверти итога.
2. Прокси. Считается не по прайсу поставщика, а по реальной плотности: сколько профилей вы сажаете на один адрес. Один мобильник на три профиля и один на один – это двукратная разница в строке. Сюда же – простой: прокси оплачен на месяц, а партия прогревалась две недели, значит, половина срока прошла впустую, если адрес не ушёл сразу под следующую партию.
3. Платёжный инструмент. Выпуск карты, комиссии, невозвратные остатки на балансах мёртвых профилей. Последнее почти всегда теряется в учёте, а на партии в полсотни собирается в ощутимую сумму.
4. Лицензия антидетекта. Самая маленькая строка и единственная, которую можно посчитать абсолютно точно. Разберём отдельно ниже – там есть неочевидный момент.
5. Труд. Главная строка. Она же – единственная, которую почти никто не оцифровывает.

Посчитайте честно: прогрев – это минуты живого человека каждый день на каждый профиль, помноженные на срок прогрева и на ставку. Десять минут в день на профиль в течение двух недель – это 2,3 часа. При ставке восемь долларов в час – девятнадцать долларов на профиль. То есть в шесть раз больше, чем сам трёхдолларовый аккаунт.

И вот здесь дешёвая партия начинает проигрывать. Дешёвый аккаунт требует дольше греть, чаще перезаходить, больше внимания – то есть тянет за собой самую дорогую строку. Вы экономите двадцать пять долларов на входе и докупаете полтора часа человеческого времени на каждый профиль.

Формула

CSP = (C_acc + C_proxy + C_pay + C_lic + C_labor) / (N × RTY)

где RTY = y₁ × y₂ × y₃ × y₄

• N – сколько аккаунтов взяли в работу в партии
• y₁…y₄ – доля дошедших до конца каждого этапа
• Знаменатель – сколько профилей реально доехало до скейла

Ключевое требование к внедрению: считать надо партиями, не суммарно за месяц. Месячный котёл смешивает поставщиков, методы прогрева и GEO, и метрика перестаёт что-либо значить. Партия – это одна закупка у одного поставщика по одному методу. Только так CSP становится сравнимым.

Два сценария: таблица

Партия по двадцать аккаунтов. Прокси – мобильные, один на три профиля, 25 $ за адрес. Платёжка – 4 $ на профиль. Лицензия – по реальному прайсу Octo (расчёт ниже). Ставка байера – 8 $/час.

Читается это так. Аккаунт в сценарии Б дороже в 9,3 раза. Выживший профиль в сценарии Б дешевле в 2,1 раза.

Разрыв между «в девять раз дешевле» и «вдвое дороже» – это и есть цена решения, принятого по единственному видимому числу.

Обратите внимание ещё на две вещи. Первая: труд в сценарии А – больше половины всех затрат партии, при том что в разговоре о закупке он не фигурировал вообще. Вторая: сценарий Б доезжает до скейла за неделю против двух. Календарное время в таблицу не попало, но в реальности оно дороже всего остального.

Цифры в таблице = иллюстративная модель на наших порядках величин, не отраслевой бенчмарк. Смысл не в этих числах, а в том, чтобы подставить свои.

Четыре следствия, которые меняют решения

Цена аккаунта перестаёт быть аргументом. Она становится одним из пяти входов. Разговор о закупке смещается с «сколько стоит» на «какой выход даёт эта партия» – а это уже вопрос, на который есть данные.

Появляется цена на брак. Каждый процент выживаемости получает денежное выражение. В сценарии А поднять выход этапа прогрева с 55% до 70% – значит снизить CSP примерно до 98 $, то есть на четверть. Это оправдывает вложение в процесс прогрева, которое до появления метрики выглядело как «давайте потратим время непонятно на что».

Труд становится видимым. Как только строка прогрева оцифрована, автоматизация и шаблоны перестают быть «удобством» и становятся прямой экономией. Сокращение прогрева на пять минут в день на профиль в партии из ста – это 11,7 часа в месяц.

Появляется тест на окупаемость. CSP имеет смысл сравнивать с тем, сколько профиль успевает принести за свой срок жизни. Отношение ниже трёх – сигнал, что вы кормите инфраструктуру, а не бизнес. Это, кстати, единственный способ понять, что пора менять не поставщика, а подход.

Где это считается: интеграция с Octo Browser

Метрика требует двух вещей: точного учёта партий и честного замера труда. Мы работаем в Octo Browser, и вот как обе задачи закрываются внутри инструмента.

Лицензия – единственная строка, которую можно посчитать до цента. Берём публичный прайс Octo: тариф Base – 79 € за 200 профилей, то есть 0,40 € на профиль в месяц. Тариф Team – 169 € за 600 профилей, то есть уже 0,28 €. При годовой оплате действует скидка 30%, и на Base цена профиля падает до 0,28 €, на Team – до 0,20 €.

Отсюда неочевидный вывод: лицензия – единственная строка себестоимости с убывающей предельной стоимостью. Все остальные растут линейно с числом профилей, эта – падает. Команда на 600 профилях платит за профиль почти вдвое меньше, чем команда на 200. Что означает простую вещь: если вы сидите на тарифе впритык и докупаете профили по одному, вы платите за инфраструктуру завышенную ставку – и это единственное место в модели, где проблема решается одним действием.

Партии учитываются тегами. Каждая закупка получает свой тег – batch-w38, supplier-A, warm-short. Дальше выживаемость по партии считается фильтром, а не ручной сверкой таблиц: сколько профилей с этим тегом живо сейчас, сколько было заведено. Без тега партии метрика нерабочая – вы физически не сможете отделить один поставщик от другого.

Труд замеряется по логу действий. Главная строка себестоимости обычно оценивается фразой «ну минут десять». Лог действий команды в Octo показывает фактические запуски профилей и кем они делались – это уже не оценка, а данные. Первый же замер обычно неприятно удивляет: реальное время на профиль отличается от ощущений в полтора-два раза.

Шаблоны и массовые действия режут самую дорогую строку. Создание профилей из шаблона и групповые операции по выборке бьют ровно в труд – ту статью, которая в сценарии А составила 53% всех затрат. Это не про удобство интерфейса, это про единственный рычаг, который реально двигает CSP.

API автоматизирует сбор. У Octo полноценный REST API с поддержкой Selenium, Puppeteer и Playwright; лимиты запросов зависят от тарифа – 50 RPM на Base, 100 RPM на Team, 200 RPM на Advanced. Этого достаточно, чтобы раз в неделю выгружать состояние пула и пересчитывать выходы этапов скриптом, а не руками.

Промокод для читателей материала – 30% скидки на первую покупку Octo Browser по промокодуCPARUPARTNER30. octobrowser.net

Как внедрить подсчет за неделю

Не нужно строить систему. Нужно посчитать одну партию.

Возьмите последнюю закупку, по которой ещё помните детали. Выпишите пять строк затрат – аккаунты, прокси, платёжка, лицензия, труд. Труд считайте честно: минуты в день × дни прогрева × количество профилей × ставка. Посчитайте, сколько профилей из этой партии реально дошло до боевых бюджетов. Разделите.

Полученное число, скорее всего, вас удивит. Оно почти всегда в три-пять раз выше того, что команда называет «стоимостью аккаунта».

Дальше – ставьте теги партий на новые закупки и повторяйте раз в месяц. Через квартал у вас будет сравнительная таблица поставщиков и методов прогрева по CSP, и закупка перестанет быть вопросом веры.

Где метрика врёт

Она не учитывает календарь. Профиль, доехавший до скейла за неделю, и профиль, доехавший за три, в формуле равны. В реальности – нет, особенно если вы заходите в GEO под сезон. Правильно смотреть CSP в паре со сроком готовности партии, а не отдельно.

Она не видит качество выживших. Выжить и быть готовым к нагрузке – разные состояния. Профиль может формально дожить до скейла и улететь на третий день повышенного бюджета. CSP считает его выжившим. Эту дыру закрывает оценка готовности профиля перед скейлом.

Выходы этапов нестабильны. Изменение политики площадки обнуляет историческую выживаемость за одну ночь, и модель, построенная на данных прошлого квартала, начинает врать. Пересчитывать выходы нужно по свежим партиям, а не по накопленному среднему.

Метрику можно оптимизировать вместо процесса. Если премировать за низкий CSP, команда научится не улучшать выживаемость, а переопределять, что считать «дошедшим до скейла». Мы держим CSP в операционном контуре и сознательно не тащим в KPI.

Главное, ради чего всё это считается, звучит скучно: решение о закупке должно приниматься по стоимости результата, а не по стоимости входа. Это банальность в любой производственной экономике и почему-то не банальность в арбитраже – просто потому, что у нас не принято считать выход годного.

Посчитайте одну партию. Дальше само.

TraffCloud – Infrastructure for scalable performance. Материал подготовлен при поддержке Octo Browser.