Сравнение креаторов одной ниши: framework на 7 метрик

«У него 500k подписчиков, у неё 80k — давайте работать с первым» — самая дорогая ошибка в performance-маркетинге через инфлюенсеров. Followers count не предсказывает почти ничего: ни органический охват, ни engagement, ни качество аудитории, ни ROI. Ниже — framework из 7 метрик, который реально сравнивает креаторов одной ниши и помогает выбрать того, кто принесёт деньги, а не того, у кого красивее «визитка».

Почему followers count врёт почти всегда

В 2026 ни Instagram, ни TikTok не показывают каждый твой пост всем подписчикам. Алгоритм решает на каждый ролик заново — на основе пасты, первых watch-time секунд и engagement-pulse'а. Это значит, что followers — это потолок охвата, но не его уровень.

Конкретный сценарий: креатор A, 500k подписчиков, средний просмотр на пост — 18k (3.6% от базы). Креатор B, 80k подписчиков, средний просмотр на пост — 95k (118% от базы, явный «алгоритм-фьюел»). Для брендового sponsored post — креатор B принесёт в ~5× больше реального охвата, при этом по followers ты бы его не выбрал.

Followers — это accounting-метрика. Performance-маркетингу нужна operating-метрика. Ниже — 7 операционных.

The 7-metric framework

Сознательно не больше: 7 метрик читается на одном экране, 15 — никто реально не сравнивает (mental overload). Под каждой — what it measures, how to read, и красный флаг.

1. Median Views per Post (за 90 дней)

Не average — median. Average ломается одним виралкой и врёт в обе стороны. Median показывает «здоровье средней публикации».

Как читать: сравнивайте median между креаторами одной ниши и одного follower-tier'а. Если у двух fashion-микроинфлюенсеров с ~80k подписчиков median 35k и 8k — первый объективно лучше «толкает» контент.

Red flag: median < 5% от followers count → аккаунт «спит», алгоритм не пушит. Либо боты, либо рассыпавшаяся аудитория.

2. Engagement Rate (по median, не average)

ER = (likes + comments + shares + saves) / views на каждый пост, потом median по всем постам за 90 дней.

Как читать (TikTok / Reels 2026):

Red flag: ER значительно ниже tier-нормы (например micro с ER 1.5%) = audience-quality проблема, либо тематика не резонирует, либо боты в подписчиках разбавляют live-engagement.

3. Save-to-View Ratio

Один из самых сильных сигналов «content-value» для пользователя. Saves = «я вернусь к этому». В коммерческой нише (как cooking, fitness, personal finance) — главный leading indicator для conversion.

Как читать: норма ~0.5–1% в развлекательной нише, ~2–5% в educational/utility. Если у двух fitness-креаторов один с save-rate 3.8%, другой 0.4% — первый сильно лучше для бренда спортивного питания / гаджетов.

4. Posting Consistency

Не «сколько постит», а насколько стабильно. Алгоритмы платформ душат непостоянных авторов: 14 постов в неделю и потом 3 недели тишины — хуже чем 3 поста в неделю, но каждую неделю.

Как считать: coefficient of variation (CV) postingов за последние 12 недель. CV < 0.4 — стабильно. CV > 0.8 — рваный ритм, алгоритм будет душить.

5. Audience Geography Overlap

Самая скрытая ловушка: креатор с 500k подписчиков из Индии — нерелевантен для бренда, продающего в РФ, даже если контент русскоязычный. Followers ≠ buyers. Нужна разбивка топ-5 стран в подписчиках.

Как читать: доля целевой страны < 50% = скорее всего плохой match для региональной кампании. > 80% = идеально для русскоязычного бренда.

Red flag: топ-страна — США/Индия/UK при русскоязычном контенте = либо buyers, либо боты, либо diaspora — нужно копать.

6. Audience Authenticity Score

% реальных живых подписчиков. Сейчас доступно через специализированные tools (HypeAuditor, Modash, Viralmaxing, etc.) — все используют похожие heuristics: следы массовых follow-сессий, registered <30 days ago, private accounts %, behavioral patterns.

Как читать:

• >85% — clean, можно работать
• 70–85% — нормально, но проверь engagement-rate тренд
• 50–70% — risky, обсудить открыто с креатором перед contract
• <50% — пропустить, бренд не должен платить за ботов

7. Brand-Affinity Signal

Сколько раз креатор раньше упоминал твой бренд или конкурентов органически. Это leading indicator commercial-fit: если creator уже органически использует продукт схожего класса, sponsored post читается как продолжение, не как pivot.

Как искать: поиск по упоминаниям бренда (caption + hashtags + tagged accounts) в постах за последние 12 месяцев. Через Viralmaxing — filter posts by mentioned account, через ручной поиск — Instagram tagged-by.

Рабочий пример: 3 fitness-микроинфлюенсера

Бренд спортивного питания (РФ) выбирает sponsored partner. Шорт-лист — 3 креатора, все ~80k подписчиков, fitness-ниша. По followers неотличимы. По framework'у:

Вывод по framework'у:

• Креатор A — пропустить. Низкий median, плохой ER, маленький save-rate, нестабильный постинг, сомнительный authenticity (61%). Followers обманчиво «как у других», но всё остальное говорит «спящий аккаунт + боты».
• Креатор B — главный выбор. Median views > followers count (algorithm-darling), сильный ER+save-rate, стабильный постинг, authenticity OK, brand-affinity показывает естественный fit. Минус — geo 72% не идеально (28% за пределами РФ), нужно reach-adjust.
• Креатор C — back-up. Все метрики «норма», без особых выдающихся точек. Geo лучший (91% RU). Hire'им если B недоступен или хочется second-tier контракт по сниженной ставке.

На followers-only выборе бренд бы потратил $5k на A, получил < 2k views на sponsored post и списал бы инфлюенсер-маркетинг как «не работает».

Скриншот сравнения 3 креаторов в Viralmaxing — встроим в финальной редакции.

4 cognitive bias'а, на которые ловится команда

1. Vanity-numbers anchoring

Мозг автоматически anchors на followers/likes-count как на «правильную» метрику. Защита — заполнять comparison-table в фиксированном порядке метрик (1–7 как выше), не давать followers первой строкой. В нашем шаблоне followers идут вообще вне 7-метричного блока — как контекст, не как сравнение.

2. Recency bias на trending posts

«Смотри, у него последний пост набрал 2M!» — один пост не сигнал, особенно если он на trending-теме (challenge / popular-sound). Median по 90 дням срезает recency-распыление.

3. Aesthetic bias

«Красивый профиль» подсознательно повышает rating, хотя engagement у «красивых» часто ниже (постинг про эстетику не масштабируется в кампании продаж). Защита — оценивайте по цифрам сначала, по визуалу — после. Финальный visual fit-check важен, но он не должен изменять рейтинг, только дисквалифицировать (если визуал ну совсем off-brand).

4. Charisma overweighting

Креатор лично написал «I love your product» в DM — это charisma, не performance-signal. Brand-affinity из public-content (метрика 7) — да, это signal. DM-energy — нет, это sales-skill креатора.

Как встроить framework в процесс выбора

Не превращайте comparison в недельный analytics-project. Минимально жизнеспособный процесс:

1. Shortlist 5–7 кандидатов по followers + visual fit (15 мин)
2. Прогнать каждого через 7-метричный audit (10–15 мин на креатора через инструмент уровня Viralmaxing / Modash / HypeAuditor)
3. Заполнить comparison-table (~30 мин)
4. Identify top-2 по фреймворку (5 мин)
5. Discovery-call с top-2 для fit-проверки на бриф (по 30 мин)
6. Decision + contract

Итого — полный цикл ~3–4 часа активной работы вместо 2 недель «давай ещё посмотрим». И решение опирается на цифры, не на «нравится / не нравится».