Интернет маркетинг ресторанов и кафе

Введение. Почему старый маркетинг в общепите больше не работает

Конец эпохи «постов и сторис»: почему старые механики сжигают бюджет

До 2022 года российский общепит жил по шаблону, скопированному с западных трендов десятилетней давности. Запускали рекламу в запрещённых соцсетях, нанимали блогеров с накрученными подписчиками, устраивали розыгрыши ужинов за репосты, считали количество лайков показателем успеха. Эта модель давала временный всплеск трафика, но не создавала устойчивого спроса. Когда платформы ушли, алгоритмы изменились, а покупательская способность стала зависеть от макроэкономики и региональных колебаний, маркетинг застрял в вакууме. Собственники продолжали платить за охваты, которые не конвертировались в посадки, а управляющие фиксировали падение повторных визитов, списывая всё на сезонность или «плохое место».

На деле проблема глубже. Старый маркетинг не учитывал поведенческую дугу гостя в цифровой среде. Он строился на гипотезах, а не на данных. Бюджет распылялся между таргетом, инфлюенсерами, наружной рекламой и промо на агрегаторах без единой точки измерения. Отслеживание пути от просмотра до чека было фрагментировано: Яндекс.Метрика считала переходы на сайт, р_keeper фиксировал продажи, а CRM-системы если и велись, то не связывались с рекламными кабинетами. В результате собственник видел только итоговую выручку, но не понимал, какой канал принёс гостя, сколько стоило его привлечение, почему он ушёл после первого визита и как вернуть его без скидок.

Практический фреймворк для диагностики текущего состояния: «Аудит трёх точек отсечки». Первая точка отсечки: видимость. Заведение должно быть найдено там, где гость принимает решение о выборе (Яндекс.Карты, 2GIS, VK, Telegram). Если карточка неполная, рейтинг ниже четырёх звёзд, фото устарели, а актуальное меню отсутствует, бюджет на продвижение сгорает ещё до клика. Вторая точка отсечки: конверсия в бронь или заказ. Лендинг, чат-бот, виджет бронирования или форма доставки должны отвечать за три секунды на вопрос «что, сколько, когда и как». Если загрузка дольше двух секунд, нет СБП-оплаты, а форма требует лишних полей, конверсия падает минимум на сорок процентов. Третья точка отсечки: возврат. Без CRM, сегментации и триггерных коммуникаций семьдесят процентов гостей не возвращаются в течение девяноста дней. Это не вина продукта. Это вина отсутствия системы удержания.

Примеры под российскую специфику. Локальная кофейня в Казани тратила двести тысяч рублей в месяц на таргет в VK по геолокации радиусом три километра. Охваты росли, но чек в кассе стоял на месте. Аудит показал, что ссылка вела на страницу VK, где не было актуального меню, а кнопки «заказать самовывоз» не существовало. После подключения виджета с прямым переводом в бота Telegram и интеграцией с iiko, стоимость привлечения гостя снизилась с девятисот до четырёхсот рублей, а конверсия в заказ выросла с двух до шести с половиной процентов. Семейный ресторан в Новосибирске делал ставку на фотографов и блогеров. Всплеск посещаемости длился две недели, затем отток составил восемьдесят пять процентов. Причина: контент создавал ожидание премиального уровня, а сервис и скорость выдачи не соответствовали заявленному позиционированию. Бар в Москве закупал трафик у инфлюенсеров на вечеринки, но не фиксировал данные гостей. Повторные визиты отсутствовали, потому что не было механизма сохранения контакта и персонализированного предложения.

Метрики контроля для диагностики устаревших механик. Стоимость привлечения гостя (CAC): формула расчёта – суммарный рекламный бюджет за период делить на количество уникальных гостей, совершивших первый визит или заказ. Норматив для сегмента «кофейня» – до четырёхсот рублей, для «семейный ресторан» – до восьмисот рублей, для «бар/вечерний формат» – до шестисот рублей. Если CAC превышает тридцать пять процентов от среднего чека, канал неэффективен. Конверсия из просмотра карточки в бронь/заказ: формула – количество успешных действий делить на количество переходов на посадочную страницу или карточку, умножить на сто. Норматив для 2024–2026 годов – от четырёх до семи процентов для локальных заведений, от шести до десяти процентов для сетей. Показатель возврата за девяносто дней: формула – количество гостей, совершивших второй визит в течение девяноста дней после первого, делить на общее число новых гостей за тот же период, умножить на сто. Норматив – не ниже двадцати пяти процентов. Доля прямых заказов к агрегаторским: формула – прямые заказы делить на сумму прямых и агрегаторских, умножить на сто. Цель – не менее шестидесяти процентов к 2027 году. Отток после первого визита: формула – количество гостей, не вернувшихся в течение шестидесяти дней, делить на общее число новых гостей, умножить на сто. Норматив – не выше семидесяти пяти процентов при наличии CRM и триггерной коммуникации.

Типовые ошибки, уничтожающие бюджет. Вера в «волшебный таргет» без проработки карточки заведения. Закупка охватов у блогеров без системы трекинга промокодов и уникальных ссылок. Отсутствие связки рекламных кабинетов с POS и CRM. Игнорирование скорости загрузки посадочных страниц и чат-ботов. Работа с отзывами по принципу «удалить плохой, написать пять хороших». Отказ от сбора данных о гостях из-за страха 152-ФЗ, при этом нарушение закона через некорректные формы подписки. Скидки как единственный инструмент возврата, ведущий к каннибализации маржи. Отсутствие сегментации гостей по частоте, среднему чеку и предпочтениям.

Новая реальность российского HoReCa: данные, нейросети и поведенческие сдвиги

Рынок общепита в России 2024–2030 годов строится на трёх опорах: предсказуемость, скорость и персонализация. Гость больше не хочет «удивляться». Он хочет знать, что получит тот же вкус, ту же посадку, ту же скорость доставки, что и в прошлый раз. Любое отклонение воспринимается как риск. Цифровая среда стала главным арбитром доверия. Рейтинг на Яндекс.Картах, свежие фото в VK, ответ на вопрос в Telegram за две минуты, возможность оплатить через СБП и получить чек по 54-ФЗ сразу в мессенджер – это не «удобства», это базовые требования. Без них заведение выпадает из выбора.

Поведенческие сдвиги фиксируются чётко. Миграция трафика из Instagram в VK и Telegram завершена. VK становится экосистемой для локального продвижения, а Telegram – каналом прямых продаж и удержания. Яндекс.Карты и 2GIS превратились в витрины, где 2GIS лидирует по навигации и звонкам, а Яндекс – по бронированию и доставке. Агрегаторы забирают до сорока пяти процентов трафика в крупных городах, но маржа на них съедается комиссией от двадцати до тридцати пяти процентов. Поэтому задача маркетинга – не конкурировать с агрегаторами, а использовать их как воронку, перетягивая гостя в прямой канал за три-четыре контакта. Нейросети перестали быть игрушкой. Они генерируют описания блюд, оптимизируют рекламные креативы, предсказывают загрузку кухни, динамически меняют цены в периоды простоя, анализируют тон отзывов и формируют триггерные предложения. Те, кто внедряет ИИ как часть операционного стека, сокращают CAC на двадцать-тридцать процентов и повышают LTV на пятнадцать-двадцать процентов.

Практический фреймворк: «Матрица цифрового присутствия». Заведение должно занимать четыре уровня. Первый уровень: поиск и навигация. Карточки на Яндекс.Карты, 2GIS, Google Maps (для туристов), Restoplace. Заполнены на сто процентов: фото актуальны, меню обновлено, график работы синхронизирован с праздниками, подключён виджет бронирования, указаны способы оплаты и аллергии. Второй уровень: контент и доверие. VK-сообщество с регулярными постами, Telegram-канал с акциями и новинками, YouTube/Shorts с процессом приготовления и атмосферой. Все платформы связаны единым визуальным кодом и голосом бренда. Третий уровень: транзакция и данные. Сайт или лендинг с быстрой формой заказа, чат-бот для бронирования и доставки, интеграция с р_keeper/iiko, сбор контактов через легальные формы с чек-боксом согласия, автоматическая отправка чеков по 54-ФЗ. Четвёртый уровень: удержание и аналитика. CRM с сегментацией, автоматические рассылки, программа лояльности без скидок в лоб, дашборд с метриками CAC, LTV, Retention, NPS, доля прямых заказов, отток.

Примеры под сегменты. Кофейня в Екатеринбурге внедрила «Матрицу цифрового присутствия» за шесть недель. Яндекс.Карты получили тридцать новых фото, 2GIS – актуальное меню и кнопку «заказать», VK-сообщество перешло на три поста в неделю с фокусом на процесс обжарки, Telegram-бот подключил систему предзаказа. Результат: конверсия из просмотра в заказ выросла с трёх до семи процентов, доля прямых заказов достигла шестидесяти двух процентов, отток после первого визита снизился до шестидесяти восьми процентов. Семейный ресторан в Краснодаре столкнулся с высокой комиссией агрегаторов. Внедрили QR-коды на столах с переходом в Telegram-бот, где гость мог заказать десерт или напиток со скидкой три процента. Через три месяца тридцать пять процентов гостей перешли на прямой канал, экономия на комиссии составила двести восемьдесят тысяч рублей в квартал. Премиум-заведение в Москве использовало ИИ-анализ отзывов для корректировки подачи блюд. Выявили, что гости чаще жалуются не на вкус, а на температуру подачи. Изменили технологическую карту доставки, подключили тепловые сумки, рейтинг вырос с четырёх до четырёх с половиной звёзд.

Метрики контроля цифровой зрелости. Индекс заполненности карточек: формула – количество обязательных полей, заполненных на сто процентов, делить на общее число обязательных полей, умножить на сто. Норматив – не ниже девяноста пяти процентов. Скорость ответа в мессенджерах: формула – среднее время первого ответа на запрос о бронировании/меню/доставке. Норматив – до трёх минут в рабочее время. Доля прямых транзакций: формула – прямые заказы делить на общее число заказов, умножить на сто. Цель к 2027 году – не менее шестидесяти процентов. Стоимость обслуживания гостя в CRM: формула – затраты на рассылки, ботов, сегментацию и аналитику делить на активную базу гостей за период. Норматив – не более пятидесяти рублей на гостя в месяц. Коэффициент возврата ИИ-сегментации: формула – количество возвратов после персонализированного предложения, сгенерированного нейросетью, делить на общее число отправленных предложений, умножить на сто. Норматив – от восьми до двенадцати процентов.

Типовые ошибки перехода в новую реальность. Попытка автоматизировать хаос: подключение CRM без очистки базы, настройка ботов без сценариев, запуск рассылок без сегментации. Игнорирование 152-ФЗ: сбор номеров без согласия, передача данных сторонним сервисам без договоров, хранение контактов в таблицах Excel без шифрования. Использование ИИ как «кнопки волшебства»: генерация текстов без редактуры, слепо доверие прогнозам загрузки без проверки на исторических данных, отсутствие ручного контроля качества. Отсутствие связки между маркетингом и кухней: рекламные акции запускаются без уведомления поваров, что приводит к срыву сроков и негативным отзывам.

Откуда берётся система: опыт, агентства и методология «маркетинг-машины»

За пятнадцать лет работы в цифровом маркетинге HoReCa я прошёл путь от настройки таргета для одной кофейни до построения экосистем для сетей из двадцати точек. Каждая фаза оставляла след в методологии. В начале мы учились измерять клики. Потом – переходы в бронь. Затем – возвраты и маржинальность. Сегодня мы управляем поведенческими паттернами через данные, нейросети и автоматизацию. Эта книга родилась не из теорий, а из операционных практик, тестов, ошибок и масштабирования. В её основе лежит методология «маркетинг-машины» – система, где каждый элемент воронки связан с другим, где трафик не «льётся», а направляется, где контент не «публикуется», а работает на конверсию, где гости не «привлекаются», а удерживаются через экосистему привычки.

Практически эта методология оттачивалась в двух структурах, которые я основал: маркетинговое агентство «Цифровое Действие» и RankBoost (ИИ-Трекер и продвигатель бизнесов в нейросетях). «Цифровое Действие» взяло на себя операционную часть: аудиты, построение воронок, интеграции с POS, CRM, агрегаторами, запуск контент-стратегий под российские платформы. RankBoost стал лабораторией предиктивной аналитики: трекинг репутации, генерация креативов, динамическое ценообразование, автоматизация ответов на отзывы, сегментация гостей по поведенческим кластерам. Совместная работа позволила выявить, что маркетинг в общепите больше не творчество в чистом виде. Это инженерия спроса. Каждый пост, каждый ответ на отзыв, каждая акция, каждый триггер в CRM – это винтик в механизме, который должен работать без человеческого вмешательства там, где это возможно, и с точным контролем там, где это необходимо.

Практический фреймворк: «Контур маркетинг-машины». Контур состоит из шести блоков. Блок один: вход. Трафик из карт, соцсетей, поиска, агрегаторов, офлайн-носителей. Блок два: захват. Формы, виджеты, боты, QR, подписки. Блок три: обработка. POS, CRM, сегментация, история заказов, предпочтения. Блок четыре: коммуникация. Рассылки, триггеры, акции, персональные предложения, поддержка. Блок пять: транзакция. Бронь, доставка, самовывоз, оплата, чек, подтверждение. Блок шесть: анализ. Дашборды, метрики, отчёты, корректировки, масштабирование. Контур замкнут. Данные из блока шесть возвращаются в блок один, оптимизируя вход. Блоки связаны API, вебхуками, ручными интеграциями. Разрыв в любом звене останавливает машину.

Примеры под разные сегменты. Сеть кофеен из пяти точек в Самаре внедрила контур за два месяца. Яндекс.Еда и VK Еда остались, но на столах появились QR с переходом в Telegram-бот. Бот собирал контакты, фиксировал предпочтения (молоко, сироп, время), отправлял триггер «кофе остывает через двадцать минут» и предложение повторного визита через сорок восемь часов. CRM сегментировала гостей по частоте. Те, кто приходил реже двух раз в месяц, получали персональное приглашение на дегустацию нового сорта. LTV вырос на двадцать два процента. Бар с кухней в Ростове-на-Дону столкнулся с неравномерной загрузкой. RankBoost подключил ИИ-трекинг загрузки кухни, анализ погодных условий и событий в городе. Динамическое меню в Telegram-боте меняло акцент: в дождь продвигало горячие блюда, в пятницу – коктейли, в будни до пяти вечера – бизнес-ланчи. Конверсия в заказ в периоды простоя выросла на тридцать один процент. Премиум-ресторан в СПб использовал контур для управления репутацией. Ответы на отзывы генерировались ИИ, но проверялись управляющим. Негатив обрабатывался по алгоритму: извинение, компенсация, фиксация причины, корректировка техкарты. Рейтинг вырос, отток снизился.

Метрики контроля работы контура. Скорость прохождения гостя через контур: формула – среднее время от первого касания до завершения транзакции. Норматив – до четырёх минут для заказа, до двенадцати минут для брони. Коэффициент замыкания контура: формула – количество гостей, прошедших все шесть блоков, делить на общее число вошедших в блок один, умножить на сто. Норматив – не ниже восемнадцати процентов для локальных заведений, не ниже двадцати пяти процентов для сетей. Стоимость автоматизации одного контакта: формула – затраты на ботов, CRM, ИИ-сервисы делить на количество обработанных контактов за месяц. Норматив – не более тридцати рублей. Доля ручных операций в контуре: формула – количество действий, требующих участия человека, делить на общее число действий в контуре, умножить на сто. Цель – снизить до двадцати пяти процентов за счёт автоматизации. Коэффициент возврата данных: формула – количество корректировок, внесённых на основе аналитики блока шесть, делить на общее число корректировок за квартал, умножить на сто. Норматив – не ниже семидесяти процентов.

Типовые ошибки при запуске контура. Попытка автоматизировать всё сразу. Результат: ошибки в сценариях, потеря контактов, негатив. Отсутствие тестового периода. Контур запускается на полный трафик без проверки на десяти-двадцати процентах. Игнорирование человеческого фактора. Чат-боты не передают диалог менеджеру при сложных запросах. CRM не обновляется, данные дублируются. Отсутствие владельца контура. Маркетинг, IT и операционный блок работают разрозненно. Нет единого ответственного за метрики и корректировки.

Как работать с этой книгой: алгоритм внедрения и точки контроля

Эта книга не про вдохновение. Она про последовательность. Каждая глава построена как модуль, который можно внедрять независимо, но максимальный эффект достигается при сборке системы целиком. Я рекомендую двигаться по алгоритму: диагностика → приоритизация → пилот → масштабирование → контроль. Диагностика занимает одну-две недели. Вы замеряете текущие метрики, фиксируете разрывы в воронке, определяете точки потерь. Приоритизация занимает три-пять дней. Вы выбираете два-три блока, где внедрение даст наибольший эффект за наименьший бюджет. Пилот длится две-четыре недели. Вы тестируете решение на десяти-двадцати процентах трафика или на одной точке сети. Масштабирование занимает один-два месяца. Вы переносите успешный сценарий на все каналы или все точки. Контроль становится постоянным процессом. Еженедельные отчёты, ежемесячные корректировки, квартальные аудиты.

Практический фреймворк: «Дорожная карта внедрения по спринтам». Спринт один: аудит карточек на Яндекс.Картах и 2GIS, обновление фото, меню, графика, подключение виджета бронирования. Спринт два: запуск Telegram-бота для заказа и бронирования, интеграция с р_keeper/iiko, настройка форм сбора контактов с согласиями по 152-ФЗ. Спринт три: подключение CRM, сегментация по частоте и чеку, запуск триггерных рассылок (приветствие, напоминание, возврат, день рождения). Спринт четыре: настройка репутационного мониторинга, внедрение ИИ-ответов с ручной проверкой, корректировка алгоритмов работы с негативом. Спринт пять: анализ метрик, расчёт LTV/CAC, оптимизация каналов, масштабирование. Каждый спринт завершается точкой контроля: метрика достигнута или план корректируется.

Примеры под разные сегменты. Кофейня в Воронеже прошла спринты за десять недель. Спринт один дал рост конверсии из просмотра в заказ на сорок процентов. Спринт два снизил время обработки заказа до двух минут. Спринт три вернул двадцать восемь процентов гостей, ушедших после первого визита. Спринт четыре поднял рейтинг с четырёх до четырёх с одной десятой звёзд. Спринт пять зафиксировал снижение CAC на тридцать пять процентов. Семейный ресторан в Тюмени адаптировал дорожную карту под доставку. QR на чеках вели в Telegram, где гость мог заказать повторную доставку с персональной скидкой. CRM сегментировала семьи по возрасту детей, отправляя предложения по выходным. Отток снизился до шестидесяти пяти процентов. Премиум-заведение в Москве использовало спринты для управления репутацией и программой лояльности. ИИ отслеживал тональность отзывов, управляющий получал алерты при падении рейтинга ниже четырёх с двумя десятыми. Программа лояльности строилась не на скидках, а на доступе к дегустациям и закрытым мероприятиям. LTV вырос на восемнадцать процентов.

Метрики контроля спринтов. Скорость реализации спринта: формула – фактическое количество дней делить на плановое, умножить на сто. Норматив – от восьмидесяти до ста двадцати процентов. Конверсия пилота в масштабирование: формула – количество спринтов, успешно перенесённых на полный трафик, делить на общее число спринтов, умножить на сто. Цель – не ниже восьмидесяти процентов. Отклонение метрик от плана: формула – фактическое значение метрики минус плановое, делить на плановое, умножить на сто. Норматив – не более пятнадцати процентов отклонения. Доля корректировок после спринта: формула – количество изменений, внесённых на основе данных, делить на общее число изменений, умножить на сто. Норматив – не ниже шестидесяти процентов. Экономия бюджета на спринт: формула – разница между запланированным и фактическим бюджетом, делить на запланированный, умножить на сто. Цель – не превышать план более чем на десять процентов.

Типовые ошибки внедрения. Попытка сделать всё за месяц. Результат: перегруз команды, ошибки, срыв сроков. Игнорирование операционного блока. Маркетинг запускает акции, кухня не готова, сервис падает. Отсутствие владельца метрик. Данные собираются, но не анализируются, корректировки не вносятся. Слепое копирование чужих кейсов. Без адаптации под сегмент, регион, технологический стек. Отказ от спринтового подхода. Внедрение растягивается на полгода, энтузиазм падает, команда возвращается к старым методам.

Резюме и чек-лист немедленных действий

Старый маркетинг в общепите умер не из-за ухода платформ, а из-за неспособности измерять, управлять и возвращать. Новый маркетинг – это система, где данные связывают трафик, транзакцию и возврат. Где ИИ ускоряет обработку, где CRM удерживает, где контент работает на конверсию, а не на охваты. Российская специфика требует понимания платформ, законодательства, поведения гостей и технологического стека. Без этого любые бюджеты сгорают. Методология «маркетинг-машины» строится на контуре из шести блоков, спринтовом внедрении и постоянном контроле метрик. Книга даст вам фреймворки, формулы, чек-листы и дорожные карты. Ваша задача – внедрять последовательно, измерять честно, корректировать быстро.

Чек-лист немедленных действий. Заполнить карточки на Яндекс.Картах и 2GIS на сто процентов. Проверить актуальность фото, меню, графика, способов оплаты. Подключить виджет бронирования или заказа. Замерить текущий CAC, конверсию из просмотра в бронь, долю возвратов за девяносто дней, отток после первого визита. Определить два блока контура для внедрения в ближайшие две недели. Назначить владельца метрик и отчётности. Настроить формы сбора контактов с чек-боксами согласия по 152-ФЗ. Запустить Telegram-бот или чат на сайте с ответом до трёх минут. Интегрировать POS с CRM. Составить дорожную карту спринтов на двенадцать недель. Зафиксировать точки контроля и нормативы метрик.

Глава 1. Рынок HoReCa в России 2024–2030: тренды, риски, точки роста

Макроэкономический фон и структурные сдвиги в общепите

Российский рынок HoReCa вступает в фазу структурной трансформации. Рост инфляции, изменение цепочек поставок, колебания арендных ставок, миграция кадров и регуляторные корректировки формируют новую среду. Общепит больше не растёт за счёт открытия новых точек в спальных районах. Рост смещается в сторону оптимизации существующих, повышения маржинальности, цифровизации процессов и удержания гостя. Собственники, продолжающие стратегию «открыть больше, продать дешевле», сталкиваются с оттоком капитала и выгоранием команды. Те, кто строит систему, фиксируют стабильный LTV, управляемый CAC и предсказуемую загрузку.

Практический фреймворк: «Карта структурных факторов роста». Карта состоит из пяти осей. Ось первая: стоимость входа. Аренда, ремонт, оборудование, лицензии. В 2024–2026 годах стоимость открытия точки формата «кофейня» в региональных городах колеблется от трёх до шести миллионов рублей, в Москве и СПб – от восьми до пятнадцати миллионов. Семейный ресторан – от десяти до двадцати пяти миллионов в регионах, от тридцати до шестидесяти в столицах. Ось вторая: операционные издержки. Продукты, логистика, зарплаты, налоги, комиссии агрегаторов, рекламный бюджет. Маржинальность блюд в среднем составляет от пятидесяти пяти до семидесяти процентов, но чистая прибыль после всех издержек редко превышает двенадцать-восемнадцать процентов. Ось третья: регуляторная нагрузка. 54-ФЗ, 152-ФЗ, ФЗ «О рекламе», SanPiN, требования к маркировке, отчётность, проверки. Ошибка в документации или рекламе ведёт к штрафам, приостановке, репутационным потерям. Ось четвёртая: технологическая зрелость. POS, CRM, агрегаторы, боты, аналитика, ИИ. Заведения без интеграций теряют до тридцати процентов трафика и двадцать процентов маржи на комиссиях. Ось пятая: поведенческая устойчивость. Гость выбирает предсказуемость. Рейтинг, скорость, сервис, персонализация. Отклонение ведёт к оттоку.

Примеры под сегменты. Локальная кофейня в Ижевске столкнулась с ростом аренды на пятнадцать процентов и увеличением стоимости зерна на двадцать два процента. Вместо повышения цен на десять процентов, внедрила предзаказ через Telegram, оптимизировала график работы, сократила простои, запустила программу лояльности без скидок в лоб. Маржинальность сохранилась на уровне шестидесяти восьми процентов, выручка выросла на двенадцать процентов. Семейный ресторан в Нижнем Новгороде потерял двадцать пять процентов трафика из-за ошибки в рекламном баннере: сравнение с конкурентом без данных нарушило ФЗ «О рекламе». Штраф, снятие баннера, падение доверия. После аудита маркетинга, перехода на UGC-контент, работы с отзывами и корректировки позиционирования трафик восстановился за два месяца. Премиум-заведение в Москве столкнулось с дефицитом поваров. Внедрило ИИ-планирование смен, предиктивную закупку продуктов, динамическое меню, сократило отток кадров на восемнадцать процентов, повысило скорость отдачи блюд на двадцать процентов.