Нейросети, синтетические конверсии и отказ от ключевых слов – 7 мини-кейсов с лайфхаками контекстной рекламы

Полная статья на VC

В начале 2024 года в рекламе появился автотаргетинг, который автоматически подбирает ключевые фразы. Однако у нашего клиента — интернет-магазина мебели — был негативный опыт использования этого инструмента: запросы были нецелевыми, а результаты слабые. При этом традиционная реклама с 9560 детально проработанными ключами перестала давать ощутимый рост.

Мы дали автотаргетингу второй шанс, настроив его по-новому:

1. Разделили кампании на категории товаров.
2. Проработали тексты объявлений и посадочные страницы.
3. Использовали стратегию «Максимум конверсий». Параллельно запустили традиционную кампанию для сравнения.

Результат

Автотаргетинг увеличил количество лидов в 39 раз! Успех обеспечило сочетание прогресса алгоритмов, автоматической стратегии и грамотной настройки. Однако для некоторых ниш, например, узких B2B-услуг, ручной подбор ключевых слов остаётся необходимым.

В разгар сезона к нам обратилась компания, занимающаяся продажей красок. Клиенту нужно было срочно запустить рекламу, но времени на сбор ключевых фраз не было. В такой ситуации традиционные кампании могли не успеть показать результат.

Мы предложили начать с Товарной кампании по фиду, где ключевые слова подбираются автоматически. Чтобы повысить эффективность, доработали фид вручную:

• Убрали непопулярные и низкомаржинальные товары, оставив 20% самых выгодных позиций.
• Оптимизировали тексты, выделив ключевые преимущества товаров.
• Добавили параметры, такие как материал и цвет, чтобы повысить релевантность запросов.
• Проанализировали фотографии товаров, оставив только самые качественные.

Параллельно начали сбор семантики для других типов кампаний.

Результат

Товарная кампания стартовала так успешно, что уже к концу месяца принесла в 5 раз больше лидов, чем все остальные кампании вместе взятые, причём с более низкой стоимостью лида.

Наш клиент — маркетолог девелоперской компании, занимающейся коттеджными посёлками, — скептически относился к креативам от нейросетей. Он считал, что такие визуалы выглядят неестественно и подрывают доверие аудитории. Однако весной 2024 года в Яндекс.Директ появилась функция «Объявления от нейросети», которая автоматически генерирует офферы с помощью алгоритмов YandexArt и YandexGPT. Мы предложили протестировать этот инструмент, чтобы оценить его потенциал в привлечении клиентов.

Для эксперимента мы включили блок нейросетевых объявлений в Мастере Кампаний. ИИ создал новые визуалы, которые отличались от привычных для клиента пейзажей и генпланов. Среди креативов появились изображения с роскошными домами и строящимися объектами на зелёной поляне. Мы отредактировали часть предложений, оставив наиболее подходящие для аудитории.

Результат

Эксперимент показал неожиданные результаты: лучше всего сработали визуалы с простыми строящимися домами. Нейросетевые креативы в итоге принесли 10% всех лидов за 5 месяцев, что убедило клиента продолжить их использование. Теперь ИИ стал неотъемлемой частью рекламных кампаний.

Фабрика мебели столкнулась с падением среднего чека: за год он снизился с 34 500 до 26 020 рублей. Несмотря на рост количества покупок, доход оставался на прежнем уровне — 2 млн рублей, а увеличение рекламного бюджета привело к убыткам: ДРР вырос с 30% до 37%. Клиенту было необходимо привлечь более платёжеспособную аудиторию, чтобы повысить выручку.

Мы предложили стратегию роста среднего чека: вместо массового привлечения покупателей с низкими бюджетами сосредоточиться на тех, кто готов покупать дорогие и маржинальные товары.

На первом этапе мы сегментировали товарный фид и запустили 3 кампании с разделением по маржинальности. Однако каждая из них приносила мало конверсий, что мешало обучению алгоритмов. Тогда мы объединили их в Единую Перфоманс Кампанию (ЕПК) от Яндекса, которая использует поиск, РСЯ, динамический поиск и смарт-баннеры.

Чтобы повысить эффективность, добавили корректировки ставок: повысили стоимость конверсии для дорогих товаров и снизили для дешёвых. Алгоритмы учли приоритеты, и трафик по дорогим товарам увеличился на 10%, а по дешёвым сократился на 15%.

Результат

Несмотря на снижение общего числа покупок на 5%, средний чек вырос в 1,8 раза — с 26 020 до 48 830 рублей. ДРР снизился с 37% до 22%, что позволило клиенту увеличить доход и выйти на прибыль

Дилер сельхозтехники в несезон столкнулся с низким числом лидов — 1–3 конверсии в неделю на каждую рекламную кампанию. Для обучения алгоритмов Яндекса требуется минимум 10 конверсий в неделю на кампанию, из-за чего реклама не давала результата. Клиент не мог эффективно привлекать покупателей, учитывая сложность продажи дорогих товаров, которые часто требуют предпродажной консультации.

Мы объединили все кампании в Единую Перфоманс Кампанию (ЕПК), чтобы алгоритмы могли обучаться на общем числе конверсий. Однако даже после объединения данных было недостаточно. Тогда мы протестировали метод синтетического моделирования конверсий с помощью ИИ.

Суть метода: ИИ анализировал более 600 параметров — от устройства и поведения пользователей до погодных условий и данных о регионе. На основе этих данных создавались синтетические конверсии, которые отправлялись в Метрику и использовались для обучения автостратегий. Реальные заявки и звонки по-прежнему учитывались как целевые лиды.

Результат

Синтетические конверсии увеличили объём данных для алгоритмов в 20 раз, что позволило быстро обучить кампанию. Автостратегия начала привлекать более качественный трафик, фокусируясь на потенциальных клиентах с высокой вероятностью оставить заявку. В итоге количество заказов на спецтехнику выросло в 2,5 раза — с 12 до 29 в месяц.

Интернет-магазин товаров для сна решил расширить ассортимент, добавив мебель, и обратился за масштабированием рекламы. Для этого мы запустили Единую Перфоманс Кампанию (ЕПК), объединив все кампании с небольшим числом конверсий. Однако вместо роста покупок стоимость заказа увеличилась на 50%, с 5 400 до 8 100 рублей.

Анализ показал, что автоматика отдавала приоритет РСЯ, где показатели были слабее, в то время как основные продажи поступали с Поиска. Учитывая, что функционал ЕПК не позволял дифференцировать ставки для РСЯ и Поиска, требовался иной подход.

Мы разделили ЕПК на две части:

1. ЕПК для Поиска: выделили больше бюджета, чтобы сосредоточиться на наиболее конверсионных устройствах и аудитории.
2. ЕПК для РСЯ: убрали низкоэффективные мобильные площадки и оптимизировали размещение.

Такой подход позволил эффективно распределить ресурсы между двумя каналами, сохранив преимущества автоматизации.

Результат

Разделение кампаний дало ощутимые результаты:

• Стоимость заказа снизилась на 35%.
• ЕПК в РСЯ стала приносить на 47% больше покупок в месяц.

Магазин смог успешно масштабировать рекламу, получив рост продаж при оптимальных затратах.

Летом онлайн-школа столкнулась с проблемой: план по набору учеников не выполнялся, и требовалось срочно увеличить продажи. Основной поток заявок поступал из Мастера кампаний, но после увеличения бюджета 53% лидов оказались фейковыми. Боты оставляли обращения, которые автоматика Яндекса ошибочно воспринимала как качественные, из-за чего бюджет расходовался впустую, а количество квалифицированных лидов не росло.

Для решения проблемы мы интегрировали Метрику с CRM клиента, чтобы алгоритмы могли обучаться не на всех лидах, а только на квалифицированных. Настроили оптимизацию рекламных кампаний сразу по двум целям:

1. Макроконверсии (звонки и заявки).
2. Квалифицированные лиды из CRM, которые соответствуют портрету реальных покупателей.

Это позволило алгоритмам понять, какая аудитория действительно интересуется обучением, и сократить долю фродового трафика.

Результат

Фродовый трафик удалось снизить в 5 раз — с 53% до 11%. После этого масштабирование пошло успешно, и доля квалифицированных лидов из Мастера кампаний выросла до 89%. Клиент смог не только закрыть план по набору, но и улучшить качество заявок, сократив расходы на нецелевую аудиторию.