Джум и Digital Strategy: как мы масштабировались, сохраняя ROI

Перед нами стояла амбициозная задача — увеличить оборот по рекламным кампаниям в Яндекс.Директе более чем в два раза, при этом сохранить целевой ROI.

Условия

Клиент использует собственную систему маркетинговой аналитики и загружает в Метрику офлайн-конверсии с кастомной атрибуцией. Результаты мы отслеживали не через стандартные отчёты Директа или Метрики, а в клиентском дашборде, где ROI рассчитывается по этой же кастомной модели. На момент начала масштабирования в кампаниях работал только ретаргетинг — это было решением клиента.

Стартовая точка

На момент запуска проекта кампании не просто попадали в KPI по ROI, а превышали целевой показатель примерно на 50%. Мы начали активно увеличивать бюджет, рассчитывая, что при большем объёме данных алгоритмы оптимизируются ещё лучше.

Внезапное снижение ROI

Однако по мере роста бюджета ROI начал снижаться — несмотря на рост числа конверсий и видимое улучшение оптимизации. Так что задача усложнилась: теперь нужно было не только масштабировать кампании, но и удержать их рентабельность.

Основным источником конверсий были смарт-баннеры, охватывающие весь ассортимент товаров. После резкого увеличения бюджета мы заметили, что трафик стал менее целевым: выросла доля покупок недорогих товаров, а средняя стоимость конверсии — наоборот. Иными словами, мы начали захватывать аудиторию, которая покупает чаще, но приносит меньше прибыли.

При этом пространство для манёвра было ограничено: вся активность строилась вокруг одной крупной, ранее успешной кампании. Стало очевидно, что дальше так работать нельзя — нужно менять сам подход к масштабированию.

Новая стратегия 

Мы выстроили стратегию на нескольких ключевых принципах:

Когда кампания запускается на весь каталог, большая часть управления передаётся алгоритмам Яндекса — и возможности ручной оптимизации минимальны. Поэтому мы решили перейти к более точечной работе: запускать кампании по категориям, фильтровать товары по цене и брендам, опираясь на реальную статистику продаж.

На маркетплейсе размещено несколько миллионов товаров из сотен категорий, а аудитория ежедневно исчисляется миллионами пользователей. Даже в рамках ретаргетинга потенциал для масштабирования огромен, поэтому мы позволили кампаниям частично пересекаться по аудиториям — чтобы протестировать разные гипотезы и усилить охват.

Мы придерживались принципа «не более 20% за одно увеличение», чтобы избежать резких скачков в алгоритмах. Однако, поскольку перед нами стояла задача активного роста, мы могли повышать бюджет чаще — до двух раз в неделю, если данные это позволяли.

Очевидный принцип, но на практике его легко нарушить. Когда часть кампаний перевыполняет KPI, а часть не дотягивает, есть соблазн увеличить бюджеты всем одновременно, сохранив средний ROI. Мы этого не делали: дополнительные ресурсы получали только те кампании, которые уже показывали стабильную эффективность.

После того как мы определили ключевые принципы работы, фокус с одной кампании сместился на целую систему гипотез. Мы начали тестировать разные конфигурации кампаний, искать новые сегменты аудитории и даже запускать одни и те же фиды, но с разным принципом деления — по категориям, ценовым диапазонам, брендам и другим признакам.

Чтобы не теряться в количестве экспериментов и видеть реальную динамику, мы завели таблицу гипотез. В неё заносили каждое тестирование — идею, дату запуска, промежуточные результаты и финальный эффект. Это помогло структурировать процесс и быстрее выявлять работающие подходы.

После нескольких недель активных экспериментов мы собрали целый пул кампаний и групп кампаний, различающихся по целям, форматам и принципам деления фидов. Среди них были:

После нескольких недель активных экспериментов мы собрали целый пул кампаний и групп кампаний, различающихся по целям, форматам и принципам деления фидов. Среди них были:

- смарт-баннеры на весь ассортимент товаров стоимостью до 5 000 ₽;

- смарт-баннеры на товары дороже 5 000 ₽;

- смарт-баннеры на весь ассортимент с оплатой за конверсию;

- смарт-баннеры на отдельные категории с оплатой за конверсию;

- смарт-баннеры с кастомными фидами и оптимизированными изображениями;

- смарт-баннеры по категориям на основе ручного фида;

- поисковый ретаргетинг на отдельные категории и на отдельные бренды;

- DSA-кампании по категориям;

- ретаргетинг в РСЯ на категории и общий ретаргетинг на главную страницу.

Кроме того, в ретаргетинге тестировали разные сегменты — на основе добавлений в корзину, суммы покупки, глубины просмотра страниц и других поведенческих метрик.

Главные итоги этого кейса тезисно: 

- Нашли «локомотивы» — кампании, чья рентабельность стабильно превышает KPI. Их масштабируем постепенно, чтобы не нарушить работу алгоритмов.

- Для стабильных кампаний при достижении целевого ROI выдерживаем паузу в 1–2 недели без изменений бюджета, чтобы убедиться в устойчивости результата, и только потом увеличиваем расходы на 10–15%.

- Кампании с низким ROI не отключаем, а оставляем на минимальных бюджетах и продолжаем оптимизацию — иногда именно они становятся следующими точками роста.

- Держим запас по рентабельности, чтобы при локальных просадках по отдельным кампаниям общий ROI всё равно оставался в пределах KPI.

- Продолжаем тестирование — оставляем себе пространство для экспериментов и дальнейшего масштабирования.

Мы не только вернули ROI в целевые рамки, но и превысили показатель на 20%.

Недельный бюджет вырос на 128% по сравнению с исходным — задача клиента по масштабированию кампаний была полностью выполнена.

Продуманная работа с ассортиментом, аккуратное масштабирование и системное тестирование гипотез сделали процесс управляемым. Такой подход позволил увеличить рекламные расходы более чем вдвое, сохранив и даже улучшив рентабельность инвестиций.