Любовь с первого клика: как привлечь 30 тысяч регистраций в дейтинг-приложение

Дейтинг остается одной из самых сложных вертикалей для performance-маркетинга. Здесь на результат влияет не только качество рекламного источника, но и то, как быстро пользователь понимает ценность продукта и готов ли переходить к платным функциям.

В начале 2025 года к нам в WEON обратился бренд Badanga — сервис знакомств и общения, где пользователи создают профили, находят интересных людей и общаются внутри приложения.

Ранее клиент уже тестировал продвижение в социальных сетях, но стоимость привлечения оказалась слишком высокой. Поэтому новый источник должен был дать дополнительный объем и при этом приводить пользователей, которые не ограничиваются регистрацией, а продолжают взаимодействовать с приложением. В качестве события оптимизации на старте рассматривался запуск триала — как действие, наиболее близкое к выручке. В ходе теста основной целью оптимизации стала завершённая регистрация с фиксированным целевым CPA.

К началу кампании российский рынок дейтинга уже прошел этап перераспределения аудитории после ухода крупных зарубежных платформ. Пользователи переключились на локальные сервисы: по данным исследования T2, за 11 месяцев 2024 года аудитория приложений для знакомств, запущенных до 2022 года, выросла в среднем на 25,3%. 

Однако рост рынка не сделал привлечение проще. Сервисы продолжали конкурировать за активную и платежеспособную аудиторию, особенно за мужчин, на которых во многих дейтинг-приложениях приходится основная часть монетизации.

Дополнительным фактором стала сезонность. Кампания стартовала в феврале, а весной и в начале лета интерес к знакомствам традиционно усиливается. Для нашей команды это создавало дополнительный потенциал для масштабирования, но одновременно усиливало конкуренцию за качественный трафик.

Основной вызов 

На старте клиент предложил оптимизировать кампанию по началу триала. С точки зрения бизнеса это выглядело логично: триал находился ближе к платной подписке и выручке, чем регистрация. Однако для рекламного алгоритма событие оказалось достаточно редким. 

Чтобы платформа для автоматизированной закупки рекламы могла полноценно обучаться, ей необходим регулярный поток конверсий. Алгоритм сравнивает площадки, время показов, рекламные форматы и характеристики пользователей, а затем перераспределяет объем в пользу наиболее эффективных связок.

При оптимизации по триалу данных было недостаточно. Из-за этого несколько случайных конверсий могли сделать площадку перспективной в глазах алгоритма, хотя статистики для такого вывода еще не было. И наоборот, источник с потенциально качественной аудиторией мог быть отключен слишком рано, если пользователи не сразу доходили до пробного доступа.

Кроме того, переход к триалу зависел не только от источника трафика, но и от множества факторов внутри пользовательского пути. Для обучения рекламного алгоритма это событие оказалось слишком глубоким и редким.

Почему целевым действием стала регистрация

Перед тем как скорректировать стратегию, мы самостоятельно протестироваиа приложение и прошли путь нового пользователя — от установки до предложения подключить пробный доступ.

Регистрация оказалась достаточно значимым событием для бизнеса. К этому моменту пользователь уже открыл приложение, познакомился с продуктом и совершил осознанное действие, необходимое для дальнейшего использования сервиса.

При этом регистраций происходило значительно больше, чем триалов. Это давало DSP необходимый объем данных.

Логика была простой: алгоритму легче обучаться на условных 100 регистрациях, чем на пяти триалах. Чем больше подтвержденных событий получает система, тем быстрее она может определить эффективные источники и закономерности в поведении аудитории.

Поэтому команда разделила события по их роли:

• регистрация стала основной целью для закупки и обучения алгоритма;

• триал и подписка остались показателями качества привлеченных пользователей.

В результате алгоритм получил больше данных для обучения, при этом сохранилась возможность оценивать, доходят ли привлеченные пользователи до пробного периода и подписки.

На чем построили дальнейшую работу

После перехода на регистрацию мы сосредоточились на двух задачах: дать алгоритму достаточно данных для обучения и сохранить стоимость привлечения в рамках целевых показателей клиента.

Кампания работала по фиксированной CPA-модели. Мы тестировали несколько SSP, сравнивали площадки по конверсии в регистрацию и постепенно перераспределяли объем в пользу источников, которые стабильно укладывались в заданную стоимость. Площадки с низкой конверсией, резкими отклонениями или аномальным поведением ограничивали.

По мере накопления данных результаты становились более предсказуемыми. Мы определили связки, которые повторяемо давали регистрации в рамках условий кампании, и начали постепенно увеличивать на них объем. Переходы к пробному доступу и подписке при этом оставались дополнительными показателями качества аудитории.

После этого кампания вышла из тестового режима и продолжила работать на постоянной основе.

Работа с креативами

На старте мы использовали готовые материалы клиента и иконку приложения. Вместо того чтобы сразу запускать десятки новых концепций, сначала проверили, как существующие креативы работают на разных площадках и через разных поставщиков рекламного инвентаря.

Коммуникация была максимально прямой: знакомство, общение и возможность быстро найти интересного человека. Для дейтинга это особенно важно — слишком громкие обещания могут повысить кликабельность, но привести менее заинтересованную аудиторию и снизить конверсию уже после установки.

При оценке эффективности учитывали не только количество кликов, но и дальнейшее движение пользователей по воронке: установка приложения, завершение регистрации и переход к пробному доступу. Это позволило отделить действительно рабочие креативы от тех, которые давали хороший отклик на верхнем уровне воронки, но не приводили качественных пользователей.

Лучше всего показали себя простые сообщения, которые сразу объясняли назначение приложения и не создавали ложных ожиданий. После этого наиболее стабильные сочетания креатива и рекламной площадки были масштабированы.

Выбор платформы

Основной платформой для закупки и оптимизации трафика стала Aitera.

Она решала несколько задач:

• закупала мобильный рекламный инвентарь;

• позволяла тестировать разные источники рекламного инвентаря;

• оптимизировала кампанию на событие регистрации;

• отслеживала аномалии в поведении площадок.

А для атрибуции команда использовала AppMetrica, через нее отслеживались установки, регистрации и последующие события внутри приложения. Это позволяло оценивать кампанию не только по рекламным показателям, но и по движению пользователей по продуктовой воронке.

Контроль качества трафика

Для контроля качества рекламного трафика мы использовали собственную платформу Aitera и экспертизу команды.

Платформа отслеживала трафик в реальном времени и реагировала на несколько типов аномалий:

• слишком короткий или слишком длинный промежуток времени между кликом по рекламе и установкой приложения;

• резкие изменения конверсии;

• высокий объем кликов при небольшом количестве установок или регистраций;

• несоответствие географии;

• нетипичные всплески активности;

• повторяющиеся технические паттерны.

При выявлении отклонений команда могла оперативно проверить источник и ограничить поступающий с него трафик. Кроме того, система оценивала поведение кампании в динамике. Она учитывала привычные часы и дни пользовательской активности и сигнализировала, если показатели источника начинали заметно отклоняться от сложившейся картины.

При этом, мы не считали низкую конверсию автоматическим признаком фрода. Решение принималось на основании совокупности сигналов.

За 10 месяцев активного продвижения мы привлекли более 30 тысяч регистраций. Переход на это событие дал алгоритму больше данных, помог быстрее сравнивать источники и масштабировать связки, которые стабильно укладывались в условия кампании.

Регистрация не стала конечной точкой. Клиент получил аудиторию, с которой можно продолжать работать внутри продукта: возвращать пользователей через push-уведомления, рекомендации анкет, сообщения о новой активности и персональные предложения.

В результате кампания решала сразу две задачи: обеспечивала стабильный приток новых пользователей в рамках целевых показателей и формировала базу для их дальнейшего перехода к пробному доступу и подписке.

Заключение: как масштабировать привлечение в дейтинге

Опыт этой кампании показал, что устойчивый результат в дейтинге строится не вокруг одного рекламного показателя. Важно одновременно учитывать объем данных для обучения, качество пользователей после регистрации, стабильность источников и влияние самого продукта на дальнейшую конверсию.

1. Не выбирать самое глубокое событие автоматически. Если триалов или подписок мало, алгоритму не хватит данных для стабильного обучения. В таком случае лучше использовать более частое действие, связанное с реальным интересом пользователя.

2. Оценивать не только стоимость целевого действия, но и дальнейшее поведение аудитории. Регистрация имеет ценность только в связке с последующими действиями: возвратами в приложение, активацией пробного доступа и переходом к подписке.

3. Связывать рекламные и продуктовые данные. Решение пользователя перейти к оплате зависит не только от качества трафика, но и от онбординга, момента показа платных функций и того, насколько быстро он понимает ценность приложения.

4. Продолжать работать с аудиторией после регистрации. Push-уведомления, рекомендации анкет, сообщения о новой активности и персональные предложения помогают возвращать пользователей и переводить их к более глубоким действиям.