Как сократить расходы в 3 раза без потери заказов: эксперимент с автотаргетингом в e-commerce

Контекст

Тип бизнеса: крупный федеральный e-commerce ритейлер и производитель мебели (топ-100 интернет-магазинов РФ, более 1,1 млн визитов и 10+ тыс. онлайн-заказов в месяц, сеть из 100+ собственных и партнерских шоурумов).

Что происходило: мебельный e-commerce — одна из самых дорогих и перегретых ниш в контекстной рекламе с постоянным year-to-year ростом стоимости клика (CPC).

Ограничения и специфика:

1.Название бренда напрямую пересекается с высокочастотной товарной категорией (название бренда одновременно является популярным родовым словом категории). Это размывало поисковый интент и систематически завышало стоимость клика в аукционе.

2.Исторически кампании держали только на жестко фиксированном семантическом ядре (СЯ) с ручным контролем ключей. Автотаргетинг считался фактором высокого риска из-за угрозы привлечения дорогого нецелевого категорийного трафика.

Задача

Принять управленческое решение по оптимизации затрат: кардинально снизить удельную стоимость брендового трафика (CPC) и долю рекламных расходов (ДРР) в условиях общего удорожания аукциона, не допустив при этом просадки по общему числу переходов, конверсии сайта и количеству оформленных покупок.

Данные и качество измерения

• Период и единица анализа: несколько месяцев проведения и поэтапного масштабирования эксперимента; единицы анализа — CPC, поисковый сеанс, оформленный заказ (CR в покупку) и ДРР (доля рекламных расходов).
• Источники данных: статистика Яндекс Директа (Мастер отчетов), веб-аналитика Яндекс Метрики (электронная коммерция) и внутренние CRM-данные по фактически подтвержденным заказам.
• Пропуски, дубли и ограничения атрибуции: для исключения пересечения аудиторий и чистоты сравнения эксперимент запускался через инструмент А/Б-тестирования Директа на изолированных выборках пользователей. Использовалась атрибуция по последнему значимому переходу; проводился постоянный мониторинг отчетов по поисковым запросам на предмет категорийного «мусора».
• Что считалось качественным результатом:
• снижение CPC и ДРР более чем на 30–50% относительно контрольной группы;
• сохранение конверсии (CR) в заказ на уровне кампании с ручной семантикой;
• удержание лидирующей позиции показа (спецразмещение);
• отсутствие лавинообразного роста нецелевых запросов (сохранение прежнего объема минус-слов).

Гипотеза

Предположение: аукцион по автотаргетингу в Директе менее перегрет прямыми конкурентами по сравнению с аукционом по брендовым ключевым фразам. Современные ML-алгоритмы поиска способны по контексту объявления безошибочно вычленять именно брендовый интент аудитории, обеспечивая значительно более низкий CPC без размытия трафика. Условие, при котором гипотеза считается неверной: если в тестовой группе стоимость клика (CPC) снизится менее чем на 20%, либо доля нецелевых категорийных запросов потребует регулярной массовой минусации, либо CR в покупку упадет более чем на 5% относительно контрольной кампании.

Что сделали

1. 1.Собрали чистую тестовую РК: полностью исключили ключевые фразы, оставив таргетинг только по автотаргетингу с категорией «Целевые запросы».
2. 2.Сфокусировали текстовые триггеры: переработали заголовки и тексты объявлений под жесткую брендовую релевантность (поскольку автотаргетинг ориентируется на формулировки в креативах и посадочной странице, чтобы алгоритм не уходил в категорию).
3. 3.Запустили сплит-тест 80/20: выделили 20% брендового трафика на кампанию с автотаргетингом, 80% оставили на контрольной кампании с традиционной семантикой.
4. 4.Провели первичную валидацию: убедились в чистоте входящих поисковых запросов и зафиксировали снижение CPC в тесте на 50% без роста объема минус-фраз.
5. 5.Масштабировали эксперимент (50/50): перераспределили доли поровну для проверки устойчивости метрик на статистически значимом объеме.
6. 6.Полная раскатка (100%): зафиксировав стабильное снижение стоимости клика на 70% на протяжении нескольких недель, полностью остановили кампанию на ключевых фразах и перевели 100% брендового трафика на автотаргетинг.

Результат

Сравнение проводилось относительно базовой контрольной кампании с ручным семантическим ядром за аналогичный период:

• Стоимость клика (CPC): снизилась на 70% (фактически в 3,3 раза).
• Доля рекламных расходов (ДРР): снизилась на 70% в рамках брендового канала.
• Конверсия в покупку (CR): осталась на исходном уровне (без статистически значимых отклонений).
• Объем трафика и видимость: сохранен 100% объем целевого брендового трафика; сохранена лидирующая позиция показа (1-е спецразмещение).
• Качество трафика: список минус-слов не расширялся — алгоритм корректно отделял брендовый спрос от общих категорийных запросов.

Ограничения

• Требовательность к текстам и посадке: механика критически зависит от качества и формулировок объявлений. Если бренд недостаточно четко артикулирован в заголовках, автотаргетинг в смежных нишах начнет выкупать дорогой околоцелевой трафик.
• Необходимость достаточного брендового спроса: подход неприменим для стартапов и малоизвестных брендов, у которых еще не сформирован стабильный поисковый интерес в Яндексе.
• Нельзя переносить без сплит-теста: полный отказ от семантики без предварительного замера качества запросов на небольшом сегменте (20%) несет риск слива бюджета.

Что можно повторить

1. 1.Проанализировать в Мастере отчетов текущие показатели автотаргетинга в действующих кампаниях (сравнить СРС автотаргетинга и СЯ).
2. 2.Создать кампанию-клон без ключевых слов, активировав автотаргетинг исключительно по группе «Целевые запросы».
3. 3.Прописать в первом заголовке и тексте строгие брендовые маркеры и отсекающие УТП.
4. 4.Настроить изолированный А/Б-эксперимент (сплит 80/20) через Яндекс Аудитории / Директ.
5. 5.Первые 7–14 дней ежедневно мониторить отчет по поисковым запросам на предмет появления нецелевой категорийной семантики.
6. 6.При подтверждении снижения CPC и сохранении CR последовательно расширить долю теста (50/50) и затем перевести брендовый трафик на автотаргетинг на 100%.