Яндекс Директ для B2B: продажа медоборудования

1. Ситуация на старте

Реклама работала около года. Были запущены основные инструменты Яндекс Директ: Поиск, РСЯ, Товарная Галерея.

Сквозная аналитика отсутствовала. Оценка эффективности велась по конверсиям внутри Директа и поведенческим метрикам (в том числе отказам). Отсутствовало понимание:

• из каких каналов приходят заявки
• сколько они стоят
• какие из них конвертируются в сделки
• какие каналы приносят реальную выручку

2. Ключевые проблемы

Управление рекламой на основе неполных данных

В результате бюджет распределялся не на основе эффективности, а фактически вслепую — без понимания, какие каналы, кампании и ключевые запросы реально приносят заявки и выручку.

Обучение кампаний на микроконверсиях

В качестве целей использовались: клики по телефону, заполнение формы, просмотр нескольких страниц и т.д. Это привело к искажению работы алгоритмов и масштабированию нецелевого трафика. Система не понимала, кто является целевой аудиторией.

Некорректная атрибуция и настройки рекламных кампаний

Автоматическая атрибуция в сочетании с некорректными настройками РК приводила к попаданию в обучение нецелевого трафика: сотрудников компании, подрядчиков и служебных обращений. В результате алгоритмы обучались на искажённых данных, что снижало качество трафика и эффективность рекламы.

Нецелевые запросы в рекламных кампаниях на Поиске

В кампаниях использовалось большое количество широких поисковых запросов (например, «цифровой рентгеновский аппарат»), которые не всегда отражают намерение покупки. По таким запросам привлекается разнородная аудитория (в том числе студенты и специалисты, ищущие характеристики оборудования), что приводит к удорожанию заявки по сравнению с более целевыми запросами (например, «цифровой рентгеновский аппарат купить»). При этом отсутствие сквозной аналитики не позволяло своевременно выявить неэффективные ключевые запросы и скорректировать ставки.

Неподходящий тип объявлений на Поиске

Динамические объявления направляли пользователей по широким запросам сразу на карточки отдельных товаров. Это снижало релевантность: вместо выбора из каталога пользователь попадал на один конкретный продукт и часто покидал сайт.

Некорректная работа Товарной Галереи

Галерея была запущена по всему фиду без сегментации, включая дорогостоящее и сложное оборудование. В результате часть показов приходилась на позиции с длинным циклом принятия решения, где формат галереи работает менее эффективно. Это приводило к кликам без последующих заявок. При этом без сквозной аналитики невозможно было оценить вклад данного канала в заявки и сделки.

Сегментация без учёта эффективности

В рекламных кампаниях были заданы регионы, устройства и время показов, однако бюджет распределялся равномерно, без учёта их эффективности. Из-за отсутствия данных невозможно было определить, какие сегменты работают лучше, и перераспределить бюджет в их пользу. В результате эффективные сегменты недополучали трафик, а неэффективные продолжали расходовать бюджет.

3. Что было сделано

• Подключён коллтрекинг и внедрена сквозная аналитика (UIS). Настроено тегирование обращений по качеству, передача данных о заявках в Яндекс.Метрика и далее в Яндекс Директ. В качестве целей оптимизации вместо микроконверсий были добавлены реальные заявки, что позволило ориентировать рекламу на фактические обращения, а не формальные действия пользователей.
• Выполнена интеграция с CRM: передача статусов сделок и выручки позволила оценивать эффективность рекламы в деньгах, а не только по количеству заявок.
• По данным сквозной аналитики в поисковых кампаниях снижены ставки по менее целевым (информационным) запросам в пользу коммерческих. В результате рекламные кампании на Поиске стали основным каналом качественного трафика.
• РСЯ показала низкую эффективность по количеству и стоимости заявок. Снижен объём холодного трафика, оставлен ретаргетинг с сегментацией по поведению. Канал переведён в поддерживающий — с фокусом на узнаваемость и догрев аудитории.
• В Товарной Галерее отключены дорогостоящие и сложные позиции. Оставлены товары с более коротким циклом принятия решения, что позволило увеличить количество заявок и повысить эффективность канала. Сэкономленный бюджет был перераспределён в поисковые кампании.
• Проведена оптимизация по устройствам и регионам на основе данных сквозной аналитики, что позволило перераспределить бюджет в пользу более эффективных сегментов.

4. Результаты

В результате была выстроена управляемая система привлечения клиентов, основанная на данных, а не на гипотезах.

Благодаря внедрению сквозной аналитики была получена полная картина по всем каналам привлечения трафика:

• органический трафик (поисковые системы Google, Яндекс)
• переходы из Яндекс.Бизнес (карты)
• отзовики и другие каналы привлечения

Это позволило бизнесу:

• определить вклад каждого канала в привлечение заявок
• понять, какие источники формируют выручку
• выявить неэффективные каналы и перераспределить бюджет
• сформировать план дальнейшего масштабирования