CPA в Яндекс.Директ: как Rivox AI снижает стоимость заявки

CPA (Cost Per Action) — ключевой показатель эффективности контекстной рекламы. Это деньги, которые вы платите за одну целевую заявку. Чем ниже CPA, тем выше прибыль. Казалось бы, всё просто — но классические методы снижения CPA перестали работать.

В 2025 году рекламные алгоритмы стали сложнее, конкуренция выросла, а маркетологи часто видят падение ROI при росте бюджета. Оптимизация ключевых слов, корректировка ставок, A/B-тесты объявлений — всё это даёт временный эффект, но не решает главную проблему: автостратегии Яндекс.Директ обучаются на слишком малом количестве данных.

Rivox AI решает эту проблему через нейросетевой анализ поведенческих данных и виртуальные конверсии, которые обучают Яндекс.Директ точнее, чем реальные заявки. Система "видит" намерения пользователей до того, как они совершат действие — и это меняет всё.

Почему CPA растёт, даже при оптимизации

Большинство маркетологов сталкивается с парадоксом: вы оптимизируете кампании, отключаете неэффективные ключевые слова, корректируете объявления — а CPA продолжает расти. Почему?

Автостратегии обучаются на ограниченном количестве заявок

Яндекс.Директ использует машинное обучение для оптимизации ставок. Но алгоритму нужны данные — много данных. Если у вас 5-10 конверсий в неделю, автостратегия не может выявить закономерности. Она работает на уровне "угадайки", а не точного прогнозирования.

Малый объём конверсий = "слепая" оптимизация

При малом объёме конверсий алгоритм не может понять:

• Какие пользователи реально заинтересованы в покупке
• Какие источники трафика дают качественных клиентов
• Какие временные интервалы наиболее эффективны
• Какие поведенческие паттерны ведут к покупке

Результат — автостратегия распределяет бюджет неэффективно, показывая рекламу широкой аудитории вместо фокуса на "горячих" сегментах.

Скрытые намерения остаются невидимыми

Классическая аналитика видит только два состояния: купил или не купил. Но между ними существует целый спектр намерений:

• Изучение карточки товара: пользователь внимательно читает описание, смотрит фото, проверяет отзывы
• Сравнение вариантов: переключается между несколькими товарами, сравнивает характеристики
• Возвраты на сайт: вернулся через 2 дня, чтобы ещё раз посмотреть товар
• Взаимодействие с формой: начал заполнять заявку, но отвлёкся

Эти сигналы остаются за пределами стандартной аналитики. Директ не знает о них — и перегревает аудитории, показывая рекламу случайным людям.

В итоге: CPA растёт, а эффективность падает

Классическая оптимизация работает на поверхности. Вы меняете объявления, корректируете ставки, отключаете слова — но не решаете главную проблему: алгоритм не понимает, кто действительно готов купить.

Как Rivox AI использует поведенческие данные для снижения CPA

Rivox AI работает на другом уровне — не с результатами действий, а с намерениями пользователей. Система анализирует микроповедение в реальном времени и передаёт в Яндекс.Директ сигналы о "тёплых" пользователях ещё до того, как они оставят заявку.

SDK Rivox отслеживает поведение на сайте

После установки лёгкого JavaScript-кода на сайт, Rivox начинает собирать поведенческие данные:

• Скроллы: насколько глубоко пользователь изучает страницу
• Клики: по каким элементам взаимодействует, что его интересует
• Возвраты: возвращается ли к товару, сколько раз, через какое время
• Просмотр карточек: как долго изучает характеристики, фото, отзывы
• Взаимодействия с формами: начал заполнять заявку, кликнул на кнопку "Купить"

Всё это собирается анонимно, без нарушения 152-ФЗ, и обрабатывается на собственной инфраструктуре Rivox.

Нейросетевая модель вычисляет Purchase Intent Score

Собранные данные передаются в ML-модель Rivox, которая вычисляет индекс готовности к покупке (Purchase Intent Score). Это не просто счётчик кликов — это многомерная оценка намерений пользователя.

Модель учитывает:

• Комбинации действий (например, "просмотр + возврат + клик на цену" весит больше, чем просто "скролл")
• Последовательность действий (какой путь ведёт к покупке)
• Временные паттерны (сколько времени пользователь проводит на ключевых элементах)
• Контекст сессии (откуда пришёл, что изучал раньше)

Виртуальные конверсии передаются в Яндекс.Метрику

Когда Purchase Intent Score превышает пороговое значение, Rivox автоматически отправляет виртуальную конверсию в Яндекс.Метрику через стандартный API ym('reachGoal', 'rivox_intent').

Яндекс.Директ видит эти сигналы как обычные цели — и начинает обучаться на них. Теперь вместо 10 конверсий в неделю автостратегия получает 80-150 качественных сигналов. Это меняет всё.

Почему это работает лучше классической оптимизации

Классическая оптимизация работает с результатами. Rivox AI работает с намерениями. В этом ключевая разница.

Сигналы поступают не только от покупателей

Традиционная аналитика фиксирует только тех, кто купил. Но на каждого покупателя приходится 10-20 пользователей, которые "почти купили" — изучили товар, сравнили варианты, вернулись на сайт, но по каким-то причинам не оставили заявку сейчас.

Rivox AI видит этих людей и передаёт сигналы в Директ. Система понимает: этот пользователь заинтересован, его стоит догнать ретаргетингом или показать ему персонализированное объявление.

Модель обучается на тысячах сессий

ML-модель Rivox анализирует поведение тысяч пользователей ежедневно. Она выявляет закономерности, которые человек никогда не заметит:

• Какие комбинации действий ведут к покупке
• Какие паттерны характерны для "холодных" пользователей
• Как меняется поведение в зависимости от источника трафика
• Какие временные интервалы наиболее конверсионные

Эти данные постоянно обновляются — модель пересчитывает веса признаков каждые 24 часа, адаптируясь под сезонность, изменения ассортимента и рекламные кампании.

Бюджет распределяется на "тёплые" сегменты

Когда Директ получает качественные сигналы от Rivox, автостратегия начинает фокусироваться на тех сегментах, которые действительно приносят результат. Не на "всех, кто кликнул", а на тех, кто изучил, сравнил и готов купить.

Результат: CPA падает на 20-40%, количество заявок растёт, а качество трафика улучшается. Вы платите меньше за более качественных клиентов.

Пример из практики: интернет-магазин одежды

Один из клиентов Rivox — интернет-магазин одежды премиум-сегмента. До внедрения системы бизнес сталкивался с типичными проблемами контекстной рекламы:

Проблемы до внедрения Rivox AI

• CPA 1790₽ — высокая стоимость заявки при среднем чеке 6500₽
• Конверсия 1,2% — из 100 посетителей покупал только 1
• Малое количество повторных покупок — клиенты не возвращались
• Неэффективное распределение бюджета — деньги уходили на широкую аудиторию

Что изменилось после внедрения

После установки Rivox AI и запуска виртуальных конверсий результаты изменились кардинально:

• CPA снизился до 1342₽ (↓25%) — экономия около 450₽ на каждой заявке
• Конверсия выросла до 2,4% (×2) — в два раза больше покупателей при том же трафике
• Повторные клиенты ×2,7 — система научилась находить лояльную аудиторию
• ROI увеличился на 34% — больше прибыли при меньших расходах на рекламу

Подробнее об этом кейсе можно прочитать в разделе Кейсы Rivox AI.

Как работает технология внутри

Rivox AI — это не "чёрный ящик". Технология построена на прозрачных ML-алгоритмах, которые постоянно совершенствуются на основе реальных данных.

ML-модель на основе кластеризации действий

Модель Rivox использует собственный алгоритм кластеризации пользовательских действий. Система группирует похожие паттерны поведения и присваивает им веса в зависимости от вероятности конверсии.

Например:

• Кластер "Исследователь": много скроллов, мало кликов → низкая вероятность покупки
• Кластер "Сравниватель": переключение между товарами, изучение характеристик → средняя вероятность
• Кластер "Готовый покупатель": возврат к товару + клик на цену + начало оформления → высокая вероятность

Взвешивание сигналов по важности

Каждое действие пользователя имеет свой вес. Не все клики равны:

• "Возврат к карточке товара" имеет вес 3,2 — очень сильный сигнал намерения
• "Просмотр отзывов" — вес 2,1 — пользователь проверяет надёжность
• "Скролл страницы" — вес 0,3 — слабый сигнал, может быть случайным
• "Клик на кнопку 'Купить'" — вес 4,5 — максимальный сигнал готовности

Веса рассчитываются автоматически на основе статистики конверсий. Модель знает, какие действия реально ведут к покупке.

Обновление модели каждые 24 часа

Поведение пользователей меняется — Rivox AI адаптируется. Модель пересчитывает веса признаков ежедневно, учитывая:

• Сезонность: поведение во время распродаж отличается от обычных дней
• Изменения трафика: новые источники могут привести аудиторию с другими паттернами
• Изменения на сайте: новый дизайн, новые товары, новые акции
• Внешние факторы: праздники, экономическая ситуация, тренды

Это позволяет системе оставаться точной в любых условиях.

Инфраструктура Rivox — без внешних API

Все расчёты выполняются на собственной инфраструктуре Rivox. Это значит:

• Нет зависимости от внешних платформ
• Высокая скорость обработки данных
• Полная конфиденциальность — данные не передаются третьим лицам
• Соответствие 152-ФЗ — анонимная обработка поведенческих данных

Подробнее о технической архитектуре можно узнать в разделе Документация по виртуальным конверсиям.

Результаты для маркетолога

Внедрение Rivox AI даёт конкретные измеримые результаты, которые видны уже в первые недели работы.

CPA снижается на 20-40%

Это главный показатель эффективности. Когда автостратегия получает качественные сигналы, она перестаёт тратить бюджет на случайных кликов и фокусируется на "тёплых" пользователях. Результат — меньше расходов, больше заявок.

Быстрее обучение кампаний в Яндекс.Директ

Стандартный срок обучения автостратегии — 4-6 недель. С Rivox AI этот срок сокращается до 7-10 дней. Система передаёт в 5-10 раз больше сигналов, чем реальные заявки — алгоритм учится быстрее.

Повышение качества трафика

Вы перестаёте платить за случайные клики. Директ начинает показывать рекламу тем, кто реально заинтересован. Показатель отказов падает, время на сайте растёт, качество лидов улучшается.

Рост ROI и количества "тёплых" пользователей

ROI (возврат инвестиций) растёт, потому что вы получаете больше заявок при меньших расходах. Количество "тёплых" пользователей увеличивается — система находит тех, кто готов купить сейчас или в ближайшие дни.

Заключение: CPA больше не зависит только от количества заявок

Рекламный рынок изменился. Системы, работающие по классическому принципу "есть конверсия — хорошо, нет — плохо", теряют эффективность. Автостратегии нужны не просто конверсии — им нужны качественные сигналы о намерениях пользователей.

Rivox AI заменяет бинарные сигналы ("купил / не купил") на многомерную картину намерений. Система видит, кто изучает, кто сравнивает, кто готов купить — и передаёт эти данные в Яндекс.Директ.

Результат: автостратегия обучается в 5 раз быстрее, CPA падает на 20-40%, качество трафика растёт, ROI увеличивается. Вы платите меньше за более качественных клиентов — и это не магия, а точный расчёт на основе машинного обучения.

Если ваш текущий CPA высокий, а автостратегии не справляются — возможно, проблема не в настройках кампаний, а в недостатке данных для обучения алгоритма.

Подключить Rivox AI и снизить CPA

Или изучите детально, как искусственный интеллект Rivox AI оптимизирует Яндекс.Директ и почему виртуальные конверсии работают эффективнее классических методов.