Наш клиент — один из крупнейших застройщиков Санкт-Петербурга, специализирующийся на строительстве премиальных жилых комплексов бизнес- и комфорт+ класса. На момент обращения компания вела три проекта на разных стадиях строительства: два ЖК в Петроградском и Василеостровском районах и один — в Московском, рядом с Пулковским парком. Средняя стоимость квартиры в портфеле — от 18 до 35 млн ₽.
Ежемесячный бюджет на Яндекс.Директ составлял порядка 5,5 млн ₽. При этом специфика рынка премиальной недвижимости в Петербурге такова, что цикл сделки занимает от 4 до 9 месяцев — от первого касания до подписания ДДУ. Ключевой промежуточной конверсией для отдела продаж была встреча в шоуруме: именно на ней клиент впервые видит отделку, обсуждает планировку и получает персональный расчёт ипотеки.
Проблемы, с которыми столкнулся застройщик:
Классические подходы — ретаргетинг, лид-формы, коллтрекинг — не решали фундаментальную проблему. Директ просто не понимал, чем реальный покупатель квартиры за 25 миллионов отличается от человека, который зашёл «просто посмотреть».
Снизить стоимость квалифицированного лида (встреча в шоуруме) при сохранении или увеличении их объёма. Научить автостратегии Яндекс.Директ отличать реальных покупателей премиальной недвижимости от нецелевой аудитории — без увеличения рекламного бюджета.
Дополнительная сложность: необходимо было учесть специфику трёх разных ЖК с принципиально разными портретами целевой аудитории и разной стадией строительной готовности.
SDK Rivox был установлен на все три сайта жилых комплексов за один рабочий день. Интеграция потребовала минимального участия разработчиков застройщика — достаточно было добавить один JS-сниппет в шаблон страниц.
SDK начал собирать более 200 поведенческих признаков, специфичных для сайтов недвижимости:
За две недели было собрано достаточно данных для первичного обучения ML-модели — свыше 14 000 уникальных сессий по трём проектам.
Модель обучалась на исторических данных CRM застройщика: какие посетители сайта в итоге пришли на встречу в шоурум за последние 8 месяцев.
Ключевые паттерны, которые обнаружила модель:
Виртуальные конверсии стали передаваться в Яндекс.Метрику, обеспечивая автостратегиям Директа в 8–10 раз больше обучающих сигналов, чем реальные визиты в шоурум.
На втором этапе была выполнена интеграция с CRM застройщика (amoCRM). Это позволило замкнуть цикл обратной связи: модель получала данные не только о визитах в шоурум, но и о дальнейшем движении лида по воронке — вплоть до бронирования квартиры.
После дообучения на реальных данных CRM точность модели выросла на 34%. Особенно заметный эффект дала сегментация по проектам: модель стала учитывать, что для каждого ЖК паттерны целевого покупателя принципиально различаются.
Дополнительно была настроена передача офлайн-конверсий: когда клиент приходил в шоурум, данные автоматически уходили в Метрику, корректируя алгоритмы Директа.
К третьему месяцу работы система вышла на стабильные показатели. Автостратегии Директа, получая качественные обучающие сигналы, стали значительно точнее подбирать аудиторию.
На этом этапе были выполнены точечные оптимизации:
| Период | Заявки с сайта | Встречи в шоуруме | Конверсия сайт → шоурум | Стоимость квал. лида | Ипотечное одобрение |
|---|---|---|---|---|---|
| До подключения | 275 | 22 | 8,0% | 254 000 ₽ | 34% |
| Месяц 1 (сбор данных + запуск) | 268 | 25 | 9,3% | 237 600 ₽ | 38% |
| Месяц 2 (обучение модели) | 256 | 28 | 10,9% | 215 000 ₽ | 44% |
| Месяц 3 (CRM-интеграция) | 241 | 30 | 12,4% | 193 600 ₽ | 53% |
| Месяц 4 (масштабирование) | 182 | 31 | 17,0% | 178 200 ₽ | 61% |
Обратите внимание на месяц 4: общее количество заявок снизилось с 275 до 182, однако число встреч в шоуруме выросло с 22 до 31. Это ключевой эффект работы Rivox AI — Директ перестал привлекать нецелевой трафик и сфокусировался на аудитории с реальным покупательным намерением. Меньше заявок — но каждая из них значительно качественнее.
