Кейс: Как крупный ритейлер электроники за 2 месяца снизил CPA на 19% и увеличил долю маржинальных покупок на 11% с помощью Rivox AI
Контекст
Масштабный перезапуск
Один из крупнейших ритейлеров электроники в России планировал масштабную перезапуск рекламных кампаний в Яндекс.Директ.
Речь шла не просто о «дотюнить» существующее — компания хотела запустить более 30 новых рекламных направлений
Новые направления
- продвижение нишевых товарных линеек (смарт-гаджеты, умный дом, аксессуары)
- временные акции и комплекты
- сезонные товарные категории с высокой маржинальностью
Проблема
У компании была одна из самых сильных in-house команд по перформанс-маркетингу, и они понимали:
«Чтобы обучить алгоритм Яндекса с нуля на 30+ новых категориях, понадобится много данных и денег. А бюджета — ограниченный.»
Задача: обучить автостратегии и не слить бюджет
сократить период обучения новых кампаний
Маркетинговая команда обратилась в Rivox AI с запросом ускорить процесс обучения новых рекламных кампаний
сохранить или снизить текущий CPA
Важно было не допустить роста стоимости привлечения клиентов при запуске новых направлений
дать возможность Яндекс.Директу «умнеть» не за месяцы, а за дни
Ускорить процесс обучения алгоритмов для быстрого достижения эффективности рекламных кампаний
Этап 1: Быстрое обучение кампаний через поведенческие паттерны
Внедрение SDK и сбор данных
Мы интегрировали наш клиентский скрипт rivox.js, который автоматически собирает 193 поведенческих параметра. Ключевые из них для данного проекта:
Скрипт начал аккумулировать поведение пользователей уже с первого дня запуска.
Обучение ML-модели
📊 Сбор данных
Через неделю у нас было достаточно данных, чтобы обучить первую версию модели, предсказывающей вероятность покупки.
📈 Оценка вероятности
Модель присваивала каждому визиту score от 0 до 1, и сессии с высоким score (>0.7) отправлялись обратно в Яндекс.Директ как виртуальные конверсии.
🧠 Обучение алгоритма
Таким образом, мы «кормили» Яндекс не только реальными покупками (которых было мало на старте), а прогнозными, подтвержденными поведением, что дало алгоритму больше «умных» точек для обучения.
Результаты этапа 1 (первые 6 недель)
| Показатель | До Rivox | С Rivox |
|---|---|---|
| Время обучения кампаний | ~12 дней | 3 дня |
| CR по новым карточкам товаров | 0.8% | 1.6% |
| CTR объявлений | 2.3% | 3.2% |
Кампании обучились в 4 раза быстрее, а CPA снизился на 19%.
Параллельно с этим команда маркетинга начала «чистить» неэффективные категории — модель чётко показывала, где пользователи проводят время, но не конвертируются.
Этап 2: Обучение на маржинальные продажи
📋 Сбор данных
После 45 дней работы модель начала получать достаточно сигналов по тем, кто в итоге что именно покупал.
📊 Получение данных о маржинальности
Клиент предоставил информацию о наценке на SKU — категории товаров с разной маржой (например, аксессуары, кабели, ТВ с extended-гарантией).
🔄 Переобучение модели
Мы переделали таргет ML-модели: теперь она искала поведенческие паттерны, которые чаще приводят к покупке более дорогих или маржинальных товаров.
🔗 Интеграция с рекламными системами
Эта новая модель снова начала отправлять виртуальные цели в Яндекс.Директ, но уже с новым весом — нацеленным на высокомаржинальных клиентов.
Результаты этапа 2 (месяц после перезапуска)
«По сути, мы включили Яндекс.Директ в режим: "находи клиентов, которые не просто покупают, а приносят прибыль".»
Вывод
Быстрое обучение
обучить 30+ рекламных кампаний без потерь бюджета
Снижение CPA
снизить CPA на 19%
Рост маржинальности
вырастить долю маржинальных продаж на 11%
Постоянная интеграция
наладить передачу «умных» целей в Яндекс.Директ на постоянной основе
Это пример, как ML может работать не в теории, а в ежедневной перформанс-рутине: быстро, стабильно и без зависимости от большого объёма продаж.
Хотите сократить расходы на рекламу и зарабатывать больше?
"Сначала Rivox позволил нам запустить десятки кампаний без слива бюджета. Потом — начал давать реальные инсайты, кто наш клиент с деньгами. Это не про магию — это про точные сигналы. Такого уровня управления у нас раньше просто не было."