Кейс Gadlee × Rivox AI
Как дистрибьютор поломоечных машин выкормил голодающую автостратегию, отсёк мусорный B2C-охват и нашёл новый спрос на аренду с помощью AI-агента.
Исходные условия
Gadlee это официальный дистрибьютор поломоечных и подметальных машин. Производитель из Китая, европейские стандарты сборки, доступная цена. Ниша узкая, чек высокий: машина стоит от 200 тысяч до 1,5 млн ₽, цикл сделки длинный.
Покупатели вполне конкретные: клининговые компании, склады, торговые центры, производства. KPI клиента это квалифицированная заявка на расчёт или коммерческое предложение. Заявок мало по самой природе ниши, и автостратегии банально не хватает данных, чтобы обучиться.
Суть проблемы: когда заявок мало, автостратегия Яндекса ведёт себя как голодный алгоритм. Чтобы набрать статистику, она расширяет охват и начинает показываться по «робот-пылесос для дома» и «помыть пол». Для квартиры и для склада на 10 000 квадратов это разные планеты, но при дефиците данных Директ перестаёт их различать.
Что сделал AI-агент
На проекте работала не одна модель, а команда ролей под общим оркестратором. Ниже зоны ответственности по этому кейсу.
Подключение по API и сбор данных
Сборщик подключился к Директу, Метрике и серверной аналитике. По каждой кампании агент видит 217 параметров напрямую из API, цикл обновления 3 минуты. Это не выгрузка раз в день, а живая картина аккаунта, где сразу видно, на чём держится дефицит конверсий.
Первый аудит за 12 минут
Шесть аудиторов параллельно прошли 102 проверки по своим зонам: стратегия, семантика, охват, креативы, аудитории, гео. Карта проблем была готова в первый день, а не через две недели наблюдений.
Диагностика голодания автостратегии
Агент посчитал: 8 конверсий в месяц при пороге обучения заметно выше. Алгоритму не хватало статистики, поэтому он расширял охват и тянул в аккаунт бытовые запросы. Корень мусорного трафика оказался не в плохих ключах, а в самой стратегии.
Перевод на ручную стратегию
Стратег перевёл кампании на ручное управление ставками под контролем агента. Данных мало, авто их не вытягивает, поэтому ставками управляет агент: держит таргетинг в нише и не даёт алгоритму добирать статистику за счёт случайной аудитории.
Чистка широкого охвата минус-словами
Исполнитель вычистил B2C-пласт: «для дома», «робот-пылесос», «karcher», «бытовой» и десятки производных. Это сняло показы по аудитории, которая ищет уборку квартиры, а не промышленную технику за сотни тысяч рублей.
Сегментация семантики по типу клиента
Раньше склад и клининг лежали в одной группе с общими ставками. Агент разнёс семантику по типу покупателя: склад и логистика, клининговые компании, торговые центры, производства. У каждого сегмента своя ставка и свой оффер.
Новый спрос на аренду и trade-in
Исследователь нашёл рост запросов «аренда поломоечной машины», по которым у Gadlee не было ни одной кампании. Агент сгенерировал объявления под аренду и trade-in и запустил отдельную кампанию под этот спрос.
Подтверждение, журнал, откат
Каждое действие, включая смену стратегии, ушло в Директ после подтверждения клиента, прошло 12 валидаторов и записано в журнал. Любое изменение откатывается одной кнопкой в течение 24 часов. Управление осталось за человеком.
Что нашёл агент в первом аудите
102 проверки за 12 минут. Каждая находка сразу превращается в конкретное действие с тегом API, а не в график, который надо расшифровывать самому.
| Зона аудита | Что нашёл агент | Действие |
|---|---|---|
| Стратегия | автостратегия голодала на 8 конверсиях в месяц и расширяла охват | API Перевод на ручную с агентским управлением |
| Широкий охват | «робот-пылесос для дома», «мойка karcher», «помыть пол» | API 320 минус-слов B2C |
| Семантика | склад и клининг в одной группе с общими ставками | API Сегментация по типу клиента |
| Новый спрос | «аренда поломоечной машины» растёт, кампании нет | API Новая кампания, объявления под аренду |
| Время показа | заявки B2B в будни 10:00–17:00 | API Дайпартинг |
| Объявления | общие заголовки без типа клиента | API Заголовки под склад, ТЦ, аренду, trade-in |
Ключевая находка: мусорный трафик шёл не от плохих ключей, а от голодающей стратегии. Восьми заявок в месяц мало для обучения, и алгоритм добирал статистику расширением охвата в бытовой B2C. Лечить надо было причину, то есть стратегию, а не последствия в виде отдельных запросов.
Что было в трафике до и после чистки
После перевода на ручную стратегию и сегментации видно главное: доля целевого B2B выросла вдвое, бытовой B2C почти исчез, а на освободившемся месте появился сегмент аренды, которого раньше не было совсем.
| Сегмент трафика | Доля до | Доля после |
|---|---|---|
| Целевой B2B (машины для бизнеса) | 34% | 71% |
| B2C («для дома», «karcher») | 41% | 4% |
| Информационный и мусор | 25% | 9% |
| Аренда (новый сегмент) | 0% | 16% |
Почему ручная стратегия при дефиците конверсий
Логика контринтуитивная, но проверяемая по цифрам. Автостратегии нужна статистика, которой в узкой нише просто нет. Ручное управление с агентом работает там, где авто захлёбывается и тянет бюджет в массовый спрос.
| Условие | Автостратегия | Ручная плюс агент |
|---|---|---|
| Конверсий в месяц | нужно 10+ | работает на 8 |
| Охват при дефиците данных | расширяется в мусор | держится в нише |
| Новый сегмент спроса | не замечает | агент находит и запускает |
Парадокс: чем меньше заявок, тем агрессивнее автостратегия размывает охват. Агент развернул логику: при дефиците данных он сузил таргетинг руками и направил бюджет в узкую нишу, а не в массовый B2C.
Итог по проекту
Дело было не в ставках и не в отдельных плохих ключах, а в том, что стратегия не подходила нише. Агент сменил стратегию, вычистил мусор, разнёс семантику по типам клиента и нашёл новый спрос. Дальше он держит границу в фоне, разбирая поисковые запросы каждые 48 часов.
При малом числе конверсий автостратегия голодает
Алгоритму нужна статистика. Если заявок меньше порога обучения, он добирает данные расширением охвата и набирает мусор.
В узкой B2B-нише ручное управление с агентом бьёт авто
На 8 заявках в месяц авто не обучается. Агент держит ставки и таргетинг руками и не даёт бюджету уйти в массовый спрос.
Сегментация по типу клиента важнее общего охвата
Склад, клининг, ТЦ и производство покупают по-разному. Каждому нужен свой оффер и своя ставка, а не общая группа.
Исследователь находит новый спрос раньше вас
Спрос на аренду рос, но кампании под него не было. Агент заметил его в выдаче и запустил сегмент, пока вы о нём думаете.
Каждое действие под контролем
45 типов действий через API, но только после подтверждения. 12 валидаторов, журнал и откат за 24 часа. Решения остаются за человеком.
«У нас было восемь заявок в месяц, и автостратегия с голоду набирала людей, которые искали пылесос для квартиры. Агент перевёл нас на ручное управление, вычистил мусор и нашёл целый сегмент аренды, которого мы не видели»