Научить рекламу распознавать клиентов, готовых к покупке, и снизить CPA при росте заказов на существующем трафике.
«Количества посещений на сайте не хватало для глубокого обучения Яндекс.Директ, но благодаря виртуальным конверсиям Rivox AI CPA снизился на 33%, а конверсия выросла почти в 2 раза»
кейс KNS × Rivox AI
KNS — интернет-магазин комплектующих для ПК: видеокарты, процессоры, блоки питания, SSD, корпуса и прочее. В каталоге более 15 000 позиций, основной фокус — DIY-сборки и апгрейды.
Целевая аудитория — в основном мужчины 18–45 лет, от энтузиастов до новичков. Средний чек — от 12 000 до 26 000 ₽.
Бизнес активно вкладывался в Яндекс.Директ:
Смарт-баннеры и динамические кампании;
РСЯ с объявлениями по интересам («собрать игровой ПК», «обновить видеокарту»);
Автостратегия «Максимум конверсий» с целью «переход в корзину».
Но эффективность была ниже ожиданий, несмотря на трафик:
Много пользователей проводили 5–8 минут на сайте, сравнивали товары — и уходили;
Коэффициент добавления в корзину был приличным (около 5%), но до оформления доходили единицы;
Конверсия в покупку — всего 1,3%;
CPA держался на уровне 2700 ₽.
ЗАДАЧА
Что было сделано с Rivox AI:
1
Сбор подробных поведенческих данных
После установки SDK Rivox на сайте начался сбор качественных поведенческих данных, таких как:
Частота и глубина просмотра карточек товаров;
Сравнение характеристик 2–3 товаров подряд;
Нажатие на кнопки «Сравнить», «Характеристики», «Вопросы»;
Взаимодействие с фильтрами;
Возвраты к одной и той же модели через 1–2 дня;
Добавление комплекта (например, «процессор + материнка») в избранное.
2
Обучение ML-модели
ML-модель Rivox проанализировала данные о покупках за последние 30 дней и выявила паттерны поведения, которые с высокой вероятностью предсказывают заказ:
Последовательный просмотр процессора, материнской платы и блока питания;
Активация вкладки «Оплата и доставка» перед возвратом к карточке товара;
Повторные визиты с тем же UTM-меткой на конкретную позицию;
Время в карточке товара более 90 секунд.
При совпадении таких признаков срабатывала виртуальная цель, и в Метрику и Яндекс.Директ поступали сигналы от потенциальных покупателей ещё до оформления заказа.
3
Влияние на эффективность кампании
Кампании, которые раньше "гоняли" тех, кто просто сравнивал видеокарты, начали получать сигналы о покупателях;
Стратегии стали стабильными: обучение занимало 2–3 дня, а не 7;
Расход бюджета стал рациональнее.
Результаты спустя 6 недель:
на 25%
Снижение CPA
с 0,6% до 1,5%
Рост конверсии в покупку
в 2,4 раза
Рост числа заказов
на 29%
Снижение возвратов/отмен
ПОЧЕМУ ЭТО СРАБОТАЛО
До Rivox AI реклама просто приводила людей на сайт, но не понимала, кто из них реально соберёт ПК.
После внедрения виртуальных целей:
Кампании обучались не на кликах или "визитах в корзину", а на реальных сигналах будущих заказов;
Поведенческая модель позволила отличить покупателя от просто зрителя;
Алгоритмы стали точнее попадать в сегмент готовых к покупке клиентов.
«Директу не хватало данных, чтобы точно определить, кому показывать рекламу. Когда он обучился на большем числе данных с нашего сайта, реклама сразу стала попадать в более целевую аудиторию, а через месяц уже и снизился CPA»
Хотите сократить расходы на рекламу и зарабатывать больше?
Заполните форму и получите план, как сэкономить до 30% рекламного бюджета с помощью AI-оптимизации от Rivox
Уже сэкономили более 5 млн рублей клиентам за счёт снижения нецелевого трафика
Передали в рекламные системы свыше 12 000 виртуальных конверсий — вместо обычной аналитики
Подняли средний чек на 40% в кейсах из e-com, финтех и онлайн-услуг