Кейс Креп-Комп × Rivox AI
Как интернет-магазин крепежа, метизов и инструмента снизил ДРР в Москве с 79% до 25%, в Санкт-Петербурге — с 19% до 8–10% за счёт изменения обучающего сигнала автостратегии
Проблема
Креп-Комп — интернет-магазин крепежа, метизов и инструмента. Смешанный B2B/B2C-сегмент: большой объём SKU, различная маржинальность, часть спроса срочная, часть — сравнительная.
Автостратегия обучалась только на финальных продажах, не учитывая поведенческий профиль покупателя.
Цитата клиента: «Не могу сказать, что ДРР оставался стабильным. Был ниже, был выше, был плановым. Но в последнее время ДРР по двум основным РК действительно хромал, отчего мы собственно и решили потестить Rivox.»
Что было сделано
Установка скрипта Rivox и сбор данных
В ноябре на сайт Креп-Комп установлен скрипт Rivox, собирающий 600+ поведенческих сигналов: просмотр каталога, поведение на карточках товаров, взаимодействие с фильтрами, добавления в корзину, оплаты и другие микродействия.
Накопление данных для обучения
Дождались накопления 50 конверсий — минимума для обучения ML-модели на поведенческих паттернах.
Обучение ML-модели
Модель проанализировала поведенческие паттерны посетителей, которые дошли до основной цели — оплаты. Найдены закономерности, указывающие на наибольшую вероятность целевого действия.
Тестирование на разных выборках
Множественные итерации тестирования на различных сэмплах данных для подтверждения устойчивости паттернов и качества предсказаний.
Создание ML-целей и запуск
В Яндекс.Метрике созданы JS-цели rivox_goal_ml. В декабре клиент выбрал 2 кампании по основным регионам продаж и добавил цели Rivox.
Первые результаты
Первые две недели работы — система начала перераспределять бюджет.
Через месяц работы
На графике ДРР:
- Красная линия (Москва) — резкое снижение с ~79% до ~25%
- Зелёная линия (СПБ) — постепенное снижение с ~19% до ~8–10%
Почему изначально ДРР был нестабилен
Ключевая проблема: без промежуточного поведенческого сигнала автостратегия не могла отличить «ценного» посетителя от «шумного».
Что изменилось после подключения Rivox
Rivox добавил промежуточный слой обучения:
Автостратегия получила больше данных. Часть аукционов перестала выкупаться, бюджет сместился в предсказуемые сегменты, ДРР начал снижаться.
Результаты Москва
Драматическое снижение: ДРР в Москве упал с ~79% до ~25%. Конкурентная среда более чувствительна к дополнительным поведенческим сигналам.
Результаты Санкт-Петербург
Стабильное снижение: ДРР в СПб постепенно снизился с ~19% до ~8–10%. Менее конкурентная среда требует больше времени.
Как Rivox снижает ДРР: механика
Выводы
Rivox меняет обучающий сигнал, а не стратегию
Автостратегия остаётся прежней. Меняется набор данных, на которых она обучается — добавляются поведенческие паттерны, характерные для оплаченных заказов.
ДРР снижается через аукционную структуру
Снижение ДРР — не результат корректировки ставок. Стратегия перестаёт участвовать в аукционах с непредсказуемой маржинальностью, бюджет смещается в стабильные сегменты.
Первые 1–2 недели — фаза тестирования
Системе необходимо время для перераспределения бюджета. Чёткое улучшение ДРР наступает после первого месяца работы с ML-целями.
Стабильность после накопления данных
Чем больше данных накапливает модель, тем точнее оценка вероятности выручки и тем стабильнее ДРР.
Регионы адаптируются с разной скоростью
Москва адаптировалась быстрее из-за конкурентной среды. Санкт-Петербург — постепенно. Это нормальное поведение для разных уровней конкуренции.
«ДРР в Москве снизился с 79% до 25%, в Санкт-Петербурге — с 19% до 8–10%. Rivox изменил не стратегию, а обучающий сигнал — и бюджет сместился в предсказуемые сегменты»