Как AI-агент Rivox помог увеличить продажи дизайнерской мебели?

Агент подключился к Яндекс Директу, Метрике и amoCRM по API и прогнал аудит аккаунта по 102 правилам. Он сверил клики не с промежуточной целью «просмотр карточки», а с оплаченными сделками из CRM, и увидел, что автостратегия обучалась на ложном сигнале. Дальше агент взял под управление часть кампаний: продуктовый поиск и ретаргет. Брендовую кампанию и товарную галерею продолжил вести штатный директолог Lagom.

Можно отдать агенту не весь аккаунт, а только часть кампаний?

Да, так и было в Lagom. Автопилот включили на продуктовые поисковые кампании и ретаргет, остальное осталось за штатным директологом. По кампаниям вне своего контура агент не менял ставки, а отдавал находки отчётом, и специалист сам решал, что с ними делать. Границу контура можно двигать в любую сторону: в июле к автопилоту добавили сети.

Сколько времени занимает оптимизация рекламы мебельного магазина с длинным циклом сделки?

Аудит по 102 правилам готов в первый день, полный прогон занимает около 12 минут на тысячу групп. Но результат в дорогой мебели набирается постепенно, потому что сделка вызревает неделями. В Lagom стоимость заявки снижалась помесячно: 5 900 ₽ в мае, 5 280 ₽ в июне, 4 860 ₽ в июле, 4 700 ₽ в августе. Никакого скачка в первую неделю не было и быть не могло.

Агент сам меняет ставки в Директе?

Внутри своего контура кампаний агент выполняет до 45 типов действий через официальный API Директа. Перед каждым действием проходят 12 валидаторов, важные изменения подтверждает человек со стороны клиента, любое действие откатывается в течение 24 часов. Серверы находятся в России, в Yandex Cloud.

Главная Rivox / Кейсы / Lagom

«Мы не отдавали агенту весь аккаунт. Дали ему продуктовый поиск и ретаргет, остальное вёл наш директолог. За четыре месяца CPA упал на 20%, а конверсия в покупку выросла втрое»

кейс Lagom × Rivox AI

Lagom продаёт дизайнерскую мебель ручной работы из дуба: столы, комоды, консоли, стеллажи. Стол стоит как подержанная машина, и покупают его так же долго.

Рекламу в Директе вёл штатный директолог. Аккаунт был живой, около 20 кампаний: поиск по продуктовым кластерам, бренд, товарная галерея, сети, ретаргет. За аккаунтом следили, ставки правили, минус-слова добавляли. Но автостратегия училась не на тех данных.

Что показывали цифры на старте:

CPA около 6000 ₽ за заявку;

Конверсия из визита в покупку 0,3%;

Клиенты заходили на сайт по 3–5 раз, от первого визита до оплаты проходило 10–13 дней;

Директ оптимизировался на промежуточную цель «просмотр карточки товара», а она срабатывала у четырёх визитов из десяти и никак не отделяла покупателя от того, кто просто листает красивые фото.

ЗАДАЧА

Отдавать весь аккаунт незнакомому агенту Элина не захотела, и это нормально. Договорились по-другому: агент получает доступ к Директу по API, прогоняет аудит и берёт под управление часть кампаний. Продуктовый поиск (столы, комоды, консоли) и ретаргет уходят под автопилот. Бренд и товарная галерея остаются за штатным директологом, агент по ним только отдаёт находки отчётом.

Цель поставили в деньгах, а не в заявках: снизить стоимость заявки и довести до оплаты больше людей из тех, кто и так приходил.

Что сделал AI-агент

Подключение по API и аудит по 102 правилам

Сборщик подключился к Директу, Метрике и amoCRM. Никаких скриптов на сайт ставить не пришлось, данные идут через официальный API, цикл обновления 3 минуты.

Дальше шесть аудиторов параллельно прошли аккаунт по 102 правилам, каждый по своей зоне: ставки, семантика, площадки сетей, креативы, аудитории, гео. Норматив полного прогона примерно 12 минут на тысячу групп, аккаунт Lagom меньше. Список находок лежал у Элины в тот же день.

Автопилот включили не на весь аккаунт

Под управление агента ушли продуктовые поисковые кампании и ретаргет. Бренд и товарная галерея остались за штатным директологом Lagom. В июле, когда стало понятно, что агент не ломает аккаунт, ему отдали ещё и сети.

Внутри своего контура агент делает действия сам, через официальный API Директа. Перед каждым действием проходят 12 валидаторов, важное подтверждает человек, любое изменение откатывается в течение 24 часов.

Находка: Директ учился на сигнале, который выдают все подряд

Цель «просмотр карточки товара» срабатывала у 41% визитов. Оплачивали 0,3%. Автостратегия честно набирала тех, кто открывает карточки, и не имела ни одного повода отличить их от покупателей.

Агент сверил клики с оплаченными сделками из amoCRM и перестроил обучение агентских кампаний:

оптимизация переехала на заявку, а качество заявки агент сверяет с оплатами в CRM, а не с целью в Метрике;

кампании под автопилотом собрали в один контур обучения, чтобы редкие конверсии складывались в общую корзину, а не копились в каждой кампании поодиночке;

после этого новые кампании выходили на рабочий режим за 1–2 дня вместо 7–10, потому что подключались к уже накопленной статистике, а не начинали с нуля.

Находка: сети приносили дешёвые заявки, которые не платят

Заявка из сетей стоила 3 900 ₽, с поиска 6 800 ₽. Автостратегия видела дешёвый CPA и тянула бюджет в сети. В amoCRM картина переворачивалась: с поиска до оплаты доходила каждая шестая заявка, из сетей каждая двадцатая. Люди приходили по баннеру со словами «хочу такой же стол, только подешевле» и отваливались на цене.

В мае сети были ещё вне контура агента, поэтому находка ушла директологу отчётом, и он выставил по ним потолок CPA руками. В июле сети отдали агенту, и он развёл лимиты сам: сети остались, но перестали перетягивать на себя бюджет поиска.

Находка: в звонках спрашивали про мебель, которой у Lagom нет

Агент ежедневно расшифровывает звонки. Оказалось, что каждый пятый звонок был про кухни и шкафы-купе на заказ. Lagom их не делает. Значит, бил целый кластер запросов вроде «мебель из дуба на заказ» и «столярная мастерская». Менеджер тратил на эти разговоры время, а Директ считал их полноценными заявками и учился на них.

Второй вопрос в звонках после цены был про срок: «а когда привезёте». Люди уходили думать не только из-за денег, а потому что не понимали, ждать им три дня или два месяца.

минус-слова под кухни, шкафы, «на заказ», «столярка», плюс чистка соседних групп;

срок изготовления и наличие складских позиций вынесли в объявления и в ретаргет, чтобы человек видел его до звонка, а не после.

Находка: география перекошена исторической настройкой

На весь аккаунт стояла единая ставка по России, поставленная когда-то давно и с тех пор не пересматривавшаяся. В Москве аукцион дороже, и с этой ставкой реклама Lagom просто не попадала в показы по прайм-запросам. Доля показов по Москве и области была 26%, при этом в amoCRM из Москвы и МО приходило 71% оплаченных сделок и почти весь дорогой чек: крупногабарит в дальние регионы возить невыгодно, и такие сделки разваливались на доставке.

Отдельно вылезла группа «стол из массива дуба ручной работы»: ставка в ней была на 38% ниже медианы по своему кластеру. Группа формально работала, показывалась, но не попадала в аукцион по самому платёжеспособному запросу.

Агент перераспределил корректировки по гео в пользу Москвы и области и поднял ставки в прайм-группах. Отсюда основная часть роста среднего чека.

Дальше агент просто работал в фоне

Данные обновляются раз в 3 минуты, круглосуточно. Исследователь регулярно смотрит на конкурентов: в июле двое из них начали заметно поднимать ставки на «дубовый стол купить» перед осенним сезоном, и агент заранее переложил часть бюджета на кластеры, где аукцион ещё не разогрелся («консоль из дуба», «комод дуб массив»). Не постфактум в сентябре, а до того, как ставки взлетели.

Раз в неделю Рассказчик присылал отчёт: что нашли, что сделали, что предлагаем сделать в кампаниях директолога. Решение по чужому контуру всегда оставалось за человеком.

Результаты за май – август 2024

на 20%

Снижение CPA

0,3% до 1%

Рост конверсии в покупку

на 38%

Рост числа продаж

на 15%

Рост среднего чека

ПОЧЕМУ ЭТО СРАБОТАЛО

Скачка после запуска не было, и его не могло быть. Мебель за сотни тысяч рублей не покупают в день клика, сделка вызревает неделями, поэтому каждая правка агента доезжает до выручки с задержкой. Результат набирался лестницей по месяцам.

Стоимость заявки: 5 900 ₽ в мае, 5 280 ₽ в июне, 4 860 ₽ в июле, 4 700 ₽ в августе;

Конверсия в покупку: 0,3%, потом 0,8%, потом 0,9%, к августу 1%;

Цикл принятия решения сократился с 10–13 дней до 5, потому что человек стал видеть цену и срок изготовления до звонка, а не узнавать их у менеджера на третьем визите;

Средний чек вырос на 15%: бюджет уехал в Москву и область, где живут дорогие сделки, а запросы с ценовым интентом («недорого», «дешёвый дубовый стол») перестали съедать показы.

Честно про цифры на дашборде. Это данные по всему аккаунту, а не отдельно по кампаниям агента. Часть кампаний вела Lagom своими руками, бюджеты между контурами перетекали, и мы не выдаём это за чистый эксперимент «агент против директолога». Общий счёт по аккаунту такой, каким его видел клиент.

«Теперь мы уверенно масштабируемся, ориентируясь на эффективное привлечение клиентов, которые покупают чаще, быстрее и дороже»

Мусалова Элина

основательница Lagom Home

Хотите сократить расходы на рекламу и зарабатывать больше?

Запустим AI-агента на вашем аккаунте и покажем на демо, что он найдёт в первые минуты: где утекает бюджет и какие действия дадут результат быстрее всего

Уже сэкономили более 5 млн рублей клиентам за счёт снижения нецелевого трафика

Аудит аккаунта по 102 правилам и до 45 типов действий через официальный API Директа

Можно включить автопилот только на часть кампаний, остальное оставить своему специалисту