Перезапустить автообучение Яндекс.Директа и разморозить кампании через поведенческие виртуальные конверсии.
«Два месяца мы тратили деньги в Яндекс.Директе и не получали ни одного лида. После подключения Rivox AI реклама ожила: CPA снизился на 19%, а количество заказов выросло в 4,6 раза»: кейс MobileFix × Rivox AI
кейс MobileFix × Rivox AI
MobileFix – интернет-магазин мобильных телефонов, аксессуаров и смарт-часов.
К началу весны ситуация была сложной:
В течение двух месяцев кампании в Директе не приносили ни одной заявки;
CTR был стабильным – 5,6%, CPC – приемлемым (21–26 ₽), охват — высокий;
В Метрику продолжали поступать клики и визиты, но ни одного целевого действия: ни заказов, ни звонков;
В кабинете не было технических сбоев, бюджеты расходовались, но алгоритмы как будто ослепли, рекламная система не получала достаточного объема данных для обучения.
Команда меняла креативы, экспериментировала с текстами и форматами, но это не сработало, лидов не было.
Задача: перезапустить автообучение и «разморозить» рекламные кампании
Решено было протестировать Rivox AI как способ перезапуска рекламных стратегий через виртуальные конверсии на основе поведенческих данных, а не ждать, пока пользователь совершит редкую и дорогую покупку.
ЗАДАЧА
Что сделали с Rivox AI
1
Установка SDK и сбор поведенческих сигналов
Сначала команда установила SDK Rivox на сайт MobileFix. Подключение заняло менее 15 минут.
С этого момента начался глубокий сбор пользовательского поведения:
активность в карточке товара: сколько времени пользователь проводит, листает ли фото, читает ли «Характеристики»;
взаимодействие с фильтрами (бренд, диагональ, объём памяти, цвет);
навигация между моделями одной линейки;
возвращения к товару через 1–2 дня;
клики по кнопкам «Купить в рассрочку» и «Сравнить».
2
Обучение модели и определение сигнала «высокой вероятности покупки»
ML-модель Rivox была обучена на поведенческих сценариях тех пользователей, кто всё-таки доходил до оформления заказа. Среди них оказались:
пользователи, которые возвращались к одной и той же модели смартфона трижды в течение недели;
те, кто активно сравнивал характеристики двух моделей (например, iPhone 13 и 14);
посетители, проводившие в карточке товара более 90 секунд, переключаясь между цветами и отзывами.
Когда поведенческий score превышал 0.85, SDK отправлял в Метрику виртуальную цель.
3
Влияние на рекламную кампанию
Кампания ожила через 48 часов
Кампания в Директе, которая не приносила ни одного лида за два месяца, начала обучаться на второй день после запуска виртуальных целей;
Стратегия «Максимум конверсий» заработала корректно: рекламный трафик начал смещаться в сторону реальных покупателей;
CTR вырос на 18%;
Визиты с глубокой вовлеченностью (3+ страницы, >1,5 минуты на сайте) выросли на 64%;
На третий день после запуска кампании с виртуальной целью пришло 7 заявок на кредит (в течение 2 месяцев не было ни 1 заявки).
Главные цифры кейса:
до 2740 ₽
CPA (впервые с начала года)
с 0% до 1,5%
Рост конверсии
в 4,6 раза
Рост заказов
+33%
Доля заказов с аксессуарами
ПОЧЕМУ ЭТО РЕШЕНИЕ СРАБОТАЛО?
До Rivox AI алгоритмы Директа были «в изоляции» — не получали обучающих сигналов, поскольку реальные покупки происходили редко, а сессии оставались без действий.
После подключения Rivox:
Реклама начала работать не на клики, а на сценарии поведения покупателей;
Алгоритмы увидели поведение пользователей, которых раньше считали "нецелевыми";
Кампании вышли из слепой зоны и стали приносить лиды уже на третий день.
Таким образом, Rivox AI не просто дал "второе дыхание" рекламе, а перезапустил автообучение Яндекс.Директа с нуля, используя поведенческую модель.
"Мы думали, что пришло время просто отказаться от продвижения в Яндекс.Директе, потому что кампании перестали приносить заявки. Но оказалось, что нет. После обучения ml модели первые лиды пришли уже через 2 дня. Очень крутой инструмент!"
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