Кейс Simple Israel × Rivox AI
Как консалтинговая компания по получению второго гражданства в Израиле увеличила долю целевых клиентов с 11% до 20% и снизила стоимость «живого» клиента более чем на 40%
.svg){kind=small}
Проблема
Simple Israel — консалтинговая компания, которая помогает получить второе гражданство и вид на жительство в Израиле. Лиды приходили из Яндекс.Директа, и по «обычной» метрике всё выглядело терпимо: CPL держался в адекватных значениях — например, август 2025: 44 лида по ~4 963 ₽.
Но внутри воронки картина была совершенно другой:
Типичная картина в CRM: спам и нецелевые обращения среди лидов
Почему стандартная оптимизация не решала задачу
В Яндекс.Директе автостратегия оптимизируется под сигнал конверсии, который вы ей даёте. Если сигнал — «форма отправлена», то для алгоритма:
Стратегия начинает выкупать аукционы, где вероятность «отправки формы» выше при заданной цене. Если спам хорошо конвертится в «форму» (автозаполнение, скриптовые отправки, мусорные площадки в РСЯ), то алгоритм получает подтверждение: «здесь дешёво и конвертит».
Ключевая проблема: можно иметь нормальный CPL и одновременно плохой «CPL живого клиента», потому что качество не присутствует в целевой функции. Система видит только «конверсия / не конверсия» по форме, но не знает, что часть конверсий — нежелательные.
Что было сделано
Установка SDK Rivox и сбор данных
На сайт Simple Israel был установлен скрипт Rivox, который собирает данные о поведении пользователей: время на вкладках, глубину скролла, открывание разделов «Цены», «Информация», «Еврейские корни», клики на контакты и переходы в мессенджер.
Всего скрипт собирает порядка 600 признаков.
Накопление данных для обучения
С момента установки скрипта клиент дождался, пока по основной цели в Яндекс.Директе соберётся 50 достижений — минимальное значение для обучения ML-модели.
Обучение ML-модели
Модель Rivox проанализировала поведение всех посетителей сайта, затем отдельно изучила паттерны тех, кто совершил целевое действие. Были найдены поведенческие сигналы, свидетельствующие о наибольшей вероятности конверсии. Проведено несколько итераций тестирования на разных выборках.
Запуск ML-цели в рекламных кампаниях
В Яндекс.Метрике была создана JS-цель rivox_goal_ml. Клиент выбрал кампании для первого запуска и добавил цель. Каждый раз, когда посетитель вёл себя по нужному паттерну, Яндекс.Директ получал дополнительные сигналы для обучения — не только о конверсиях, но и о поведении, максимально похожем на целевое.
Что произошло в аукционе
После подключения ML-цели стратегия начинает оптимизироваться не только по «финальной» форме, но и по прокси-сигналу качества. С точки зрения аукциона это приводит к двум эффектам:
Сравнение октября и ноября 2025:
Трафика меньше, клик дороже — зато воронка чище. Стоимость «живого» клиента падает, даже если верх воронки стал дороже. Это нормальный паттерн при корректном сигнале качества.
Дообучение модели: негативный класс
Первый месяц после запуска (октябрь) спам всё ещё сохранялся. Это логично: ML-цели без явного «негативного класса» сложнее отсекать спам, когда спам-сессии мимикрируют под нужные паттерны.
Было сделано ключевое: клиент выгрузил спамные лиды, и модель дообучили, показав ей поведение «спамных» сессий — по сути, добавили информацию о том, какие паттерны считать нежелательными.
Сравнение двух двухнедельных периодов (до и после обновления модели 13.11):
CPL по лидам даже вырос, но «живых» стало больше, а их стоимость снизилась
Типичный признак работающей модели: модель начала хуже «пускать» дешёвые заявки и лучше концентрироваться на сессиях, которые проходят пост-валидацию отдела продаж.
Что показали метрики дальше
К декабрю тренд продолжился. Отдельно зафиксировано: доля реальных клиентов выросла с 11% до 20%.
Срез ноябрь → декабрь 2025:
Клик дороже, охват ниже, но «живые» растут, а их стоимость снижается
Январь — стресс-тест для модели
Январь почти всегда проблемный месяц: падает спрос, меняется структура аудитории, конверсий меньше, выше шум. Стратегии склонны «искать объём» и сползать в более дешёвый инвентарь.
Модель не даёт системе «скатываться обратно» в закупку дешёвого трафика
Сигнал качества работает как ограничитель: стратегия даже в просадку продолжает предпочитать аукционы, где вероятность нужного поведенческого паттерна выше, а не просто где клики дешевле.
Что это меняет в подходе к performance-маркетингу
Оптимизируйте ценность, а не «лид»
Если «форма» не различает качество, стратегия будет честно оптимизировать мусор. Нужно давать алгоритму сигнал, отражающий реальную ценность.
Сигналы управляют аукционами
Rivox не меняет ставки, но меняет целевую функцию обучения — какие события считаются успехом. Это основной рычаг в автостратегиях.
Рост CPC — это нормально
Дешёвый клик коррелирует с дешёвым инвентарём. Критично смотреть не на CPC, а на стоимость подтверждённого результата.
Негативный класс обязателен
Дообучение на спамных лидах — не «улучшайзинг», а методологически необходимый шаг, без которого часть спам-паттернов остаётся невидимой.
Сезонность проверяет сигналы
В январе рушатся «костыли» вроде дешёвых конверсий. Если сигнал качества переживает сезонный провал — он действительно работает.
Этот кейс — пример того, что даже в узких, не e-com нишах с высоким средним чеком можно увеличить долю целевых клиентов с 11% до 20%, снизить CPL в 1,5 раза, снизить стоимость «живого» клиента более чем на 40% и стабильно удерживать качество даже при рыночных колебаниях.