Запись на демо-встречу
Главная Rivox / Кейсы / Снегоуборочная техника
«У нас четыре месяца в году, чтобы собрать заявки на весь годовой план. Раньше мы сливали половину сезонного бюджета на людей, которые искали услуги по уборке снега, а не технику. После Rivox AI каждый рекламный рубль стал работать на реальных закупщиков — мы закрыли больше сделок за один сезон, чем за два предыдущих вместе»

Кейс: производитель снегоуборочной техники × Rivox AI

Наш клиент — российский производитель профессиональной снегоуборочной техники: плужные снегоочистители, шнекороторные снегоуборщики, комбинированные дорожные машины и пескоразбрасыватели. Компания работает под NDA, поэтому мы не раскрываем название.

Линейка продукции — от компактных навесных снегоочистителей стоимостью 2,5 млн ₽ до тяжёлых шнекороторных комплексов за 14 млн ₽. Основные покупатели — муниципальные дорожные службы, аэропорты, управляющие компании крупных логистических и промышленных объектов, а также региональные подрядчики по госконтрактам.

Ключевая проблема — экстремальная сезонность:

70% годовых заказов приходятся на период август–ноябрь: муниципалитеты и подрядчики закупают технику до начала зимнего сезона
Рекламный бюджет в Яндекс.Директе — 1,8 млн ₽/мес в сезон, при этом стоимость квалифицированного лида (запрос КП или прайс-листа) составляла 23 000 ₽
Конверсия из лида в реальную сделку — всего 6%, то есть фактическая стоимость одной закрытой сделки достигала ~383 000 ₽
Директ оптимизировался на цель «отправка формы», но не мог отличить реального закупщика от случайного посетителя, который искал услугу уборки снега или просто сравнивал цены без бюджета

Фактически реклама собирала три категории людей в одну кучу: специалистов муниципальных закупок, которые готовят тендерную документацию и реально покупают; руководителей автопарков, сравнивающих характеристики без конкретных сроков; и случайных посетителей, которых привлекли общие запросы типа «снегоуборочная техника» или «уборка снега», — эти люди искали услугу, а не оборудование за миллионы.

Производитель снегоуборочной техники (NDA)

ЗАДАЧА

Научить рекламные кампании в Яндекс.Директе за ограниченное сезонное окно находить именно тех посетителей, которые с высокой вероятностью дойдут до коммерческого предложения и сделки: муниципальных закупщиков, руководителей дорожных служб и подрядчиков с реальным бюджетом. Снизить стоимость квалифицированного лида и повысить конверсию в сделку за 4-месячный сезон.

Дополнительная сложность: модель нужно было подготовить до начала сезона, чтобы не тратить драгоценные августовские недели на сбор данных и обучение.

Как проходило внедрение Rivox AI

1

Предсезонная установка SDK и сбор данных в низкий сезон (июль 2025)

SDK Rivox был установлен на сайт производителя в начале июля — за месяц до старта активного сезона. Интеграция заняла 20 минут: один JS-тег в шапку сайта.

Несмотря на то что трафик в июле был минимальным (около 1 200 уникальных посетителей за месяц против 8 000+ в сентябре), SDK начал собирать подробные поведенческие данные по более чем 180 параметрам:

Скачивание PDF-каталогов и технических спецификаций конкретных моделей (файлы по 15–30 страниц с ТТХ, габаритными чертежами и условиями эксплуатации);
Время на страницах с техническими характеристиками: ширина захвата, производительность (м³/ч), тип привода, совместимость с шасси;
Сравнение нескольких моделей в рамках одной сессии — например, просмотр плужного снегоочистителя ПСГ-3 и шнекороторного СШР-2.6 подряд;
Просмотр страниц «Дилерская сеть», «Сервисные центры» и «Регионы доставки» — прямой индикатор намерения совершить покупку в конкретном регионе;
Изучение условий лизинга и рассрочки — для техники стоимостью 5–14 млн ₽ это критически важный раздел;
Повторные визиты из одного региона с интервалом 2–5 дней — типичный паттерн для специалиста, готовящего документацию для тендера.

Эти предсезонные данные — пусть и на небольшом трафике — позволили ML-модели найти базовые паттерны поведения реальных покупателей ещё до начала горячего сезона.

2

Обучение ML-модели и выявление ключевых сигналов покупки

К концу июля модель Rivox AI была обучена на данных о 47 реальных сделках за предыдущие два сезона (2023–2024) и поведенческих данных, собранных SDK. Результаты анализа оказались исключительно показательными:

Главный инсайт: пользователи, которые скачали техническую документацию (PDF-каталог или спецификацию конкретной модели) И проверили доставку в свой регион, совершали сделку с вероятностью в 8,2 раза выше, чем средний посетитель сайта;
Посетители, сравнившие 3 и более моделей в одной сессии и вернувшиеся на сайт в течение 72 часов, в 5,1 раза чаще запрашивали коммерческое предложение;
Изучение условий лизинга после просмотра конкретной модели увеличивало вероятность сделки в 3,8 раза — этот паттерн был характерен для руководителей автопарков с уже одобренным бюджетом;
Просмотр страниц сервисных центров в конкретном регионе коррелировал с конверсией в 4,2 раза выше средней — покупатели техники за 5–14 млн ₽ всегда проверяют доступность обслуживания.

На основе этих инсайтов была настроена виртуальная конверсия: каждый раз, когда ML-модель фиксировала совпадение 3+ ключевых поведенческих сигналов, SDK автоматически отправлял виртуальную цель в Яндекс.Метрику. Рекламные кампании переключились на оптимизацию по этой цели вместо стандартной «отправка формы».

3

Запуск сезона с готовой моделью (август–ноябрь 2025)

1 августа 2025 года рекламные кампании стартовали с уже обученной и откалиброванной моделью. Это дало критическое преимущество: обычно первые 2–3 недели сезона уходят на «разгон» кампаний и сбор данных. В этот раз Директ начал точно таргетироваться с первого дня.

Алгоритмы Директа перестали тратить бюджет на аудиторию, ищущую услуги по уборке снега, — модель чётко отсекала этот сегмент;
Виртуальные конверсии генерировали в 4–5 раз больше обучающих сигналов для автостратегий, чем реальные отправки формы, — кампании обучались за 3–4 дня вместо 14;
Уже к середине августа CPA снизился на 18% по сравнению с аналогичным периодом 2024 года;
Модель дообучалась в реальном времени: каждая новая сделка уточняла веса признаков, и к сентябрю точность предсказания выросла ещё на 12%.

Результаты сезона август–ноябрь 2025:

−43,5%
Стоимость квалифицированного лида
с 23 000 ₽ до 13 000 ₽
+77%
Квалифицированных лидов в месяц
с 78 до 138
с 6% до 11%
Конверсия из лида в сделку
46 сделок
Закрытых сделок за сезон
было 19 (+142%)
28,7 ₽
Выручка на 1 рубль рекламы
было 12,4 ₽ (+131%)

Сравнение сезонов: 2024 vs 2025

Показатель Авг–Ноя 2024 Авг–Ноя 2025 Изменение
Рекламный бюджет / мес 1 800 000 ₽ 1 800 000 ₽ без изменений
Квалифицированных лидов / мес 78 138 +77%
Стоимость квал. лида 23 000 ₽ 13 000 ₽ −43,5%
Конверсия лид → сделка 6% 11% +83%
Сделок за сезон 19 46 +142%
Стоимость привлечения сделки ~383 000 ₽ ~157 000 ₽ −59%
Выручка на 1 ₽ рекламы 12,4 ₽ 28,7 ₽ +131%
Время обучения кампаний 12–14 дней 3–4 дня в 3,5 раза быстрее

Понедельная динамика в пиковый сезон (сентябрь–октябрь 2025)

Неделя Лидов CPL Конв. в сделку Сделок
1–7 сен 29 14 200 ₽ 7% 2
8–14 сен 34 13 400 ₽ 9% 3
15–21 сен 38 12 600 ₽ 11% 4
22–28 сен 41 11 900 ₽ 12% 5
29 сен – 5 окт 44 11 500 ₽ 14% 6
6–12 окт 42 11 800 ₽ 12% 5
13–19 окт 39 12 300 ₽ 13% 5
20–26 окт 36 12 700 ₽ 11% 4
27–31 окт 28 13 100 ₽ 11% 3

Пиковая неделя — последняя неделя сентября и первая неделя октября: в это время муниципалитеты закрывают предзимние закупки и подписывают контракты. Модель адаптировалась к этому пику, удерживая CPL ниже 12 000 ₽ при максимальной конверсии 14%.

ПОЧЕМУ ЭТО СРАБОТАЛО

До Rivox AI рекламные кампании оптимизировались по единственному сигналу — «пользователь отправил форму». Но форму заполняли совершенно разные люди: специалист по закупкам из муниципальной дорожной службы, менеджер логистической компании, который просто сравнивает варианты, и частник, который искал услугу уборки снега и случайно оказался на сайте производителя техники.

После внедрения виртуальных конверсий Rivox AI:

Алгоритмы Яндекс.Директа получили точный поведенческий портрет реального покупателя техники за миллионы рублей — человека, который скачивает ТТХ, проверяет логистику и изучает лизинг;
Модель была готова к сезону заранее: предсезонный сбор данных в июле позволил не терять 2–3 драгоценные недели на разгон кампаний в августе;
Число обучающих сигналов для автостратегий выросло в 4–5 раз за счёт виртуальных конверсий, что критично для B2B-ниш с малым объёмом реальных сделок;
Кампании автоматически отсекали нецелевой трафик по услугам уборки снега — одна из главных «чёрных дыр» бюджета в этой нише.
«В нашем бизнесе у тебя четыре месяца, чтобы заработать на весь год. Раньше мы начинали сезон вслепую: первые три недели Директ обучался, сливая по 400-500 тысяч на нецелевые заявки от людей, которым нужна услуга уборки, а не шнекороторный снегоочиститель за 9 миллионов. С Rivox мы впервые пришли к 1 августа с уже готовой моделью. Результат — 46 подписанных контрактов за сезон вместо 19. Это перевернуло наше представление о том, что можно сделать с цифровой рекламой в нашей нише.»
Коммерческий директор
компания-производитель (NDA)

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