Как Rivox AI помог увеличить продажи товаров для дома?

Rivox AI внедрил поведенческую аналитику, которая отслеживала, как покупатели изучают товары для дома, читают описания материалов и возвращаются к товарам. ML-модель анализировала паттерны поведения клиентов, готовых к покупке посуды и текстиля, и передавала эти сигналы в Яндекс.Директ через виртуальные конверсии.

Какие поведенческие паттерны важны для магазинов товаров для дома?

Для магазинов товаров для дома ключевые паттерны: изучение описаний материалов и инструкций по уходу, просмотр галерей фотографий, добавление в избранное, сравнение товаров разных категорий, возвраты через 1-2 дня, интерес к комплектам товаров.

Сколько времени нужно для оптимизации рекламы магазина товаров для дома?

В кейсе Yadoma первые результаты появились через несколько дней (быстрое обучение кампаний), а полная оптимизация (снижение CPA на 25% и рост продаж на 45%) была достигнута через 7 недель работы системы.

Подходит ли Rivox AI для других магазинов товаров для дома?

Да, решение Rivox AI эффективно для любых магазинов товаров для дома. Система автоматически адаптируется к специфике ассортимента, учитывая особенности поведения покупателей посуды, текстиля, декора и других товаров для дома.

Главная Rivox / Кейсы / Yadoma

«Кто бы мог подумать, что даже при онлайн-продажах мы столкнёмся с клиентами "мне только посмотреть", которые будут просто посещать сайт, но не совершать покупки. Но мы внедрили Rivox AI и увеличили количество продаж на 45%»

кейс Yadoma × Rivox AI

Yadoma — интернет-магазин с широким ассортиментом товаров для дома: посуда, домашний текстиль и декор.

Компания активно использовала Яндекс.Директ для привлечения клиентов:

Смарт-баннеры по категориям и коллекциям

Автостратегия «Максимум конверсий»

Динамические и сезонные кампании

РСЯ с акциями и скидками

ПРОБЛЕМА

Кампании приводили много посетителей, которые активно изучали товары (особенно посуду и текстиль), долго задерживались на страницах, но покупали редко.

Как итог:

CPA оставался на уровне около 3160 ₽, это было дорого при среднем чеке магазина.

Конверсия в заказ была всего 0,4%.

Почти 70% пользователей уходили без покупки, несмотря на активные действия на сайте.

Команда пыталась снизить CPA и повысить конверсию, тестируя разные микроцели (добавление в корзину, просмотр карточек), но ситуация не улучшалась.

Что было сделано:

Подключение SDK и сбор поведенческих данных

Подключение SDK Rivox на сайт заняло около 10 минут и сразу начался сбор данных. SDK фиксировал уникальные поведенческие характеристики посетителей сайта:

Время изучения товаров и возвраты к карточкам;

Интерес к разделам «Описание», «Материалы», «Инструкция по уходу»;

Активность по просмотру фотографий и галерей товаров;

Добавления товаров в избранное, сравнение разных вариантов товаров;

Частота повторных визитов и взаимодействие с товарами разных категорий (особенно текстиль и посуда) и т.д.

Обучение модели на основе детального анализа поведения

Собранные данные легли в основу обучения ML-модели Rivox. Модель начала прогнозировать вероятность покупки именно на основе того, как пользователь изучал товар.

При детальном анализе были выявлены особые паттерны поведения покупателей:

Пользователи, изучающие одновременно товары из разных категорий (например, комплект посуды + текстиль), совершали покупки на 40% чаще;

Посетители, которые возвращались на сайт через 1–2 дня после первого просмотра и повторно изучали товар, имели вероятность покупки выше 75%.

На основе таких инсайтов была создана отдельная виртуальная цель, которая отправлялась в Метрику, когда модель фиксировала высокую вероятность покупки: ym(clientID, 'reachGoal', 'rivox_purchase_goal'). Это дало Яндекс.Директу совершенно новый четкий тип сигнала о намерении совершить покупку.

Влияние на рекламные кампании

После запуска виртуальных целей алгоритмы рекламы начали получать чёткие поведенческие ориентиры:

Яндекс.Директ смог эффективно распознавать пользователей, склонных не просто «смотреть», а покупать;

Кампании быстро вышли из фазы обучения всего за несколько дней;

Снизилось число посетителей, которые просто «гуляли» по сайту и уходили без покупки, выросла доля реальных покупателей.

Результаты внедрения Rivox AI:

на 25%

Снижение CPA

0,4% до 1%

Рост конверсии в покупку

на 18%

Увеличение повторных покупок

на 25%

Рост среднего чека

ПОЧЕМУ ЭТО СРАБОТАЛО

Раньше алгоритмы Яндекс.Директа приводили много заинтересованных, но недостаточно мотивированных к покупке клиентов, так как обучались на поверхностных действиях («просмотр товара», «добавление в корзину»).

После подключения Rivox AI:

Алгоритмы стали получать точные поведенческие сигналы от людей, действительно намеренных совершить покупку;

Кампании быстро начали привлекать целевых пользователей, готовых делать покупки сразу или после нескольких визитов;

Реклама стала не просто генерировать трафик, а приводить стабильные заказы.

Таким образом, виртуальные конверсии позволили Yadoma не просто снизить стоимость привлечения, а полностью перестроить рекламную стратегию, фокусируясь именно на реальных покупателях.

«Мы хотели стабильности в рекламе и чётко определённой аудитории, которая ценит уют. ML-модель нашла тех, кто реально готов совершать покупки — и именно их привёл нам Директ. Теперь продажи стали ровнее, а чек выше. Рекомендуем!»

Ермолаева Оксана

основательница Yadoma

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