Агентство мобильного маркетинга 
TopTraffic и компания «ВсеИнструменты.ру» для каждой мобильной DSP разработали независимые стратегии закупки трафика, адаптированные к различиям пользовательских путей до покупки, ценам аукционов и правилам магазинов приложений. О результатах сотрудничества команды поделились с Sostav.
Владимир Грязнов, интернет-маркетолог «ВсеИнструменты.ру»:
Для бизнеса важно учитывать сезонный спрос в категории, поэтому мы долго разрабатывали модель, в которой мы сможем учитывать все факторы и быть в рамках рынка для перформанс-агентств. Совместно с агентством TopTraffic были разработаны дополнительные hard KPI — ДРР — и разработан экшен-план по оптимизациям и масштабированию рекламных кампаний.
Лилия Демина, account-директор агентства TopTraffic:
«ВсеИнструменты.ру» стали идеальным партнером, вместе с которым мы последовательно двигались от оптимизации CPA к снижению ДРР. Совместно с клиентом мы разработали этапы оптимизации кампаний, которые привели нас к выполнению бизнес-целей клиента. Мы считаем этот кейс идеальным показателем того, что именно партнерское сотрудничество клиента и агентства позволяет максимизировать результат.
Контекст и цели
«ВсеИнструменты.ру» — один из крупнейших онлайн-ретейлеров на российском DIY-рынке, специализирующийся на поставках инструмента и техники. В этом сегменте e-commerce конкуренция в рекламных аукционах особенно высока из-за масштабных инвестиций маркетплейсов. С учетом сезонного спроса в категории стоимость привлечения клиентов нестабильная и растет год к году.
На первом этапе проекта, который длился два месяца, ключевой KPI — CPA (стоимость целевого действия). На втором этапе, когда этот показатель стабилизировался, рекламодатель добавил новую цель — удержание доли рекламных расходов (ДРР) в заданных пределах. Оптимизация двух метрик одновременно — сложная задача, требующая баланса между снижением затрат и поддержанием заданного уровня ДРР. В отличие от CPA, показатель ДРР не ограничивается привлечением только новых покупателей, а ориентирован на рост общего объема продаж в приложении.
Подготовительный этап
Мы проанализировали исторические данные по медиасплиту клиента и выявили ключевые источники с наибольшим потенциалом масштабирования и оптимизации. Основываясь на экспертизе агентства, расширили медиасплит.
Для каждой мобильной DSP разработали независимые стратегии закупки трафика, адаптированные к различиям пользовательских путей до покупки, ценам аукционов и правилам магазинов приложений. В Bigo Ads приоритетными стали плейсменты с высокой конверсией, ориентированные на оптимизацию перформанс-целей. В Mintegral основной акцент сделан на in-app-закупку трафика с поэтапной оптимизацией LTV клиентов. Также в медиасплит была включена Moloco — платформа, в основе которой лежат ML-оптимизация и предиктивная аналитика.
Поскольку медиасплит включал три рекламных источника, каждый со своей статистикой рекламных кампаний, а клиент предоставлял отчеты о конверсиях отдельными файлами, сверка данных вручную требовала бы значительных ресурсов. Чтобы автоматизировать процесс, мы использовали BI-систему: данные из всех источников попадали в единый дашборд, что позволило оперативно анализировать стоимость закупки во всех DSP на всех этапах воронки — от установки приложения до заказа.
Первый этап. Работа по модели CPA
На первом этапе мы определили референсные значения целевого CPA, протестировали рекламные источники и выделили основные аудиторные сегменты с наибольшим потенциалом масштабирования. Для эффективного взаимодействия с разными сегментами разработали несколько креативных концепций, из которых взяли в ротацию наиболее результативные. Оптимизация проводилась на основе исторических данных и агентской экспертизы, что позволило установить бенчмарки эффективности для каждого рекламного источника.
На этом этапе подготовили четыре ключевых варианта креативов: общий, фокусный с УТП, аукционный и адаптированный под аудитории «дом, дача, стройка, ремонт».
На Android в Bigo Ads CTR вырос на 20%, а конверсии в покупку — на 12%. В ходе оптимизации проводилось тестирование RTB-аукционов с фокусом на eCPI-оптимизацию, а также внедрение поведенческих look-alike-аудиторий на основе данных из Play Market. Использование ML-управляемых Smart Bids позволило дополнительно снизить eCPI на 18%. В Mintegral применили динамическую оптимизацию аудитории на основе first-party данных, а также DCO (динамическую оптимизацию креативов) для персонализированных объявлений, что привело к росту конверсии в покупку на 25%.
На iOS в Bigo Ads настроили SKAdNetwork для корректного трекинга установок, провели контекстные A/B-тесты для определения оптимальных типов креативов. В результате конверсия установки в покупку выросла на 15%, а CPA снизился на 10%. В Mintegral были протестированы ретаргетинговые сегменты аудитории с высоким LTV, а также проведена оптимизация привлечения пользователей с фокусом на SKU-ориентированные креативы, что позволило снизить стоимость целевого действия на 22%.
В DSP Moloco, вне зависимости от операционной системы, использовали AI-управление bid-стратегиями с приоритетом Retention Rate. Тестировались стратегии обогащения аудиторий и расширения first-party look-alike-аудиторий. В результате конверсия в покупку выросла на 27%, а CPA снизился на 20%.
Оптимизационные шаги помогли не только снизить стоимость привлечения пользователей, но и повысить вовлеченность аудитории и LTV, что обеспечило устойчивый рост эффективности кампании.
Второй этап. Масштабирование кампании с оптимизацией по ДРР
На втором этапе основной задачей стало достижение целевого уровня ДРР и увеличение доли новых покупателей на 30%. Рост объема выкупленных заказов обеспечивался за счет оптимизации таргетингов по аудиторным сегментам, исключения сегментов с низким выкупом и удержания заданного уровня ДРР.
Комплект креативов частично обновился. К наиболее эффективным объявлениям с предыдущего этапа добавились креативы, ориентированные на отдельные сегменты аудитории, ролики с амбассадором бренда, а также новогодние объявления.
Оптимизация размещений на рекламных площадках значительно отличалась от первого этапа. Основной фокус был направлен на наиболее релевантные настройки, позволяющие эффективно управлять ставками и конверсией.
В Bigo Ads внедрили стратегию динамического изменения ставок в зависимости от времени суток и уровня конверсии, а также использовали контекстные плейсменты с ограничением частоты показов одному пользователю в определенный промежуток времени. Это позволило снизить ДРР на 32%.
В Moloco применили автоматическую корректировку ставок в рекламных аукционах на основе прогнозных данных о вероятности конверсии. Включили систему идентификации фрода в режиме реального времени, которая автоматически исключала низкокачественный трафик. В результате ДРР снизился на 27%, а стоимость заказа уменьшилась на 18%.
В Mintegral на Android были выбраны плейсменты, оптимизированные под вовлеченность, а также расширен охват за счет медийного инвентаря, что привело к снижению ДРР на 22%. На iOS корректировка ставок проводилась с учетом новой политики конфиденциальности Apple ATT, которая с версии iOS 14.5 требует запрашивать разрешение у пользователей на отслеживание их данных в сторонних приложениях. Оптимизация кампаний через управление ставками с применением искусственного интеллекта позволила снизить ДРР на 19%.
Примененные стратегии и гибкая работа с настройками кампаний обеспечили достижение поставленных целей по снижению рекламных затрат и увеличению эффективности закупки трафика.
Результаты всех этапов
- Снижение ДРР — в 1,46 раза.
- Рост объема выкупленных заказов — без увеличения затрат на рекламу.
- Оптимизация CPA — снижение стоимости привлеченного клиента на 23%.