Клиент и задача

Заказчик — крупная федеральная сеть фастфуда, запускающая набор сотрудников для работы по всей России.

Задачи: 

• Сохранение объема заявок при оптимизации стоимости размещения.
• Увеличение количества заявок при сохранении планового бюджета.
• Тестирование офферов и гипотез по целевой аудитории.
• Усиление отдельных регионов при недостатке работников.
• Обеспечение ежедневной и еженедельной отчетности.

 Этап 1. Тестирование и оптимизация

Что сделали:

• Разработали более 11 видов таргетинга для разных портретов ЦА.
• Ограничили площадки показов (удалили >30% «мусорных»).
• Тестировали офферы и отключали неэффективные.
• Применяли корректировки по возрастам и полу.
• Определили эффективные и неэффективные гео для отдельной проработки.

Результат через 1,5 месяца:

• CPL снизился почти на 20%.
• Оптимизирована структура РК.
• Выделены рабочие гипотезы по типам таргетинга и портретам ЦА.
• Выделили эффективные и неэффективные ГЕО в отдельные РК для дополнительной проработки.

 Этап 2. Масштабирование и тестирование гипотез

Что сделали:

• Оптимизировали стратегии показов и средний CPL.
• Разогнали слабые кампании на более верхнеуровневых целях (например, «отправка анкеты»).
• Увеличили ставки на видеообъявления +20%.
• Масштабировали успешные связки, усилили поиск по широким и альтернативным  запросам («работа», «вакансии», «кассир», «повар») при CPL ≤900 ₽.
• Добавили новые гипотезы по ЦА (конкуренты, студенты, профессии).

Результаты через 3 месяца:

• CPL снизился до 1400 ₽ (на старте был ~2200 ₽).
• Количество заявок выросло до 4600 (×2 по сравнению со стартом).
• Выделены успешные гипотезы по типам таргетинга и ЦА.
• Сократили расходы по неэффективным регионам, усилили РК там, где не хватает работников.

Этап 3. Финальное масштабирование

Что сделали:

• Скорректировали ключевые цели и донастроили стратегии для удержания CPL.
• Переоптимизировали разогнанные кампании, чтобы зажать CPL.
• Протестировали новые гипотезы (например, «работа ночью»).
• Объединили основные связки на уровне РФ, сократив структуру с >100 РК до 15 основных + дополнительные усиления и тесты.

Результат:

• CPL снизился до ~1100 ₽.
• Количество заявок увеличилось до 11 071 (×2 по сравнению со стартом).
• Клиент получил стабильный канал «горячих» и «тёплых» лидов с контролируемой ценой заявки.

Итоговый результат

• Построена эффективная структура кампаний для всей РФ с учетом гео, офферов и портретов ЦА.
• Оптимизированы бюджет и структура РК → меньше расходов, больше заявок.
• Масштабирование привело к росту лидов ×2 и снижению CPL почти на 50% по сравнению со стартом.

Использован повышающий коэффициент в CPL и бюджете, цифры округлены для сохранения конфиденциальности.

Инсайты

1. Неэффективные площадки «съедают» бюджет — регулярный аудит и отключение «мусорных» размещений могут быстро снизить CPL.
2. Гео-сегментация обязательна — разные регионы показывают разную эффективность, и важно перераспределять бюджет под реальные потребности.
3. Масштабирование работает только на отобранных связках — бессистемное расширение приводит к росту CPL, а масштабирование успешных гипотез позволяет наращивать лиды без лишних трат.
4. Гипотезы по ЦА дают прорыв — тестирование альтернативных аудиторий («студенты», «работа ночью», конкуренты) позволило увеличить объем заявок.
5. Упрощение структуры кампаний = экономия времени и бюджета — переход от 100+ РК к 15 основным дал контроль и устойчивый результат.

Заказчик и задача

Заказчик — один из крупнейших поставщиков газового оборудования на российском рынке. Компания стабильно занимает лидирующие позиции и обладает заметным влиянием на аукцион в своей нише.

Задача — снизить CPC, сохранив при этом объем трафика и количество заявок.

Точка А (ситуация до)

Ноябрь 2023: клиент увеличивает рекламный бюджет.

Сезонный фактор: в данной сфере естественно временное падение заказов и рост CPC, но к концу сезона показатели должны возвращаться в норму.

Февраль 2024: CPC выросла с 90 руб. до 150–160 руб. (почти в 2 раза) и не пошла на снижение, как ожидалось.

Почему вырос CPC

В ходе анализа рекламных кампаний выявили две ключевые причины:

Автотаргетинг на поиске

• Тестировался около недели.
• Привел много нецелевого и дорогого трафика, «съел» часть бюджета.
• Выключен при переходе на ручное управление ставками.

Работа биддера

• Автоматическая система с задержкой изменяла ставки.
• Это приводило к «перегреву» аукциона и искусственному росту CPC.

Решение

Шаг 1. Аналитика и приоритезация

• Построили аналитику по прибыльности брендов, кампаний и товаров.
• Определили приоритетные направления для удержания топ-позиций и менее важные — для оптимизации бюджета.

Шаг 2. Приоритетные кампании

• Сохраняли позиции около 2 места (практически всегда в спецразмещении).
• Не повышали ставки, чтобы не перегревать аукцион.

Шаг 3. Неприоритетные кампании

• Разделили на кластеры.
• Планомерно снижали ставки (~10% на шаг) до целевого значения (около 100 руб.).
• Благодаря сильному влиянию клиента на рынок, позиции восстанавливались даже при снижении ставок.

Шаг 4. Поддержка кампаний

• Подкручивали ставки раз в 3 дня для удержания стабильного результата.
• Исключили автотаргетинг.
• Усилили контроль над биддером, чтобы исключить задержки и скачки ставок.

Точка Б (результаты)

• Бюджет: снижен на 40%.
• Трафик: потеря составила всего 10–15% по неприоритетным кампаниям.
• Заявки: объём сохранился на прежнем уровне.
• Сроки: к концу февраля – началу марта 2024 года проблема полностью решена.

Инсайты и рекомендации

• Автотаргетинг на поиске часто приводит к перерасходу — его лучше отключать.
• Эффективнее держать кампании на ручном управлении ставками.
• Важно учитывать задержку работы биддеров — это напрямую влияет на CPC и позиции.
• Постепенное снижение ставок и приоритезация направлений позволяют оптимизировать бюджет без потери заявок.