Снизили стоимость квалифицированного лида на 46% из поиска за счет внедрения комбинаторных объявлений для дилера TANK

О проекте

Клиент

«АвтоРусь» – официальный дилер бренда Tank в Москве и Московской области, имеющий сеть дилерских центров.

Ситуация на старте

Клиент вел продвижение  в Яндекс.Директ с неэффективной структурой объявлений поисковых рекламных кампаний: в каждой группе было по 3-4 текстово-графических объявления, часто дублирующих смысл друг друга.

В итоге аккаунт насчитывал 5 групп и 17 текстово-графических объявлений с низким уровнем системности. Управлять этим массивом вручную становилось сложнее: аудит показывал дублирование сообщений в объявлениях одной группы, отсутствие A/B‑тестирования и размытый бюджет.

Объем заявок несколько месяцев держался на плато. Попытки масштабироваться через увеличение бюджета давали рост CPC, а не лидов. С этими вводными клиент обратился к нам.

Задача

Снизить стоимость лида и CPC при сохранении или наращивании объема звонков в отдел продаж. Промежуточные цели:

1. Заменить разрозненные ТГО на комбинаторные объявления с системным тестированием.
2. Снизить стоимость клика (CPC) и стоимость лида (CPL).
3. Нарастить объем заявок без пропорционального роста бюджета.

Что сделали

Работы велись комплексно: изменения затронули структуру кампании, рекламные сообщения, качество входящего трафика и данные для оптимизации. Такой подход позволил подготовить кампанию к более точному тестированию объявлений и обучению на квалифицированные обращения.

Аудит аккаунта

Перед стартом провели полный аудит рекламного аккаунта. Ключевые проблемы:

• Структура объявлений. В каждой из 5 групп было по 3-4 ТГО, часто с одинаковым смыслом и УТП – это создавало внутреннюю конкуренцию и размывало релевантность показов.
• Отсутствие тестирования. Объявления создавались вручную без систематического A/B‑тестирования. Алгоритм Яндекса не имел четкой задачи оптимизации на целевое действие, а работал с одинаково взвешенными ТГО.
• Управляемость. При 17 объявлениях любое изменение (обновление цены, акции, УТП) требовало ручной редакции каждого. Риск рассинхронизации сообщений был высокий.
• Качество трафика. Отсутствовала четкая оптимизация на квалифицированный звонок – лиды считались одинаково ценными, независимо от их реальной конверсии в сделку.

Реструктуризация: переход на комбинаторные объявления

Центральным решением стала полная переработка структуры кампании с внедрением комбинаторных объявлений в формате ЕПК (Единой перформанс-кампании).

Логика изменений:

Вместо 17 разрозненных ТГО в 5 группах – 1 комбинаторное объявление в каждой группе с набором из 7 заголовков и 5 текстов. Яндекс автоматически перебирает комбинации и обучается на наиболее результативных связках.

• 5 групп объявлений
• 17 текстово-графических объявлений (по 3–4 в группе)
• Ручное управление, дублирование сообщений

• 5 групп объявлений
• 1 комбинаторное объявление в каждой группе
• Яндекс автоматически подбирает и тестирует комбинации

Как собирали комбинаторные объявления:

1. Группировка по смыслу. Семантика была распределена по 5 группам: TANK 300, TANK 400, TANK 500, TANK 700, общие запросы с намерением покупки. Все пересечения между группами убрали через кросс-минусовку.
2. Набор заголовков для каждой группы – по 7 вариантов с разными акцентами:
   • цена и наличие (акцент на доступности товара);
   • УТП дилера + ГЕО (акцент на официальности дилера и его услугах);
   • выгода покупателя (акцент на условиях кредита и выгодных платежах);
   • срочность и скидки (акцент на ограниченности предложения и сроках).
3. Тексты объявлений — 3 варианта на группу: акцент на гарантии производителя, условиях покупки и спецпредложениях дилера.
4. Быстрые ссылки подобраны под ключевые намерения: «Записаться на тест-драйв», «Рассчитать кредит», «Узнать наличие», «Спецпредложения» и тд.

Яндекс самостоятельно перебирал сочетания заголовков и текстов, обучался на статистике кликов и конверсий и постепенно направлял показы на наиболее результативные комбинации.

Проработка минус-слов

Параллельно с реструктуризацией обновили списки минус-слов на уровне кампании и групп. Исключили информационный, сервисный и нецелевой трафик: ремонт, запчасти, б/у, аренда, форумы, отзывы без намерения покупки, форумы обсуждение автомобилей.

Это улучшило качество трафика без изменения бюджета.

Управление ставками и оптимизация стратегии

После запуска новой структуры кампании перевели на стратегию оптимизации конверсий с целью «квалифицированный звонок» – данные передавались через коллтрекинг в Яндекс Метрику. Алгоритм обучался не на любом лиде, а на реальных целевых обращениях, подтвержденных отделом продаж.

На второй месяц работы добавили ретаргетинг по посетителям сайта, не оставившим заявку.

Результат

Результаты сравниваются между двумя периодами: 3 недели работы со старой структурой (до) и 2 недели работы с комбинаторными объявлениями (после).

Ключевые показатели:

• Квалифицированные лиды: увеличение с 9 до 14 (рост на 56%).
• CR квалифицированного лида: рост с 0,45% до 0,60% (рост на 33%).
• Стоимость квал. лида (qCPL): снижение с 27 040 ₽ до 14 506 ₽ (снижение на 46%).
• CTR: рост с 5,64% до 7,23% (рост на 28%).
• CPC: снижение с 189 ₽ до 140 ₽ (снижение на 26%).

Внедрение комбинаторных объявлений вместо разрозненных текстовых объявлений позволило алгоритму Яндекса самостоятельно найти наиболее конверсионные связки заголовков и текстов. Уже на первой неделе работы новой структуры система показала значительный прирост CTR (до 6,98%) и снижение CPC на 28% относительно среднего значения по старой структуре.

Одновременно возросла доля квалифицированных лидов среди всех обращений: с 0,45% до 0,55%, а на второй неделе достигла 0,65%. На второй неделе система вышла на стабильное обучение, обеспечив рост целевых обращений при одновременном улучшении экономики квалифицированного лида с 27 040 до 14 506 рублей (снижение на 46%).

Ключевые выводы

1. Комбинаторные объявления работают лучше дублирования. Замена 17 ручных ТГО на 5 комбинаторных объявлений устранила внутреннюю конкуренцию объявлений одной группы и позволила алгоритму работать с одной четкой целью.
2. Автоматическое тестирование эффективнее ручного. Автоматический перебор сочетаний заголовков и текстов нашел рабочие формулировки быстрее и точнее, чем ручное управление на базе интуиции.
3. Обучение на целевое действие критично. Оптимизация на квалифицированный звонок, а не на любой лид, повысила долю целевых обращений в общем объёме заявок на 33%.
4. При таком подходе управляемость растет. 5 комбинаторных объявлений вместо 17 ручных – любые правки (новая акция, изменение цены, обновление УТП) вносятся один раз и применяются ко всей кампании.

Методы расчета

• Квалифицированный звонок – звонок длительностью от 90 секунд, подтвержденный менеджером отдела продаж как целевой.
• Стоимость квал. лида (qCPL) – отношение рекламного бюджета к числу квалифицированных лидов.
• CR квалифицированного лида – конверсия всех визитов в квалифицированный звонок.
• CTR – процент кликов от показов объявлений.
• CPC – средняя стоимость одного клика.
• База сравнения – показатели кампании с прежней структурой за аналогичный период.