Как ИИ в рекламе увеличил продажи клиента на 3 млн рублей за 30 дней

1. Вводная задача от заказчика, проблематика, цели

Перед нами стояла амбициозная цель — существенно повысить продажи в интернет-магазине строительных материалов, который одновременно работает с розничными покупателями (B2C) и корпоративными клиентами (B2B). Анализ текущей ситуации показал, что существующие рекламные каналы не раскрывают весь потенциал бизнеса: конверсия была ниже ожидаемой, а стоимость привлечения клиента — слишком высокой.

2. Описание реализации кейса и творческого пути по поиску оптимального решения

Интернет-магазин строительных материалов работает как с B2С, так и с B2B-сегментом. Необходимо было повысить продажи.

Как правило, для интернет-магазинов лучше всего работает реклама в товарной галерее, смарт-баннеры и динамические объявления. Решили начать с запуска этих 3 кампаний. Настроили обучение кампаний таким образом, чтобы искусственный интеллект (ИИ) внедрил в рекламу индивидуальные алгоритмы работы, адаптировал стратегии продвижения. Благодаря грамотному дирижированию настроек ИИ-технологий нашим специалистам удалось снизить стоимость лида до 587 рублей.

Что именно делали и как настраивали AI-рекламу для клиента:

1. Провели анализ данных и целевой аудитории

Использовали исторические данные клиента (CRM-системы, Яндекс Метрики) для анализа поведения аудитории: пути конверсии, время активности, предпочтения

Создали портреты аудитории

Сегментировали пользователей по:

• демографии: возраст, пол, локация
• поведению: история покупок, частота посещения сайта
• интересам: тематики запросов, взаимодействие с контентом

Выявили ключевые триггеры: определили, какие факторы влияют на конверсию (варианты спецпредложений, отзывы, форматы контента)

Подготовили товарный фид

Настроили цели для отслеживания результата и доообучения нейросетей

2. Настроили алгоритмы AI-рекламы

Подключили AI-инструменты (наш сервис Ягода, плюс обучили базовые стратегии Яндекс Директа) для усиления рекламы.

Данные по успешным кампаниям масштабировали. Настроили алгоритмы на оптимизацию по ключевой метрике — стоимость лида. Внедрили динамические объявления, где ИИ персонализировал заголовки, изображения и CTA под каждого пользователя.

При этом алгоритмы учитывали:

• Конкуренцию в нише в реальном времени
• Сезонные колебания спроса
• Поведенческие паттерны (например, рост мобильного трафика вечером)

3. Запустили динамическую оптимизацию

• Провели A/B-тестирование: запустили несколько вариантов кампаний для сравнения эффективности.
• В данном случае лучше всего отработала товарная кампания с минимальной стоимостью заказа в 285 руб. и принесла наибольшее число конверсий — 169.

Еще тестировали:

• Разные аудиторные сегменты
• Вариации креативов (текст, изображения, видео)
• Стратегии ставок (CPC, CPA, ROAS)

И, конечно, вносили корректировки в реальном времени. Тем временем искусственный интеллект:

• Автоматически перераспределял бюджет в пользу каналов с низкой стоимостью лида
• Отключал неэффективные объявления и ключевые слова, а также площадки
• Менял ставки для аукционов, где вероятность конверсии была выше
• Система учитывала данные из метрики, колл-трекинга и CRM, чтобы уточнять портрет целевого клиента.

4. Мониторинг и ручная корректировка

Специалисты отслеживали ключевые метрики:

• CPL (Cost Per Lead) — целевой показатель
• CTR (кликабельность) — для оценки интереса аудитории
• Конверсию из клика в лид — анализ качества трафика
• Промпт-инженер корректировал стратегии.

3. Результаты сотрудничества

Снижение CPL до 587 рублей (на 35% ниже предыдущих кампаний клиента)

Рост конверсии на 20% от начала запуска к моменту обучения стратегий за счет персонализации объявлений

Увеличение охвата в приоритетных сегментах

Этот подход позволил не только снизить затраты, но и повысить лояльность аудитории за счет релевантной рекламы. В первый месяц рекламы удалось добиться следующих результатов: 222 покупки в интернет-магазине со средним чеком 14 000 рублей.

Главный секрет — симбиоз автоматизации ИИ и экспертного контроля.