Как «Автомаг» снизил стоимость лида в 2,3 раза с динамической рекламой
Как динамическая реклама помогла магазину автозапчастей снизить CPL более чем вдвое и выйти на 1800 лидов в месяц. Разбираем каждый этап
Задача
Перед агентством стояла бизнес-цель: снизить стоимость лида минимум в два раза, увеличить объем заказов из digital-каналов и сохранить рост продаж при изменении рекламного ландшафта. Это требовало не точечной оптимизации, а полной перестройки рекламной системы с учетом ассортимента, поведения пользователей и конкуренции.
Причина
«Автомаг» — одна из крупнейших сетей розничной и онлайн-торговли автозапчастями в Новосибирской области. Компания управляет более чем 25 офлайн-магазинами и крупным каталожным интернет-магазином.
Однако до сотрудничества с агентством OK Digital рекламные кампании в Google Ads и Яндекс.Директе работали нестабильно:
- CTR был ниже 1%;
- стоимость заявки превышала целевые показатели более чем в два раза;
- часть бюджета уходила на показы нерелевантной аудитории.
Это означало, что рекламные кампании не учитывают реальный ассортимент, конкурентный рынок и динамику пользовательского спроса.
Решение: поэтапная трансформация рекламной системы
Работа над проектом была выстроена как системный процесс — от диагностики текущей ситуации до построения новой рекламной экосистемы, способной адаптироваться к изменениям рынка и поведению аудитории. Агентство сознательно отказалось от «быстрых правок» и локальной оптимизации: ключевой задачей было не улучшить старые кампании, а создать новый подход, который будет масштабируемым и устойчивым.
Этап 1. Диагностика и аудит текущей модели продвижения
Работа началась с крупного аудита рекламных активностей и качественной аналитики поведения пользователей.
Команда OK Digital изучила:
- структуру рекламных кампаний и распределение бюджета;
- настройки таргетинга и пересечения ключевых слов;
- соответствие объявлений реальному ассортименту;
- товарный фид, полноту данных, наличие SKU, цен и остатков;
- посадочные страницы и UX-факторы;
- статистику поведения пользователей — глубину просмотра, отказные визиты, конверсии.
При анализе данных стали очевидны три диагностические проблемы:
- Реклама была привязана не к конкретным товарам, а к широким категориям, что снижало релевантность показов.
- У кампаний не было уникальных сценариев под разные стадии спроса: холодный трафик, повторная активность, брошенные корзины.
- Значительная часть бюджета расходовалась на клики, которые никогда не приводили к заказу.
Это подтвердило необходимость перестройки рекламной модели — не точечными изменениями, а на уровне архитектуры.
Этап 2. Переход на динамическую модель и персонализированные сценарии
Второй этап — внедрение форматов, которые автоматически адаптируются под поведение пользователя и реальный ассортимент.
Агентство отказалось от классических текстовых кампаний в пользу:
- динамических объявлений по товарному фиду;
- смарт-баннеров с автоматической подстановкой цен и наличия;
- ретаргетинга по сегментам: просмотр → добавление в корзину → отказ → повторный интерес.
Пользовательская логика была перестроена под модель персонального показа:
- тем, кто только изучает рынок, показывались категории и популярные товары;
- пользователям, которые сравнивали позиции, — конкретные SKU и аргументы выбора;
- аудитории с брошенной корзиной — стимулирующие предложения и напоминания.
Таким образом реклама перестала быть абстрактной и стала основанной на данных, поведении и интересе покупателя.
Цель этапа — не просто показывать рекламу, а показывать правильный товар правильному пользователю в правильный момент.
Этап 3. Управление стоимостью лида через оптимизацию и аналитику
После запуска новой структуры началась работа по тонкой настройке эффективности.
Основные меры включали:
- исключение товаров с низкой маржинальностью, чтобы реклама приносила не только обращения, но и прибыль;
- добавление минус-слов и ограничений, чтобы показы не уходили в «информационные» запросы;
- распределение бюджета по операционным KPI: CTR, CPL, ROI и конверсия в заказ;
- настройку корректировок ставок по устройствам, времени суток, географии и типу аудитории;
- построение системы аналитики: UTM-метки, цели, мультиканальная атрибуция и автоматический отчет.
Одновременно внедрялась система гибких гипотез: каждый месяц тестировались версии текстов, сегментов, размера ставок, креативов и логики ретаргетинга. Эффективные гипотезы масштабировались, неэффективные отключались.
Этап 4. Адаптация к изменениям рекламного рынка
Когда рынок изменился и Google Ads стал недоступен, рекламная система не остановилась — она была перенесена в Яндекс.Директ и товарные форматы на основе уже разработанной логики.
Перемены включали:
- перераспределение бюджета на Яндекс;
- усиление товарной рекламы и ретаргетинга;
- корректировку стратегий аналитики и оптимизации под новую платформу.
Переход прошел без провалов по лидам — система оказалась устойчивой и адаптивной.
Результат
Уже через несколько месяцев после запуска новой рекламной системы бизнес получил значимые изменения:
- более 1500 продаж за первые 3 месяца;
- снижение CPL в 2,3 раза;
- рост CTR более чем в 2,5 раза;
- снижение отказов по рекламе до 25%.
После ухода Google бизнес не потерял темпов развития:
- бюджет был полностью перенесен в Яндекс;
- ежемесячный поток лидов стабилизировался на уровне 1800 обращений;
- расходы на рекламу снизились на 39 %;
- средняя стоимость лида сократилась еще на 6 %;
- падение продаж составило менее 10 %, несмотря на смену рекламной платформы.
Таким образом, поставленная задача была выполнена: «Автомаг» снизил стоимость лида, увеличил число заказов и сохранил рост продаж даже в условиях изменения рекламного рынка.
Итог: Агентству удалось построить новую систему контекстной рекламы, которая работает предсказуемо, масштабируется и остается эффективной даже при изменениях рынка. «Автомаг» получил управляемый digital-канал продаж и устойчивую модель привлечения клиентов.