Как новый подход к performance-рекламе помог на 37% снизить ДРР в интернет-магазине «Нашенька»

У интернет-магазина «Нашенька» уже были работающие рекламные кампании и накопленная статистика, но эффективность заметно менялась от месяца к месяцу. Cпециалист по контекстной рекламе агентства Media Insight — участника партнерской программы eLama — Артем Макурин рассказывает, как команда постепенно переработала кампании и за пять месяцев работы снизила ДРР с 13 до 8,23%.

Артем Макурин специалист по контекстной рекламе Media Insight

Наша команда подключилась к ведению Яндекс Директа в апреле 2026 года. До этого рекламой проекта занималось другое агентство. Аккаунт уже имел накопленную статистику и рабочую структуру, поэтому задача была не в полной перестройке кабинета с нуля, а в развитии существующих кампаний и повышении их эффективности.

О проекте и задачах

«Нашенька» — интернет-магазин натуральных продуктов локального производства от птицефабрики «Северная» с широким ассортиментом, регулярными акциями и выраженной сезонностью спроса.

Магазин работает и доставляет заказы в Санкт-Петербурге. Поэтому география — важное ограничение при продвижении: рекламные кампании настраивали на аудиторию в зоне фактической доставки, чтобы не расходовать бюджет на пользователей, которых магазин не сможет обслужить.

Основная аудитория — женщины 35+, которые покупают продукты для себя и семьи и регулярно заказывают товары для дома онлайн. Для них особенно важны привычный ассортимент, качество продуктов, удобство заказа и доставки, а также акции и специальные предложения.

Наша задача — повысить эффективность performance-рекламы и получать максимум продаж в рамках бюджета, запланированного с учетом сезонности.

Основным показателем эффективности для проекта выбрали долю рекламных расходов (ДРР).

При этом важно, что годовой бюджет заранее распределен по периодам в зависимости от ожидаемого спроса, поэтому объем инвестиций в разные месяцы может существенно отличаться. В периоды спада закладываем меньше расходов на рекламу, а при росте спроса — больше. Так, годовой медиаплан предусматривал меньший бюджет на лето, чем на весну. Это плановое снижение расходов важно учитывать при оценке динамики ДРР.

Стартовая точка

До подключения нашей команды ДРР варьировалась в зависимости от периода от 10,4 до 16,5%, а в марте 2026 года составил 13%. Февральский результат показывал потенциал снижения ДРР, но закрепить его пока не удавалось.

Что изменили в performance-рекламе

На момент аудита работало шесть основных кампаний: брендовая на поиске, несколько кампаний в РСЯ, ретаргетинговая и отдельная промокампания.

Кампании в РСЯ были разделены по товарным направлениям и аудиториям. Отдельно продвигались курица, полуфабрикаты, свинина, мясные деликатесы и более узкие группы товаров. Среди аудиторий — родители, любители промо, посетители сайта, пользователи с брошенными корзинами и похожие аудитории (look-alike). Короткие акции запускали в промокампании отдельными группами под конкретные предложения.

Эту структуру взяли за основу. Дальше сосредоточились на том, какие кампании стоит развивать, что мешает их эффективности и какие настройки и форматы нужно изменить.

1. Перераспределили бюджет в пользу эффективных связок

Мы начали с анализа кампаний: оценивали, какие приносят заказы и выручку, а какие расходуют слишком много относительно количества и объема продаж. При этом низкая ДРР сама по себе не была поводом увеличивать бюджет. Если заказов было мало, сначала собирали больше статистики, чтобы убедиться в устойчивости результата.

Самая низкая ДРР на старте была у брендовой кампании на поиске — 7,69%. Она же приносила больше всего заказов и выручки. Но напрямую сравнивать ее с остальными было бы некорректно: пользователи уже искали магазин и вводили бренд, часть из них могла прийти на сайт из органической выдачи.

Среди остальных кампаний лучше работала реклама для любителей промокодов, ее ДРР — на уровне 33%. Для сравнения: у товарной кампании ДРР составляла 41,6%, а у ретаргетинга — 61%. Эти различия помогали определить, куда направить бюджет, а где сначала нужно разобраться с причинами высоких расходов.

Слабым кампаниям давали шанс: исключали неэффективные площадки и нерелевантные запросы, уточняли таргетинги, тестировали объявления и настройки. Если это не помогало выйти на приемлемые показатели, кампанию отключали, а бюджет переносили в более эффективные направления или использовали для проверки новых гипотез.

Перераспределение бюджета туда, где реклама подтверждала эффективность, стало одной из составляющих общего результата.

2. Скорректировали цели и работу автостратегий

На старте автостратегии ориентировались сразу на несколько целей: покупку, добавление в корзину и другие действия при оформлении заказа. Для части целей было непонятно, как они срабатывают и на каком основании им присвоена ценность. В итоге кампании обучались на разных действиях, связь которых с реальными продажами не всегда была прозрачной.

Основным ориентиром мы оставили покупку, а добавление в корзину использовали как промежуточную цель. Цели с непонятной логикой срабатывания и необоснованные значения ценности убрали из настроек. Так мы сделали сигналы для обучения автостратегий более однозначными.

Дальше протестировали четыре варианта управления рекламой. Искали сочетание достаточного объема трафика и приемлемой ДРР:

• Стратегия «Максимум конверсий» с оплатой за клики лучше всего справилась с этой задачей и стала основным вариантом для большинства performance-кампаний.

• «Максимум конверсий» с оплатой за конверсии давала меньше трафика, но позволяла удерживать приемлемую ДРР. Ее оставили для товарной галереи, где оплата за клики работала хуже.

• Стратегия «Максимум прибыли» сильно ограничивала трафик, при этом ДРР оставалась высокой. От нее отказались.

• Вариант с удержанием заданной ДРР тоже не обеспечил нужного сочетания объема трафика и эффективности, поэтому его не стали использовать шире.

Параллельно проверяли гипотезы по аудиториям и товарным направлениям. Например, рекламу стейков сначала показывали женской аудитории. Предположили, что мужская аудитория будет покупать активнее, и изменили настройки. Показатели улучшились, но трафика оставалось мало. Затем сняли ограничения по полу, однако результат ухудшился. После нескольких тестов кампанию отключили: достаточного потенциала для увеличения бюджета не увидели.

3. Перевели performance-рекламу на товарные форматы

Следующим шагом изменили сам подход к performance-размещениям: ушли от универсальных рекламных форматов к товарным объявлениям на основе фида.

Чтобы сделать это, мы сравнили форматы по ДРР, стоимости и количеству заказов и выручке. По совокупности показателей лучше всего работали именно товарные объявления, сформированные по фиду. Автостратегии и так направляли на них основную часть бюджета, но иногда заметные суммы уходили на другие форматы без результата. Например, один GIF-баннер мог за неделю потратить около 10 000 руб. и не принести ни одной конверсии.

Поэтому баннеры, GIF-креативы и текстово-графические объявления отключили, оставив в performance-кампаниях только товарную рекламу. Параллельно подключили рекламу по каталогам и доработали фид, чтобы объявления автоматически формировались на основе актуального ассортимента магазина.

4. Выбрали перспективные категории и протестировали их в рекламе

На старте ассортимент уже был разделен на основные категории, а ходовые товары выделены в рекламе. Мы сохранили эту структуру и продолжили развивать направления с подтвержденным спросом — его оценивали по количеству покупок в CRM.

Мы изучили ecommerce-продажи за год, выбрали товары с устойчивым спросом из других источников и запустили их в рекламу. Таким образом, например, мы начали продвигать колбасы и нарезки.

Новые категории сначала запускали с тестовым бюджетом: на одну кампанию выделяли около 5% рекламного бюджета. После накопления статистики оценивали ДРР. Значение выше 30% было сигналом, что нужно искать причины низкой эффективности. Если ДРР была ниже, продолжали дорабатывать кампанию, а при подтверждении результата увеличивали бюджет.

5. Доработали офферы, визуалы и товарный фид

Через RocketFeed — инструмент, бесплатно доступный клиентам eLama на маркетплейсе, — подготовили отдельные офферы для разных категорий. Раньше в объявлениях использовали универсальное сообщение «Гарантия свежести». Теперь начали адаптировать его в зависимости от категории, например, в рекламе салатов делали акцент на свежести, а в рекламе мяса — на натуральности продукта.

Обновили и визуальную подачу: увеличили область для изображения товара, чтобы его было лучше видно, и сделали логотип крупнее. Так усилили существующую сегментацию: у категорий уже были отдельные объявления, а теперь появились более подходящие им сообщения и визуалы.

Пример объявлений до переработки:

Примеры объявлений после переработки:

Параллельно доработали фид: обновили сегментацию и теги для корректного отображения текста в объявлениях. Для рекламы по каталогам добавили тег collection_id, который передает информацию о разделах сайта. По мере изменения ассортимента добавляем новые товарные группы и следим, чтобы в рекламу попадали актуальные товары.

Задачей этих доработок было прежде всего повысить релевантность рекламы для пользователей и улучшить подачу товарных категорий.

За первые две недели после обновления материалов стоимость заказа снизилась примерно на 9%, а количество заказов выросло на 5% при сокращении расходов на 4%. На периоде в 28 дней положительная динамика сохранилась: стоимость заказа была на 7% ниже, а заказов — на 7% больше, чем за сопоставимый период до обновления.

6. Настроили непрерывную работу промокампании

В магазине регулярно проходят акции разной длительности. Одни действуют весь месяц — например, «Опять в школу» или «Сезон шашлыка», другие длятся всего три дня и распространяются на отдельную категорию, например фрикадельки или курицу. Среди предложений — повышенный кешбэк, возможность списать больше бонусов или скидки на выбранные товары.

До нас короткие акции уже запускали отдельными группами внутри промокампании. Но после завершения акции всю кампанию останавливали. Когда появлялось новое предложение, добавляли группу и запускали рекламу снова. Такие паузы мешали стабильной работе автостратегии.

Мы изменили эту механику: в промокампании постоянно работают месячные предложения, а короткие акции дополняют их отдельными группами. Когда трехдневная акция заканчивается, отключаем только ее группу — остальные объявления продолжают показываться. Так кампания продолжает получать данные и конверсии между короткими промо, а каждое новое предложение запускается внутри уже работающей кампании.

7. Управляем рекламой с учетом спроса по дням недели

Помимо годовой сезонности, мы учитываем колебания спроса внутри недели. Для этого мы изучили статистику за несколько месяцев и выяснили, что в понедельник покупок было примерно на 39% больше, чем в среднем за день, во вторник — на 25%, в среду — на 13%. В пятницу спрос начинал снижаться, а в субботу количество покупок было примерно на 45% ниже среднего.

При этом смотрели не только на количество покупок, но и на конверсию в заказ и его стоимость. Например, среда сочетала высокий объем покупок с хорошей эффективностью, а воскресенье уступало по обоим параметрам.

На основе этих данных скорректировали расписание показов и ставки по часам в отдельные дни: усиливаем рекламу в периоды высокого спроса и снижаем активность, когда вероятность покупки меньше.

Медийная реклама как часть стратегии

С апреля параллельно с performance-кампаниями мы постоянно размещаем медийную рекламу. Ее задача — поддерживать охват и знание бренда, знакомить с магазином аудиторию за пределами уже сформированного спроса.

Объем размещений меняем с учетом сезонности: летом, когда спрос ниже, сокращаем бюджет, а в осенне-зимний сезон увеличиваем. При этом реклама продолжает работать и в периоды спада.

В мае протестировали видео и баннеры в Яндекс Директе и Hybrid. Основные аудитории — родители и пользователи, которые заказывают доставку продуктов и готовой еды. Сравнивали не только стоимость тысячи показов, но и кликабельность, качество трафика и покупки после контакта с рекламой.

В Яндексе видео показало CTR 0,58% против 0,16% у баннеров — более чем в 3,5 раза выше. Post-view конверсия составила 0,085% против 0,006%. Баннеры обеспечивали более дешевый CPM, но по отклику аудитории и конверсиям после показа уступали видео.

В Hybrid у видео также был выше CTR — 0,17% против 0,11%, а CPM оказался примерно на 21% ниже, чем у баннеров. При этом по post-view конверсиям в этом тесте лучше сработали баннеры. Поэтому победителя выбирали по сочетанию показателей, а не по одной метрике.

Основным медийным форматом оставили видео. В июле количество post-view покупок после просмотра видеорекламы выросло примерно на 49% относительно июня, а охват — примерно на 9%.

Результаты медийной и performance-рекламы оцениваем отдельно. Для performance основные ориентиры — продажи и ДРР. Для медийных размещений отслеживаем охват, частоту, а также post-view и post-click конверсии — покупки после показа или клика по рекламе — с окном атрибуции 30 дней.

Результаты performance-рекламы

После передачи проекта ДРР удерживалась около 11% в апреле—июле, а в августе снизилась до 8,23% — примерно на 37% относительно марта, последнего полного месяца до начала нашей работы.

Стоимость заказа за тот же период также снизилась примерно на 37%.

В августе рекламные расходы были примерно на 47% ниже, чем в марте. При этом количество заказов сократилось на 16%, а выручка — на 16,4%. То есть при почти вдвое меньшем бюджете удалось сохранить около 84% заказов и выручки. На каждый рубль рекламных расходов приходилось примерно на 58% больше выручки.

В августе ДРР три недели подряд оставалась меньше 8%, а к концу месяца снизилась до 6,88%.

Что сработало и что рекомендуем другим магазинам

В проекте «Нашенька» несколько изменений внедрялись параллельно, поэтому выделить вклад каждого в итоговый результат нельзя. Но этот опыт помог сформулировать четыре рекомендации для магазинов с широким ассортиментом и частыми акциями.

1. Опирайтесь на подтвержденный спрос

Большой каталог не означает, что все категории нужно продвигать одинаково активно. Начните с направлений, которые уже приносят продажи, в том числе из других источников — это основа для рекламных тестов.

При оценке кампаний учитывайте ДРР, стоимость заказа, количество заказов и выручку. Низкая ДРР при единичных покупках еще не означает, что направление готово к увеличению бюджета. Новые категории сначала тестируйте с ограниченными расходами, накапливайте статистику и только затем расширяйте продвижение.

2. Регулярно дорабатывайте фид и предложения для категорий

Для ecommerce фид — это не техническая выгрузка, которую достаточно один раз подключить. Это один из ключевых инструментов управления performance-рекламой.

Регулярно добавляйте категории с потенциалом роста, исключайте слабые направления, следите за актуальностью товаров. Корректируйте офферы и визуальную подачу товаров, а сам набор категорий — меняйте за ассортиментом и статистикой продаж.

По сути, задача здесь заключается не в том, чтобы показать весь каталог, а в том, чтобы передать рекламной системе именно тот ассортимент, который в данный момент имеет наибольший коммерческий потенциал.

3. Проверяйте цели, на которых обучаются автостратегии

Перед увеличением бюджета убедитесь, что понимаете, как срабатывает каждая цель, насколько она связана с покупкой и чем обоснована ее ценность. Большое количество целей само по себе не помогает алгоритму: разнородные действия могут давать неоднозначные сигналы.

В нашем проекте основным ориентиром стала покупка, а промежуточным — добавление в корзину. Затем мы сравнили стратегии и модели оплаты. Для большинства кампаний выбрали оплату за клики, а для товарной галереи — за конверсии. Подходящий вариант определяли по сочетанию объема трафика и эффективности.

4. Объединяйте частые промо в постоянно работающей кампании

Если акции длятся всего несколько дней, остановки между ними могут мешать стабильной работе автостратегии. Когда у магазина есть и длительные, и короткие предложения, их можно объединить в одной промокампании. Такой подход позволяет использовать накопленные данные и снижает количество ситуаций, когда алгоритму приходится заново проходить период обучения.

Один из главных выводов проекта — в ecommerce с широким ассортиментом эффективность performance-рекламы во многом определяется не количеством кампаний, а качеством управления товарным спросом, ассортиментом и сигналами для алгоритмов. Важно не просто привлекать больше трафика, а понимать, какие категории действительно способны масштабироваться, какие товары стоит выводить в рекламу и на каких данных должны обучаться автостратегии.

На этой странице есть скрипты, которые могут не отображаться на AMP-страницах.