Как мы вырастили продажи билетов Unitiki более чем в 2 раза через Яндекс Директ

Главное о кейсе

Агрегатор (4.5 млн посетителей/мес) уперся в потолок масштабирования. Попытки увеличить рекламный бюджет в товарных кампаниях приводили к росту ДРР и слому юнит-экономики. Базовые гипотезы исчерпали потенциал.

Детали реализации и процесс

Внедрение AI и автоматизации: Разработали собственного AI-агента для анализа массивов данных (ускорение рутины в 10–20 раз) и массовой генерации РК. Настроили Telegram-бота с алертами на аномальный расход бюджета каждые 10 минут.

Переход на ЕПК: Сместили фокус с товарных кампаний на ЕПК, собрав тысячи релевантных поисковых связок. Это кратно повысило CTR, выкуп трафика и позволило точечно управлять ставкой ДРР.

Когортный анализ для РСЯ: Масштабировали объемы за счет РСЯ, оценивая окупаемость дорогого трафика не «в лоб», а на дистанции 3–5 месяцев по LTV.

Плавающий ДРР: Ушли от жесткого общего KPI, балансируя ставки между РК-локомотивами (переплата за выкуп максимума) и дешевыми кампаниями (компенсация расходов).

Результаты и достижения (Стало)

+140% покупок в среднем за год (цель по росту в 2 раза выполнена).

Сохранена юнит-экономика при радикальном увеличении объемов трафика.

Запущена кастомная BI-аналитика и реализовано более 1600 задач.

Как проект изменил жизнь пользователей

Мгновенный поиск нужного маршрута без лишних кликов: Мы избавили пользователей от необходимости продираться через общие рекламные формулировки. Ручная сборка тысяч ЕПК-объявлений под конкретные запросы позволила давать точный ответ прямо в поиске. Если человек искал билет «Москва — Саратов», он сразу видел актуальное предложение именно по этому маршруту, а не абстрактное «Купить билеты на автобус».

Упрощение доступа к редким направлениям: Благодаря доработке фидов и использованию AI для парсинга семантики, мы вывели в рекламную выдачу сотни узких, не самых очевидных направлений. Пассажирам стало гораздо проще находить рейсы от небольших локальных перевозчиков без долгого скроллинга и блуждания по сайту агрегатора.

Своевременная помощь в планировании поездок: Запуск выделенных сезонных кампаний и умное масштабирование через РСЯ обеспечили пользователей актуальными предложениями именно тогда, когда спрос на туристические или дачные поездки только начинал формироваться. Это помогло людям заранее планировать свои маршруты по более выгодным ценам.

Бизнес-задача и ее решение

Задача
Увеличить продажи билетов в 2 раза через Яндекс Директ.
Проблема: Проект уперся в потолок. Попытки масштабироваться за счет простого увеличения бюджета в товарных кампаниях ломали юнит-экономику и приводили к резкому росту ДРР (доли рекламных расходов).

Решение

Переход на ЕПК: Сместили фокус с автоматических товарных кампаний на тысячи собранных вручную ЕПК-объявлений. Это повысило CTR и дало точечный контроль над ставкой ДРР для каждого маршрута.

Плавающий KPI и LTV: Ушли от жесткого единого ДРР. Кампаниям-локомотивам завышали ставку для выкупа максимума трафика, компенсируя это дешевыми РК. В РСЯ масштабировались с опорой на когортный анализ — выкупали дорогой трафик, который окупался по LTV через несколько месяцев.

AI и автоматизация: Внедрили BI-систему, Telegram-бота для контроля аномальных расходов каждые 10 минут и кастомного AI-агента для генерации объявлений и сведения баз данных.

Улучшения в бизнесе

Кратный рост: Объем покупок вырос на 140% — изначальная бизнес-цель достигнута.

Эффективность: Масштабирование прошло без нарушения юнит-экономики и выхода за рамки KPI.

Оптимизация процессов: Внедрение AI-ассистента и скриптов ускорило рутину в 10–20 раз и дало бизнесу прозрачную систему управления многомиллионным бюджетом.

Крафт (мастерство), реализация, технические детали

Кастомный AI-агент для работы с бигдатой и семантикой: Мы ушли от ручной сводки тысяч строк. Обученный ИИ-ассистент анализировал массивы данных из рекламных кабинетов в 10–20 раз быстрее. Также мы автоматизировали сборку ЕПК-кампаний: алгоритм парсил семантику и генерировал тысячи уникальных, релевантных заголовков и текстов под конкретные автобусные маршруты.

Укрощение автостратегий Яндекса: На больших бюджетах алгоритмы могут резко слить деньги на нерелевантный трафик. Чтобы пресекать это, мы написали скрипт и Telegram-бота. Каждые 10 минут система проверяла расход по РК и присылала алерты при аномальных скачках, позволяя нам моментально купировать пустой открут.

Динамический мониторинг спроса (Wordstat): Настроили автоматическую выгрузку спроса по основным категориям. Скрипт сопоставлял рыночный тренд с нашими показателями. Это давало понимание: растет ли проект за счет наших гипотез, или это временный скачок рынка, и не переплачиваем ли мы за аукцион прямо сейчас.

Хирургическая работа с атрибуцией: Для масштабирования мы перевели большинство РК на автоматическую атрибуцию. Однако для самых крупных кампаний-локомотивов применили реверсивный подход — принудительно выставили «Последний клик» (Last click). Это защитило бюджет от перерасхода на кросс-канальные конверсии и высвободило средства для новых тестов.

Архитектура ЕПК вместо слепых фидов: Мы сегментировали 20 000 направлений по маржинальности и перенесли фокус с базовых товарных фидов на точечные ЕПК. Это позволило гибко управлять ставкой оптимизации ДРР для каждого конкретного маршрута, а не для всего фида целиком.

Инсайты, гипотезы, процесс создания и взаимодействия с заказчиком

Драма «стеклянного потолка»: На старте мы столкнулись с классической ловушкой масштабирования. Проект стабильно работал, но любые попытки залить больше бюджета в успешные кампании моментально ломали юнит-экономику. Выкуп трафика падал, цена конверсии улетала в космос, а KPI трещал по швам. Стало ясно: расти «в лоб» не получится, привычная база исчерпала себя.

Главный инсайт — жесткий KPI убивает рост: Мы поняли, что требовать идеальной окупаемости от каждой отдельной рекламной кампании — путь в никуда. Была выдвинута гипотеза: балансировать экономику в ТОТАЛе. Мы сознательно разрешили кампаниям-локомотивам выходить за рамки ДРР, чтобы агрессивно забирать максимум горячего трафика у конкурентов. А общую рентабельность проекта «сглаживали» за счет узких и дешевых кампаний. Это сработало.

Сюжетный поворот с РСЯ (сети Яндекса): Исторически трафик из РСЯ считался для клиента «сливным» — он превышал норму по стоимости в 2–3 раза. Мы решили не отказываться от этого канала, а сменить оптику. Сформировали гипотезу и провели когортный анализ. Оказалось, что этот «дорогой» трафик отлично окупается по LTV через несколько месяцев. Изменение угла зрения развязало нам руки и открыло огромный канал для масштабирования.

Процесс тестирования и прозрачность: При таких бюджетах цена ошибки исчисляется миллионами. За год мы реализовали более 1600 задач, но все тесты проводились строго в MVP-формате. Мы полностью синхронизировались с клиентом: ушли от абстрактных метрик к реальной бизнес-экономике, создали понятный roadmap и вывели всю аналитику в прозрачный кастомный дашборд. Клиент всегда понимал, куда идет бюджет и почему принимаются именно такие решения.

Скриншоты