Главное о кейсе
АВТОВАЗ, NMi Group и Solta запустили медийную кампанию для четырех моделей LADA. Чтобы понять реальную ценность перешедших по рекламе пользователей и их готовность к покупке, целевые действия разделили на три уровня:
1. Клики по кнопкам «Записаться на тест-драйв», «Конфигуратор» и «Узнать цену» на сайте
2. Открытие формы заявки на тест-драйв или посещение дилерского центра
3. Отправка заявки на тест-драйв или посещение дилерского центра
По итогам первого месяца суммарное число целевых действий по всем моделям достигло 1098, но уложиться в KPI по CPA удалось только для LADA Granta.
Тогда мы установили на сайте пиксель Solta и подключили данные о поведении посетителей к ML-модели. Алгоритм учился находить пользователей, которые не просто интересуются автомобилями, а планируют покупку.
В первый месяц после подключения пикселя общее число целевых действий выросло в 1,7 раз, а CPA снизился на 32%. В ноябре-декабре, несмотря на снижение бюджета по сравнению с сентябрем и предновогоднее падение покупательской активности, сумма целей превышала стартовые показатели, а CPA был ниже сентябрьского уровня на 26-40%.
Как проект изменил жизнь пользователей
Покупатели выбирают автомобиль под конкретные задачи: семейные поездки, работу, путешествия. При этом интерес к автомобильной тематике и посещение сайта производителя не всегда означают, что человек планирует покупку.
Используя данные о поведении посетителей сайта, мы уточняли подбор аудитории для каждой модели. Реклама помогала пользователям, которые уже планируют покупку, перейти к следующему шагу — записаться на тест-драйв или связаться с дилером.
Уже в первый месяц после подключения пикселя число целевых действий на сайте: кликов по кнопкам заявки, открытий форм и отправок заявок на тест-драйв и посещение дилерского центра – выросло на 70%. Это говорит о реальном интересе пользователей к покупке конкретной модели.
Бизнес-задача и ее решение
КОНТЕКСТ
В рекламе автобрендов интерес к модели еще не означает готовности ее купить. Основная сложность в сегменте – не просто убедить пользователя перейти на сайт, но и найти тех, кто уже выбирает машину и готов к следующему шагу (тест-драйву или встрече с дилером). При этом стоимость привлечения клиента в авто выше, а путь к покупке дольше, чем во многих других нишах.
ЗАДАЧА
Запустить медийное продвижение четырех моделей: LADA Largus, Granta, Niva и Vesta — и удерживать CPA в рамках установленных KPI.
Для оценки качества трафика выделили три уровня целевых действий:
1. Клики по кнопкам «Записаться на тест-драйв», «Конфигуратор» и «Узнать цену» на сайте
2. Открытие формы записи на тест-драйв или посещение дилерского центра
3. Отправка заявки
РЕШЕНИЕ
В сентябре 2025 года кампанию запустили со стартовыми гипотезами таргетинга для каждой модели. За месяц получили 1098 целевых действий, но уложиться в план по CPA удалось только для LADA Granta.
В начале октября на сайте установили пиксель Solta. Он собирал события и позволял сопоставлять действия посетителей с рекламными показами.
Эти данные подключили к ML-модели. Алгоритм изучал признаки пользователей, которые совершают целевые действия, и искал похожую аудиторию для следующих показов. По мере накопления событий модель уточняла подбор, а команда оценивала изменения на каждом этапе воронки.
РЕЗУЛЬТАТЫ
По итогам октября число целевых действий выросло в 1,7 раз: с 1098 до 1836. Важно, что в октябре мы увеличили рекламный бюджет примерно на 25% – это дало показателям дополнительный импульс. С ноября расходы снова сократили, но общие результаты оставались выше сентябрьских. И даже в декабре, несмотря на сезонное падение активности на рынке и снижение бюджета по сравнению с сентябрем, сумма целей превысила стартовые показатели на 16%.
Особенно заметен был рост по LADA Vesta: в ноябре число целевых действий по модели выросло с 384 до 643 – почти на 70%, а в ноябре показатель увеличился до 663 (+73% к сентябрю).
Это показывает, что привлеченные пользователи действительно заинтересованы в покупке авто и планируют текст-драйв или встречу с дилером, а не ограничиваются просмотром страниц.
Вместе с ростом числа целевых действий снизилась их стоимость. Уже в октябре CPA по всем моделям сократился на 32%, в ноябре – на 40% к сентябрю. В декабре, несмотря на снижение целевых действий из-за сезонного затишья, CPA все еще был ниже сентябрьского на 26%.
Важно, что в октябре рекламный бюджет был увеличен примерно на четверть – это дало показателям дополнительный импульс. С ноября расходы снова сократили, но общие результаты все равно оставались выше сентябрьских.
Таким образом, кампания увеличила число целевых действий при снижении их стоимости.
Крафт (мастерство), реализация, технические детали
Отдельные гипотезы для каждой модели
У покупателей четырех моделей разные потребности, поэтому для каждой построили свою гипотезу таргетинга. Например, для Niva выбрали аудиторию с интересом к доступным внедорожникам и автопутешествиям. Для Largus — b2b-аудиторию, рассматривающую автомобиль для поездок и рабочих задач. Для Granta подготовили кастомные сегменты под разные конфигурации, Vesta продвигали среди семейных покупателей, которые ищут машину для передвижения по городу. Такое разделение позволяло оценивать эффективность таргетинга и стоимость действий по каждой модели.
Пиксель как источник обратной связи
После установки пикселя платформа получала данные о глубине взаимодействия пользователей с сайтом: кто из них ограничился просмотром страницы, кто открыл форму, а кто отправил заявку. Это позволяло проверять стартовые гипотезы на реальном поведении, а не только по соответствию интересам и социально-демографическому профилю. Мы обучили ML-модель находить именно тех пользователей, которые настроены на покупку. Пиксель в нашем случае стал постоянным источником данных для закупки трафика.
Обучение ML-модели на целевых событиях
Алгоритм изучал признаки посетителей, которые совершали целевые действия, и использовал их для поиска похожей аудитории в дальнейшей закупке. Особенно ценными были отправки заявок – им в оптимизационной модели мы присвоили наибольший «вес». Они показывали, что пользователь готов перейти от изучения модели к тест-драйву или общению с дилером. Результаты новых показов возвращались в модель и помогали уточнять дальнейший выбор аудитории.
Инсайты, гипотезы, процесс создания и взаимодействия с заказчиком
Исходный инсайт
В автомобильной категории тематический интерес слишком широк, чтобы надежно определять готовность к покупке. Человек может соответствовать выбранному профилю по соцдем-характеристикам и интересам, но не иметь ни бюджета, ни потребности в машине в конкретный момент.
Сентябрьский запуск позволил проверить стартовые гипотезы и показал, что для повышения эффективности нужны дополнительные сигналы.
Гипотеза
Мы предположили, что поведение на сайте поможет точнее находить потенциальных покупателей. Если обучать модель на действиях посетителей, особенно на отправках заявок, она сможет лучше отличать общий интерес к автомобилям от готовности к следующему шагу.
Обучение и оценка в динамике
Модель накапливала примеры поведения и проверяла свои прогнозы в ходе дальнейшего размещения. Поэтому результат оценивали за несколько месяцев, отслеживая одновременно объем действий, отправки заявок и CPA.
Взаимодействие участников проекта
В работе над проектом роли разделились: NMi Group отвечали за стратегию, медиаплан, гипотезы для таргетинга, разделение целей и аналитику. Solta занимались подключением пикселя, сбором данных, обучением ML-модели и оптимизацией кампании.
Для клиента результат означал возможность использовать собственные поведенческие данные в дальнейшем продвижении: выбирать приоритетные модели и находить аудиторию, готовую к контакту с дилером.
Скриншоты
Комментарий заказчика
«Пиксель позволил нам использовать реальное поведение посетителей сайта для поиска новых покупателей. В результате мы не только увеличили интерес пользователей к моделям бренда, но и оптимизировали расходы. Важно, что подход сработал для разных моделей автомобилей: это дает нам возможность в дальнейшем выбирать конкретные модели для продвижения с учетом приоритетов бизнеса и получать качественные лиды»