Как в 3 раза увеличить число поездок по рекламным переходам: кейс Drivee и TopTraffic

Главное о кейсе

Сервису Drivee нужно было регулярно перераспределять бюджет между шестью городами продвижения в разные месяцы. В зависимости от результатов тестов и приоритетов на конкретный месяц приходилось то усиливать, то снижать активность в отдельном городе. Из-за этого рекламную кампанию нужно было постоянно пересобирать.

Чтобы быстро находить рабочие решения, мы подключили платформу управления данными и каскад ИИ-агентов, которые изучали результаты кампаний и в режиме реального времени предлагали, что стоит изменить. Команда проверяла рекомендации и адаптировала рекламу под новые города и аудитории.

В результате время на пересборку кампании под новый город сократилось до 5-7 дней. Число поездок выросло в 2,5-3 раза в месяц по сравнению с этапом запуска, а доля первых поездок среди общего числа достигла 61% при KPI 50%.

Как проект изменил жизнь пользователей

Благодаря кампании новые пользователи в разных городах узнали о сервисе Drivee, скачали приложение и совершили свою первую поездку. Главным инструментом привлечения стали короткие видео с рассказами об опыте использования сервиса, адаптированные под местную аудиторию.

Помимо общего числа поездок, результат оценивали по первой завершенной поездке, когда человек впервые скачал приложение и воспользовался сервисом. Доля таких заказов среди общего числа составила 61% при KPI 50% — это и стало главным подтверждением того, что реклама приводит новых пассажиров.

Бизнес-задача и ее решение

ЗАДАЧА:

Привлекать новых пассажиров в сервис с помощью рекламы, постоянно усиливая или сокращая активность в отдельных городах.
KPI на старте (февраль 2025): первые поездки новичков — не менее 50% всех совершенных поездок.

ЧТО МЕШАЛО:

Главная сложность кейса — ежемесячная смена акцентов между городами в рамках единой кампании. В одном месяце могло потребоваться масштабировать продвижение в конкретном городе, а в следующем — сократить. Из-за этого мы не могли разово обучить рекламные кабинеты и полагаться на эти настройки. Каждый раз нужно было быстро решить, какие дополнительные сегменты аудитории охватить и какие объявления убедят пользователей попробовать Drivee.

ЧТО ПРИДУМАЛИ:

Подсказки нашли в базовой кампании: она привлекала пассажиров как из основных, так и из смежных сегментов аудитории. Мы изучали, с каких площадок приходили эти пользователи, какие объявления их заинтересовали и в каких городах они совершали первые поездки.
Когда нужно было масштабироваться в конкретном городе, мы проверяли, что уже знаем о других сегментах аудитории – и расширяли на них кампанию в новой локации.

Собирать и разбирать эту информацию вручную было слишком долго: за месяц нужно было успеть запустить рекламу и получить результат. Поэтому вместо работы с разрозненными рекламными кабинетами мы создали единый контур данных на базе собственной DMP (платформы управления данными). К платформе мы подключили ИИ-агентов, которые изучали прошлую и текущую статистику, предлагали гипотезы и рекомендации по каждому городу. Команда выбирала решения, меняла настройки и перераспределяла бюджет.

Параллельно наладили производство нативных видео — роликов, где люди рассказывали об опыте пользования сервисом. Их адаптировали под местную аудиторию, чтобы быстро поддерживать продвижение в новых городах.

ЧТО ПОЛУЧИЛИ:

1. В июне 2025 года ежемесячное число поездок, атрибутированных рекламе, увеличилось на 50% к февралю. К началу 2026 году ежемесячный прирост поездок регулярно превышал стартовое количество в 2,5-3 раза
2. Первые поездки новичков составили 61% от всех заказов – на 11 процентных пунктов выше KPI 50%
3. Время на отбор лучших сочетаний площадок, аудиторий и креативов для нужных городов составил 5-7 дней

Крафт (мастерство), реализация, технические детали

1) Использовали прошлые поездки как подсказки

Для поиска новых сегментов мы изучали статистику по пользователям за рамками базового таргетинга, в том числе в других городах. Даже единичные поездки помогали заметить перспективные сочетания аудитории, площадки и объявления.

Эти наблюдения становились отправной точкой для тестов. Мы усиливали рекламу в приоритетном городе и проверяли, получается ли повторить результат при большем объеме продвижения.

2) Собрали данные в одном месте

DMP объединила информацию из рекламных кабинетов, системы мобильной аналитики AppsFlyer и CRM клиента – это позволяло проследить путь от рекламного контакта до первой поездки и сопоставить результаты разных источников.

Команда видела, какие площадки, кампании и аудитории приводят новых пассажиров в каждом городе, и использовала эту историю при следующих запусках.

3) Каскад ИИ-агентов

Каждый из ИИ-агентов отвечал за отдельный этап работы:

1. Анализировал приложение Drivee
2. Исследовал конкурентов в SPY-сервисах
3. Анализировал исторические данные, находил закономерности в поведении аудиторий и их реакции на объявления
4. Формировал сегменты аудитории и рекомендовал типы креативов для каждого
5. Оценивал источники трафика и предлагал варианты по запуску
6. Отслеживал результаты кампаний в режиме реального времени и отправлял рекомендации по корректировкам в Telegram-бот.

На основе рекомендаций менеджеры принимали решения, запускали изменения и следили за результатом. Новые данные поступали в DMP и помогали уточнять следующие рекомендации.

Таким образом, вместо ручного анализа множества комбинаций «город × источник × кампания × аудитория» мы получили непрерывный цикл анализа и оптимизации, который позволял быстро получать информацию для принятия решений и учитывать больше параметров за счет анализа больших объемов данных.

Инсайты, гипотезы, процесс создания и взаимодействия с заказчиком

Текущая кампания помогает подготовить следующую

Результаты за рамками основного таргетинга могут подсказать, с чего начать масштабирование. Мы использовали их как гипотезы для проверки – так текущая кампания стала источником идей для будущих запусков.

Автоматизация требует быстрой работы команды

ИИ ускорял обработку данных, но региональные задачи менялись достаточно часто, чтобы полностью полагаться на автоматизацию. Нужно было вовремя ставить агентам новые задачи, проверять рекомендации, менять настройки кампании и готовить креативы. Поэтому мы связали работу аналитиков, специалистов по рекламе и креативной команды: выводы из статистики сразу переходили в тестирование.

Нативные видео стали инструментом региональной поддержки

Чтобы оперативно адаптировать рекламу под меняющиеся задачи, мы поставили на поток производство нативных видео в формате пользовательского опыта. В постоянной ротации находилось 20-30 роликов, которые адаптировали под города продвижения. Это позволяло быстро поддерживать региональные запуски креативами и проверять гипотезы, не дожидаясь полного переобучения рекламных алгоритмов.

Скриншоты

Комментарий заказчика

«Для нас важно, чтобы маркетинг успевал за изменениями бизнеса: помогал усиливать присутствие там, где мы видим потенциал роста, и быстро адаптироваться к новым задачам. Эта кампания показала, что такую гибкость можно сделать частью повседневной работы. В результате мы получили подход, который позволяет лучше планировать продвижение в разных городах и быстрее переходить от решения к действию».