Удвоили ROI рекламы
для лидера ритейла в России
Ecom / PPC / Marketing
Мы помогли крупнейшей федеральной сети по продаже бытовой техники и электроники значительно повысить эффективность рекламных кампаний и увеличить доходы, используя передовые технологии машинного обучения для более точного прогнозирования покупательской активности пользователей сайта и приложения.
  • Задача
    Клиент столкнулся с проблемой оптимизации использования рекламного бюджета:
    • Значительные средства тратились на привлечение пользователей, которые не совершали покупок.
    • Отсутствие инструментов для прогнозирования покупательской активности затрудняло оптимизацию расходов.

    Перед нами поставили задачу по повышению ROMI рекламных кампаний, для этого нужно было разработать решение, которое позволит:
    • Оценивать поведение каждого посетителя с момента первого визита.
    • Прогнозировать вероятность совершения покупки.
    • Оптимально распределять рекламный бюджет, фокусируясь на наиболее перспективных клиентах.
  • Решение
    1. Анализ и сбор данных
    • Собрали и проанализировали данные о поведении пользователей на сайте и в мобильном приложении за последние 12 месяцев.
    • Выявили ключевые параметры, влияющие на вероятность покупки.

    2. Разработка модели машинного обучения
    • Создали модель, анализирующую более 60 параметров поведения пользователей
    • Модель предсказывала вероятность совершения покупки каждым пользователем.

    3. Интеграция и внедрение
    • Интегрировали модель с платформами управления рекламой (Google Ads, Яндекс.Директ).
    • Настроили динамическое распределение бюджета:
    • Увеличили инвестиции в аудитории с высокой вероятностью покупки.
    • Сократили расходы на менее перспективные сегменты.

    4. Тестирование и оптимизация
    • Провели A/B тестирование для оценки эффективности модели.
    • Постоянно улучшали модель на основе новых данных и результатов.
  • Результат
    Используя инновационные технологии и глубокий анализ данных, мы помогли лидеру рынка не только увеличить эффективность рекламы, но и значительно укрепить позиции на рынке.

    Увеличение ROI рекламных кампаний в 2,2 раза
    • Окупаемость инвестиций в рекламу выросла на 120%.
    • Клиент стал получать больше прибыли с каждого вложенного рубля.

    Рост дохода от выкупленных заказов на 170%
    • Доход увеличился в 2,7 раза благодаря фокусировке на наиболее активных покупателях.

    Оптимизация рекламного бюджета
    • Сокращение ненужных расходов на 30%.
    • Эффективное перераспределение средств повысило общую рентабельность.

    Повышение конкурентоспособности
    • Клиент обошёл основных конкурентов по ключевым показателям эффективности рекламы.
  • Состав команды
    1 Data Scientist — разработка и обучение модели машинного обучения
    2 Backend-разработчика — интеграция модели с системами клиента
    1 Frontend-разработчик — настройка интерфейсов и визуализации данных
    2 Бизнес-аналитика — анализ данных и выявление ключевых метрик
    1 Проектный менеджер — координация проекта и взаимодействие с клиентом
  • Срок реализации
    6 месяцев — от анализа данных до полного внедрения и оптимизации решения
  • Стек технологий
    Языки программирования: Python, JavaScript
    Библиотеки и фреймворки: TensorFlow, Scikit-learn
    Базы данных: SQL, NoSQL
    Интеграции: Google Ads, Яндекс.Директ
    Инструменты визуализации: Power BI