О клиенте
Наш клиент — B2C интернет-магазин в категории товаров для здоровья, спорта и активного образа жизни. Продажи осуществляются напрямую через сайт. Основной источник платного трафика — Google Ads. Клиент не начинал продвижение с нуля — рекламные кампании запускались и ранее, базовая аналитика была настроена, все заказы проходили через CRM Bitrix24.Бизнес системно рос, но при этом реклама всё же порой не укладывалась в экономику и переставала быть предсказуемым источником продаж.
Текущая ситуация клиента
На момент обращения у клиента наблюдалась противоречивая динамика.
С одной стороны:
- средний чек стабильно рос и к 2025 году превысил 49 $;
- в отдельные месяцы выручка достигала рекордных значений;
- спрос на продукт сохранялся.
С другой стороны:
- реклама в какие-то месяцы и даже сезоны не окупалась, увеличение бюджета не помогало;
- ROMI по ряду месяцев опускался ниже зоны рентабельности;
- стоимость привлечения клиента росла быстрее, чем бизнес успевал адаптироваться.
Клиент не мог точно определить источник проблемы и описывал ситуацию предельно просто и типично для e-commerce:
«Раньше реклама работала стабильнее. Сейчас мы вроде бы продаём больше в деньгах, но ощущение, что платим за рекламу слишком дорого».
Задачи и ожидания клиента
Важно, что запрос клиента изначально не был техническим. Речь не шла о first-party данных, server-side или конкретных инструментах. Клиента интересовал результат на уровне бизнеса.
Основные задачи со стороны клиента:
- понять, почему реклама перестала стабильно окупаться;
- вернуть предсказуемость Google Ads;
- увеличить конверсию без увеличения бюджета;
- видеть реальную связь рекламы с деньгами, а не только с кликами.
Ожидания клиента:
- не «волшебные» цифры, а объяснимая модель;
- прозрачность: от клика до оплаченного заказа;
- решение, которое будет работать в долгую, а не временный «костыль».
Наше решение (почему именно так)
Прежде чем переходить к инструментам, мы разобрали, как менялись ключевые показатели бизнеса, а не только цифры в рекламных кабинетах. Для этого сопоставили данные за два периода:
- первые 6 месяцев 2025 года;
- последние 5 месяцев 2025 года.
Результаты этого сравнения были показательными:
- средний чек вырос примерно на 20%;
- средняя месячная выручка увеличилась на 18%;
- ROMI снизился с уровня около 1.0 до 0.69;
- стоимость привлечения клиента выросла почти на 40%.
Именно здесь стал заметен системный разрыв. Бизнес начал зарабатывать больше на одном заказе, но эффективность рекламы при этом снижалась. Это и стало основой ключевой гипотезы:
Google Ads обучался не на тех сигналах, которые отражают реальную ценность для бизнеса. Алгоритмы фиксировали факт оформления заказа, но не различали, какие из них были оплачены и приносили прибыль.
Ключевые этапы работы
Этап 1. Осознание проблемы на уровне данных
Первое, что мы сделали — перестали смотреть на рекламу в отрыве от CRM.
Когда мы сопоставили:
- клики и конверсии в Google Ads,
- заказы и оплаты в Bitrix24,
стало видно, что:
- часть заказов не выкупается;
- часть клиентов оформляет заказ с минимальной ценностью;
Google Ads считает их «успешными конверсиями». Поэтому в отдельные месяцы ROMI оказывался выше нормы, а в другие — резко проседал. Алгоритмы иногда угадывали правильную аудиторию, но не могли делать это стабильно.
Этап 2. Решение пересобрать архитектуру аналитики
Мы приняли решение сделать Bitrix24 центром всей логики оптимизации, а не просто учётной системой. Была спроектирована следующая цепочка:
Сайт → Bitrix24 (заказы, оплаты, клиенты) → server-side → GA4 → Google Ads
Это решение объяснили клиенту не технически, а бизнес-языком:
«Мы хотим, чтобы Google Ads учился на тех же данных, на которых вы принимаете решения о прибыли».
Этап 3. Передача реальных first-party данных
Из CRM Bitrix24 в рекламные системы начали передаваться:
- статус заказа (оплачен / отменён);
- реальная сумма покупки;
- данные клиента (email и телефон в хешированном виде);
- признак повторной покупки.
С этого момента Google Ads начал получать не абстрактные события, а реальные бизнес-факты.
Этап 4. Customer Match как логика, а не «фича»
Мы сознательно отказались от работы с обезличенными «широкими аудиториями».
На основе данных CRM были собраны сегменты:
- реальные покупатели;
- повторные клиенты;
- клиенты с высоким средним чеком;
- пользователи с брошенной корзиной.
Эти сегменты использовались:
- как сигналы для Performance Max;
- для корректировок ставок;
- для исключения уже купивших пользователей.
Реклама перестала работать вслепую, а начала опираться на реальные данные о клиентах и покупках.
Этап 5. Enhanced Conversions и server-side
Из-за cookie-ограничений и iOS часть конверсий не доходила до Google Ads, что замедляло обучение стратегий.
Внедрение enhanced conversions через server-side позволило:
- вернуть часть потерянных данных;
- повысить точность атрибуции;
- ускорить переобучение алгоритмов.
Этап 6. Offline Conversions — переломный момент
Ключевой этап проекта.
В Google Ads начали передаваться только оплаченные заказы с реальной суммой покупки.
Эффект был заметен уже на этапе обучения:
- дешёвые, но некачественные конверсии исчезли;
- стратегии начали ориентироваться на ценность, а не на количество.
Важно: в первые недели показатели временно просели — алгоритму требовалось время на переобучение. Клиент был предупреждён об этом заранее, поэтому мы не вносили резких изменений в кампаниии дали системе стабилизироваться.
Что не получилось сразу
Мы не замалчиваем сложности, потому что именно они формируют устойчивый результат:
- часть заказов не «мэтчилась» из-за ошибок в данных CRM;
- пришлось чистить дубли событий;
- Performance Max в начале показывал нестабильные результаты.
Эти моменты стали частью процесса и помогли клиенту глубже понять механику рекламы.
Результаты проекта
После стабилизации системы были зафиксированы следующие изменения:
- рост конверсии сайта на 18% (из 560−600 заказов в месяц, мы получили 670−700);
- снижение стоимости заказа примерно на 12%;
- рост доли оплаченных заказов на 20%;
- выравнивание ROMI даже при высоком CPC.
При этом важно то, что:
- рекламный бюджет не увеличивался;
- структура кампаний не усложнялась искусственно;
- рост был достигнут за счёт качества данных, а не объёма трафика.
Анализ проводился на основе данных Google Ads, GA4 и Bitrix24.
Отзыв клиента
«Наша компания благодарит команду сотрудников Qmedia.by за комплексную, ответственную и компетентную работу по созданию и продвижению интернет-магазина. В процессе сотрудничества команда глубоко погрузилась в бизнес-задачи, выстроила прозрачную аналитику и предложила решения, которые дали измеримый результат. Отдельно отмечаем системный подход Максима и то, как он понятно нам разложил сложные и спорные вопросы».
Выводы
Этот кейс наглядно показал:
- рост среднего чека сам по себе не гарантирует рост прибыли;
- CRM — это стратегический источник данных для рекламы, а не просто учёт заказов;
- first-party data для e-commerce — уже не тренд, а необходимость.
Планы развития
Совместно с клиентом запланированы:
- масштабирование Performance Max с учётом LTV;
- усиление работы с повторными покупками;
- дальнейшее развитие CRM-сегментации для рекламы.
Для интернет-магазинов реклама перестаёт быть затратой и начинает работать на рост выручки, когда выстроена связка Google Ads и CRM. Мы внедряем Bitrix24 и настраиваем передачу данных так, чтобы реклама опиралась на реальные оплаты и ценность заказов.