В массовых нишах реклама часто дает результат довольно быстро: есть клики, заявки, звонки, продажи.
Алгоритм получает сигналы, обучается и постепенно начинает приводить всё более подходящую аудиторию.
Но в B2B всё работает иначе.
Если вы продаёте станки, промышленное оборудование, инструмент, комплектующие или другой сложный продукт, реклама почти никогда не даёт «лёгких» конверсий. Аудитория узкая, цикл сделки длинный, решение принимается не за 5 минут, а иногда неделями. В итоге Яндекс.Директ просто не получает достаточно понятных сигналов для обучения.
Снаружи это выглядит знакомо:
- клики есть;
- деньги тратятся;
- отчёты вроде бы заполняются;
- а прозрачных лидов почти нет.
Именно с такой ситуацией мы столкнулись в проекте интернет-магазина металлорежущего инструмента и оснастки inistacnc.ru.
Задача была не просто «подкрутить рекламу», а понять, как обучить Яндекс.Директ в сложной B2B-нише, если прямых заявок мало, а алгоритму буквально не на чем учиться.
В итоге без увеличения бюджета нам удалось снизить стоимость конверсии с 8063 ₽ до 564 ₽ и получить базу для дальнейшего масштабирования.
Почему Директу тяжело в B2B
Главная проблема сложных ниш в том, что реклама там почти всегда сталкивается с дефицитом данных.
В e-commerce с простым товаром пользователь может:
увидеть объявление → перейти на сайт → положить товар в корзину → купить.
В B2B-модели всё иначе:
- человек изучает ассортимент;
- сравнивает поставщиков;
- смотрит характеристики;
- возвращается на сайт несколько раз;
- советуется внутри компании;
- и только потом делает целевое действие.
Из-за этого возникает сразу несколько сложностей:
- прямых заявок мало;
- форм заполняют редко;
- «быстрых» лидов почти нет;
- алгоритм не понимает, кого искать;
- стратегия не может полноценно обучиться.
То есть проблема часто не в том, что реклама «плохая».
Проблема в том, что системе не хватает корректных сигналов, чтобы понять, какой пользователь действительно близок к сделке.
Что было на старте
Проект работал с бюджетом до 80 000 ₽ в месяц.
В качестве конверсий фиксировались в основном кликовые действия:
- звонки;
- email;
- переходы в корзину;
- обращения в мессенджеры.
Средняя стоимость такой конверсии была около 8000 ₽.
Кампании уже были разбиты:
- по категориям оборудования;
- по регионам — Москва, Санкт-Петербург и Россия;
- по группам ключевых слов;
- с упором на оптимизацию кликов.
Вроде бы база была. Но этого оказалось недостаточно.
Потому что в реальности проект упирался в типичную B2B-проблему:
алгоритм видел много разрозненных действий, но не видел воронку целиком.
В чём была главная ошибка
Очень часто в сложных нишах реклама работает по одному из двух неудачных сценариев.
Первый сценарий
Пытаются оптимизировать кампании только по прямым заявкам.
Звучит логично, но если таких заявок мало, Яндекс.Директ просто не может стабильно обучиться. Слишком мало данных.
Второй сценарий
Начинают опираться только на клики и дешевые микро действия.
Данных становится больше, но качество обучения падает. Алгоритм начинает искать не тех, кто реально близок к сделке, а тех, кто просто чаще кликает.
В обоих случаях результат один:
- обучение нестабильное;
- CPA высокий;
- лиды неочевидные;
- реклама не масштабируется.
Перейти на первоисточник DFAKTOR
Что мы сделали сначала
Первым делом мы разобрали сайт буквально по слоям и посмотрели, какие действия пользователя действительно можно считать шагом к продаже.
Собрали:
- все формы сайта;
- точки контакта;
- значимые URL;
- действия, которые показывают интерес к покупке.
Дальше:
- настроили цели через JS;
- объединили важные действия в составную цель;
- отдельно вынесли URL верхнего уровня воронки: contacts, order, basket;
- добавили кликовые конверсии через автоцели.
Это был очень важный шаг.
Потому что до этого реклама видела в основном отдельные сигналы, а после настройки целей начала видеть более полную модель поведения пользователя.
Проще говоря, мы начали объяснять алгоритму:
«Вот это — не просто случайный клик. Это уже шаг в сторону заявки».
Почему это важно
В сложной B2B-нише нельзя давать системе только один тип сигнала.
Если лидов мало, нужно строить лестницу конверсий:
- редкие, но самые ценные действия;
- промежуточные шаги;
- более частые микро конверсии;
- поведенческие сигналы, которые помогают обучению.
Тогда у алгоритма появляется не «чёрно-белая» картина, а полноценная структура:
кто просто зашёл, кто проявил интерес, а кто уже близок к обращению.
Именно это и помогает Яндекс.Директу начать нормально обучаться.
Что произошло после перестройки целей
После того как мы передали все собранные сигналы в оптимизацию и отчетность, цифры начали меняться.
Ноябрь
- Показы: 13 502
- Клики: 1 055
- CTR: 7,81
- Расход: 64 509,12 ₽
- CPC: 61,15 ₽
- Конверсии: 8
- CPA: 8063,64 ₽
Декабрь
- Показы: 16 313
- Клики: 1 438
- CTR: 8,82
- Расход: 80 333,28 ₽
- CPC: 55,86 ₽
- Конверсии: 24
- CPA: 3347,22 ₽
Уже здесь было видно, что система начала работать точнее:
- расход сохранили в рамках плана;
- конверсий стало больше;
- стоимость обращения заметно снизилась.
И это произошло не из-за увеличения бюджета, а из-за того, что алгоритм получил больше полезных данных для обучения.
Самый сложный этап — не запуск, а ожидание
Есть один момент, который часто недооценивают.
Когда работаешь со сложными B2B-нишами, важно не просто «настроить всё правильно».
Важно еще и не мешать стратегии обучаться.
После перестройки целей мы не стали хаотично пересобирать кампании каждые несколько дней. Вместо этого неделя за неделей:
- собирали отчеты;
- тестировали корректировки;
- перераспределяли бюджеты между регионами;
- работали со стоимостью конверсии;
- помогали пакетным стратегиям пройти обучение.
Это скучная часть работы, но именно она часто даёт реальный результат.
Потому что обучение в B2B — это не магическая кнопка.
Это управляемое накопление статистики.
Когда реклама наконец «поняла», кого искать
По одному из периодов получили такие результаты:
- Показы: 11 997
- Клики: 1 055
- CTR: 8,79
- Расход: 52 474,86 ₽
- CPC: 49,74 ₽
- Конверсии: 93
- CPA: 564,25 ₽
Именно на этом этапе появилась первая действительно значимая конверсия действия — уже не просто микро сигнал, а более прозрачный лид, который можно показать клиенту как результат.
Это очень важный маркер.
Потому что задача была не просто «сделать цифры красивее».
Задача была в том, чтобы Директ начал находить аудиторию, которая действительно движется к сделке.
Узнать подробности можно на сайте DFAKTOR
Почему иногда проблема не в объявлениях, а в географии
Еще одна частая проблема сложных ниш — слишком узкий охват.
Даже если цели настроены хорошо, стратегия может не обучаться просто потому, что ей не хватает объёма данных внутри конкретного региона.
У нас хорошо работали кампании по РФ и Москве.
А вот Санкт-Петербург долго не мог выйти на нужный объём: конверсий было недостаточно, обучение шло нестабильно.
Тогда мы приняли простое решение — расширили географию с Санкт-Петербурга до всего СЗФО.
Что это дало:
- охват вырос;
- статистики стало больше;
- качество трафика не ухудшилось;
- алгоритм получил больше пространства для поиска аудитории.
В результате кампания начала собираться в стабильную рабочую стратегию.
Лучший результат за период
После расширения региона проект показал лучшую неделю за всё время работы:
- Показы: 3 899
- Клики: 308
- CTR: 7,9
- Расход: 18 386,45 ₽
- CPC: 59,7 ₽
- Конверсии: 39
- Стоимость конверсии: 471,45 ₽
Дополнительно пришли 2 конверсии действия — то есть уже понятные целевые лиды.
По сути, это был момент, когда направление СПб/СЗФО окончательно вышло из нестабильной зоны и стало готово к дальнейшему масштабированию.
Что в итоге реально помогает обучить Яндекс.Директ в B2B
Если убрать детали, то рабочая схема выглядит так:
1. Не пытаться учить алгоритм только на редких заявках
Когда лидов мало, этого недостаточно для стабильной оптимизации.
2. Собрать правильную систему целей
Нужны не только финальные действия, но и промежуточные сигналы, которые отражают интерес пользователя.
3. Передать в оптимизацию больше корректных данных
Чем точнее реклама понимает поведение аудитории, тем лучше работает стратегия.
4. Дать системе накопить статистику
В сложной нише обучение требует времени. Резкие изменения часто только мешают.
5. Не зажимать кампании слишком узким охватом
Иногда стратегия не обучается не потому, что плохая, а потому что ей банально тесно.
Итоги кейса
Что получили в результате:
- сохранили рекламный бюджет в рамках изначального плана;
- снизили стоимость конверсии с 8063 ₽ до 564 ₽;
- вышли на 39 конверсий за неделю по 471,45 ₽;
- начали получать прямые конверсии действия;
- обучили кампании по РФ и Москве;
- до обучили направление СПб за счёт расширения до СЗФО;
- создали базу для дальнейшего масштабирования.
Главный вывод
Если Яндекс.Директ не обучается в сложной B2B-нише, проблема часто не в ставках и не в тексте объявлений.
Чаще всего причина в другом:
- мало данных;
- слабо настроены цели;
- в оптимизацию передаются не те сигналы;
- воронка для алгоритма слишком короткая;
- охват недостаточен для накопления статистики.
И когда это исправляешь, реклама начинает работать совсем по-другому.
Не мгновенно. Не по щелчку. Но заметно стабильнее и понятнее для бизнеса.
А у вас какая ситуация?
Если в вашем проекте:
- дорогие клики;
- мало заявок;
- непонятно, почему стратегия не обучается;
- реклама даёт трафик, но не дает внятных лидов —
напишите в наш Telegram-бот слово «станки»:
Разберём:
- какие сигналы сейчас получает реклама;
- чего не хватает для обучения;
- какие цели стоит передавать в оптимизацию;
- как снизить стоимость обращения без увеличения бюджета.
Подробности на сайте DFAKTOR