«Передвижник» продаёт художественные материалы в десяти магазинах и в интернете, и один и тот же покупатель легко перемещается между каналами: увидел баннер в Директе — купил мольберт на кассе; открыл письмо — ушёл думать — вернулся через неделю. Классическая веб-аналитика такие маршруты не видит. 

Рассказываем, как мы в KINETICA связали два канала с продажами: ДРР контекста упал с 39% до 18% за полгода, а email-канал принёс больше 30 млн ₽ выручки с ДРР 2–3% — и это без учёта офлайн-покупок, которые мы тоже научились отслеживать.

«Передвижник» — сеть магазинов профессиональных художественных материалов для художников, архитекторов и дизайнеров. Компания основана в 2005 году, первый магазин открылся в центре Москвы и быстро стал востребованным благодаря формату самообслуживания и широкому ассортименту. Сегодня сеть включает 10 магазинов, а ассортимент интернет-магазина превышает 12 000 товаров — от ластиков за 50 ₽ до итальянских мольбертов дороже 160 000 ₽.

Аудитория соответствующая: художники, иллюстраторы, архитекторы и дизайнеры — люди, которые мыслят визуальными образами. KINETICA работает с «Передвижником» с 2019 года и ведёт два направления: контекстную рекламу и email-маркетинг. За это время проект прошёл путь от настройки рекламных кампаний до построения единого контура данных, где оба канала считаются по реальной выручке — включая покупки на кассах в розничных магазинах.

Типичные для крупного омниканального e-commerce проблемы:

Отдельная сложность — сама структура бизнеса. Когда у сети есть и интернет-магазин, и десять розничных точек, путь покупателя почти всегда пересекает границу онлайн/офлайн, и «слепая зона» аналитики становится правилом. 

Поэтому прежде чем заняться оптимизацией, мы закрыли главный вопрос — видим ли мы вообще конкретные продажи.  

Для интернет-магазинов учёт офлайн-конверсий — обязательный элемент аналитики. Типичный путь покупателя выглядит так: переход на сайт → выбор товара → покупка в магазине или через другой канал. Рекламный источник формирует спрос и приводит клиента, но финальная транзакция не попадает в онлайн-аналитику. Без её учёта часть прибыльных каналов выглядит нерентабельной — и их можно отключить именно в тот момент, когда они обеспечивают значимую долю выручки.

При первой загрузке офлайн-продаж в Яндекс Метрику с визитами связались только 4% транзакций. Передача офлайн-конверсий требует корректной настройки Client ID — без связки Яндекс атрибутирует лишь незначительную долю транзакций. После настройки передачи Client ID в CRM показатель вырос до 87%.

Более точная атрибуция дала возможность корректно перераспределять бюджет между каналами. По нашей оценке, это стало одной из причин снижения ДРР на 5 п.п. — с 23% до 18%.

В email мы встретились с той же слепой зоной, но с другой стороны. Представьте путь творческого человека: художник открывает письмо с телефона, зачитывается обзором новой лимитированной серии красок, загорается идеей. Но не кликает «Купить онлайн» — ему нужно потрогать тубу и посмотреть на пигмент вживую при дневном свете. Он закрывает письмо, одевается и идёт в ближайший магазин сети. Если смотреть только в Яндекс Метрику — письмо отработало в ноль.

Мы связали email-адреса подписчиков в сервисе рассылок с базой номеров карт лояльности, которые пробиваются на кассах. И увидели, что человек получал рассылку, вообще не переходил на сайт, но в течение двух дней приходил в розничную точку и совершал покупку по карте лояльности. Это в корне изменило оценку рентабельности канала: email генерирует мощный отложенный офлайн-трафик.

С этого момента оба канала считались по одной валюте — реальной выручке, включая офлайн. 

В марте кампании показали 153 транзакции при CPO 1 095 ₽. Формально KPI был выполнен, поэтому кампании выглядели эффективными. С точки зрения бизнеса картина была другой: 153 покупки принесли выручку 429 360 ₽ при ДРР 39% — недостаточная рентабельность, фактически убытки.

Мы перевели кампании с оптимизации по средней стоимости конверсии на стратегию с ограничением по доле рекламных расходов. Для e-commerce с широким разбросом цен эта модель точнее: она удерживает целевой ДРР и одновременно даёт алгоритму пространство конкурировать за покупателей более дорогих товаров. Жёсткое ограничение по CPO делает ровно противоположное: система вынуждена конкурировать только за дешёвые заказы — кампания стабильно набирает низкий средний чек и растит ДРР.

Уже в следующем месяце после смены стратегии ДРР снизился более чем в два раза.

Запуск рекламы на весь ассортимент без приоритизации — распространённое решение: оно даёт охват, но снижает эффективность. Категории и товары по-разному конвертируются в зависимости от узнаваемости, наличия и ценовой конкурентоспособности, и часть бюджета уходит на позиции с низкой или нулевой рентабельностью.

Мы применили принцип Парето: около 20% товарных категорий формируют порядка 80% выручки. Из данных Яндекс Метрики выделили самые доходные категории. Например, чернографитные карандаши при 3 785 визитах принесли 65 641 ₽ выручки, а акварельные карандаши при визитах примерно на тысячу меньше — около 140 000 ₽, более чем вдвое больше при меньшем трафике.

Дополнительно провели ABC-анализ всего товарного ассортимента на основе онлайн- и офлайн-продаж: категория A — товары, формирующие основную долю выручки и прибыли, B — товары средней значимости, C — низкоприоритетные позиции с минимальным вкладом.

По итогам анализа перераспределили бюджет в пользу наиболее доходных категорий. Средний чек вырос до 5 227 ₽, ДРР снизился до 19% — более чем вдвое ниже показателя кампаний, где продвигался весь ассортимент без приоритизации.

Третье решение — связка офлайн-конверсий через Client ID. Мы подробно разобрали ее в блоке про фундамент выше: именно она подняла сопоставление транзакций с визитами с 4% до 87% и вместе с перераспределением бюджета снизила ДРР на 5 п.п., с 23% до 18%. 

Без разделения аудиторий алгоритм оптимизируется в сторону самых «дешёвых» конверсий — как правило, это текущие клиенты. У них выше вероятность покупки и ниже стоимость привлечения. Бюджет смещается в сторону повторных продаж, приток новых клиентов замедляется, а с ним ограничивается и рост бизнеса.

Мы разделили кампании на новых и существующих клиентов. Раздельная настройка дала три эффекта:

Для новых пользователей в рамках промоакций использовали офферы на первый заказ: кешбэк до 100% или скидку 10% на первую покупку. Действующим клиентам эти предложения не влияют на решение о повторной покупке, поэтому им показывали другие сообщения.

Товарная кампания — базовый инструмент продвижения широкого ассортимента в Яндекс Директе: минимум настроек, запуск в несколько кликов. По нашему опыту, формат хорошо работает в сезонные периоды и при задаче быстро масштабировать охват, но полная передача управления алгоритму неэффективна: кампания генерирует большой объём трафика, значительная часть которого нерелевантна, а ручная очистка затруднена.

Мы применили n-грамм-анализ: он раскладывает поисковый трафик на отдельные словоформы и позволяет оценить эффективность каждого элемента. На основе анализа сформировали расширенный список минус-фраз, что помогло точечно отсекать нецелевые запросы. Такая фильтрация в среднем снижает стоимость целевого действия на 10–15%.

Когда мы подключались к email-направлению, канал работал так: при запуске акции контент-менеджер брал готовый баннер с сайта, вставлял в письмо и отправлял по всей базе без деления на сегменты. Часть писем не доходила до «Входящих», часть подписчиков отмечала рассылку как спам, база постепенно выгорала.

Содержание письма не имеет значения, если почтовые провайдеры считают домен источником спама. Поэтому до сегментаций и красивых писем мы занялись технической базой:

Постмастеры. Аналитические панели крупных почтовых провайдеров показали, сколько писем доходит до «Входящих», по каким рассылкам жалуются пользователи, что режут спам-фильтры.

DMARC-политики. Защищают домен от фишинга и подтверждают почтовым системам легитимность отправителя.

FBL-отчёты. При нажатии кнопки «Это спам» провайдер присылает сигнал, и пользователь автоматически исключается из базы. База сокращается, репутация домена растёт.

Только после стабилизации доставляемости во «Входящие» мы перешли к проектированию пути клиента.

Триггерные рассылки настраиваются один раз и продолжают работать без постоянного участия маркетолога. Три сценария, которые мы внедрили: 

Когда человек только оставил email на сайте, он максимально лоялен — его нельзя сразу атаковать скидками. Мы сделали спокойный, вовлекающий онбординг: первый рассказывал о пяти главных причинах быть с нами — как работает кешбэк до 15% по карте лояльности, как получить бесплатную доставку, где искать новинки.

Через месяц приходило письмо «месяца дружбы»: небольшой промокод 5% и игра — прямо в письме мы нарисовали лабиринт и предложили помочь маскоту из него выбраться. Это снижает градус коммерции и показывает заботу.

Мы разделили триггер на два касания. За 10 дней до праздника дарим повышенную скидку 15% — творческие люди готовятся заранее, и человек успевает выбрать себе идеальный мольберт, набор маркеров или холст.

А в сам день рождения мы не продаём — дарим эмоции: письмо, в котором пользователя «лично» поздравляют великие творцы. Цитата от Леонардо да Винчи, напутствие от Сальвадора Дали и философское пожелание от Пикассо. Это письмо регулярно получало десятки восторженных ответов от растроганных подписчиков.

Художники — аудитория со специфическим паттерном потребления. Они покупают регулярно: закончился растворитель, засох линер, нужна новая бумага для акварели. Мы внедрили RFM-анализ (Recency — давность, Frequency — частота, Monetary — деньги) с одной концептуальной оговоркой: полностью убрали параметр Monetary.

Потому что в арт-сфере средний чек — не прямой показатель лояльности. Один клиент может купить дорогой итальянский деревянный мольберт за 30 000 ₽ раз в пять лет и больше не вернуться. А другой — студентка архитектурного вуза — будет каждую неделю стабильно покупать карандаши и скетчбуки на 500 ₽. Для LTV бизнеса студентка гораздо важнее покупателя мольберта.

Поэтому базу мы дробили только по осям R (давность) и F (частота): микро-сегментов стало меньше, управление базой — маневреннее, а жёсткие реактивационные офферы уходят только тем, кто действительно начал отваливаться в когорту «спящих».

Писать художникам канцелярским языком «Уважаемые клиенты, спешите приобрести товары со скидкой» — не сработает. Мы пошли в концепцию Human-to-Human и ввели постоянного персонажа — Максима. От его лица уходили все ручные рассылки: Максим шутил, делился наблюдениями из жизни и неочевидными фактами об искусстве. У рассылки появился живой голос.

А потом мы сделали ставку на геймификацию. Вот механики, которые повысили вовлечённость базы:

В течение августа Максим прятал в теле промо-писем крошечных слонов с картин Сальвадора Дали. Кликнув на слона, читатель получал балл и узнавал интересный факт о сюрреализме. Собрал всех слонов за месяц — получил секретную скидку.

Мы сгенерировали картины через нейросеть в стиле Ван Гога и предложили подписчикам, как профессионалам, угадать авторский стиль.

Письмо с дерзким заходом: «Сидел в фастфуде, ждал бургер и не удержался — начал рисовать на детской раскраске, лежавшей на подносе. Давайте рисовать вместе!» Ниже — сетка 12×12, где можно нарисовать пиксель-арт.

Игра «Угадай, что я нарисовал за 30 секунд» — простые каракули от Максима (палитра, мольберт, кисточка), которые нужно расшифровать.

Благодаря такому подходу наши рассылки перестали быть спамом — их начали ждать. Открываемость (OR) стабилизировалась на уровне 30–40% — для огромной e-com базы с десятками тысяч подписчиков это важный показатель.

Чтобы крутые триггеры приносили больше денег, в воронку нужно постоянно заливать новых пользователей. Для этого мы развернули систему умных виджетов на сайте магазина — вместо типичного баннера «Подпишись на новости». Всю техническую реализацию, настройку триггеров показа и дизайн мы взяли на себя.

За время работы провели более 40 A/B-тестов. Тестировали буквально всё: офферы (промокод 5%, промокод 10%, видеоурок), тайминги показа (сразу, через 40 секунд или при скролле 50% страницы), месседжи — от строгих призывов до лёгких шуток.

В зависимости от механики конверсия в подписку стабильно держалась в коридоре 1–5%. Мы непрерывно отсекали слабые гипотезы и масштабировали те, что давали самую дешёвую регистрацию.

ДРР снизился в 2 раза — с 39% до 18% за 6 месяцев. Результат сложился из пересмотра KPI, сегментации аудиторий, перераспределения бюджета в пользу доходных категорий, внедрения офлайн-конверсий и оптимизации трафика на основе n-грамм-анализа.

Сопоставляемость офлайн-транзакций с визитами выросла с 4% до 87%. Средний чек по кампаниям вырос до 5 227 ₽.

За время сотрудничества с 2019 года — более 30 000 транзакций, CPO без учёта брендового трафика — 701 ₽.

Более 30 млн ₽ выручки и свыше 15 000 покупок за почти 5 лет работы. ROI канала — выше 1500%, ДРР — 2–3%: в разы ниже, чем у платных источников трафика. И это без учёта офлайн-покупок по картам лояльности, которые мы научились отслеживать через сквозную аналитику.

OR — 30–40%, конверсия виджетов в подписку — 1–5%. Ключевой сдвиг — в оценке канала: ассоциированные офлайн-конверсии показали, что письма приводят людей не только на сайт, но и в розничные магазины.

Проект продолжается. Эксперты KINETICA готовят следующую фазу, в которой оба канала склеятся ещё плотнее:

AI-driven коммуникации. Нейросети проанализируют, что конкретно покупал пользователь, какие бренды предпочитает, какие механики писем открывает чаще всего. На основе этого алгоритм сам решит, какой товар предложить и в какой канал отправить сообщение, чтобы максимизировать конверсию.

Связка email → Директ. Если подписчик перестал открывать письма и ушёл в глухую «спячку», система захэширует его данные и передаст аудиторный сегмент в Яндекс Директ. Мы перестанем стучаться в закрытую почту и деликатно «догоним» его баннером с нужной акцией на поиске или в РСЯ.

То самое мультиканальное будущее, ради которого строился единый контур данных: один пользователь — одна коммуникация — все каналы.

Без Client ID в CRM и связки с картами лояльности вы видите 4% реальных продаж и принимаете решения по этой части. Возможно, прямо сейчас вы отключаете каналы, которые приносят кассовую выручку.

Жёсткий CPO заставляет алгоритм собирать дешёвые заказы. Ограничение по ДРР сохраняет рентабельность и оставляет алгоритму путь к дорогим покупкам.

RFM без «M» — подстройка метода под реальное поведение аудитории.

Персонаж, игры и «тыква вместо промокода» в нише художников обеспечили OR 30–40% — это про уважение к читателю.

Оставить заявку на нашем сайте или обсудить проект с продакшн-директором KINETICA в Telegram