Сантехника.ру: −28% стоимости продажи и +12% объёма за 8 недель

Большой ассортимент — большой ад в кампаниях

У Сантехника.ру более 10 000 SKU и порядка 200+ активных кампаний в Яндекс.Директе. Каталог покрывает всё: от смесителей за 2 000 ₽ до душевых кабин за 200 000 ₽. Доставка по всей стране — а это десятки гео-разбивок и разная логистика в каждом регионе.

За год до сотрудничества средняя стоимость продажи постепенно росла, а маржа от рекламы — снижалась. При этом «по верхним цифрам» казалось, что всё в порядке: бюджет осваивается, продажи идут. Но в разрезе по SKU и гео картина была другая — больше четверти бюджета уходило в системно убыточные направления.

• 200+ кампаний, 10 000+ SKU — невозможно ручное управление
• Некоторые гео дорогие, но почти не дают конверсий (или высокий процент возвратов)
• Часть SKU генерирует клики и заказы, но после возвратов уходит в минус
• Авто-стратегии оптимизируются на «покупку», а маржу не видят
• Закупочная команда не знает какие SKU стоит расширять, а какие — нет

Сначала почистили — потом сфокусировали

Команда Scorika Performance взяла ведение кампаний. Подключили платформу, провели аудит за 2 недели, и в следующие 6 недель планомерно перестраивали структуру и аукционы. Принцип — никаких революций, только последовательная оптимизация на данные.

1. Аудит: SDK + интеграция с 1С/CRM + 250+ сигналов

   SDK на santehnica.ru, поведенческие данные собираются для каждого посетителя по 250+ сигналам. Через API подгрузили данные продаж и возвратов из 1С — связали клик с реальной маржой и историей покупок.
2. Построили поведенческий портрет «купит» для каждого SKU

   Главный шаг. Для каждой категории товаров модель научилась распознавать паттерн посетителя, который реально купит именно этот SKU: с какого устройства, в какое время, как долго сравнивает, на каких странах задерживается. Не «вероятность покупки вообще», а «вероятность покупки конкретной категории».
3. Отключили сегменты без «похожих на купивших»

   Модель показала: в 12 регионах × 1500+ SKU посетителей с поведенческим портретом «купит» — почти нет. Реклама в этих комбинациях привлекает людей, которые не имеют поведенческого сходства с купившими. Эти 23% бюджета и 15% SKU отключили — высвободили деньги.
4. Виртуальные конверсии: «похожий на купившего» вместо «купил»

   В Директ передаём не факт покупки (узкая база), а скор сходства с купившими + сегмент маржинальности: Похож на купившего (низкая маржа), Похож (средняя), Похож (высокая маржа). Авто-стратегии переучились искать похожих по поведению на высокомаржинальных покупателей.
5. Сфокусировали бюджет на сегментах с «почти купившими»

   Те SKU, у которых много посетителей с высоким сходством с купившими, но без самой покупки — это «золотая жила». Сюда направили усиленный бюджет и расширенные креативы. Эффект — поймали тех, кто «почти купил, но не дошёл».
6. Дашборд для закупок

   Сделали отдельный отчёт для закупочной команды — какие SKU дают лучшую маржу и где сильнее всего «спрос с похожих на покупателей». Маркетинг впервые повлиял на закупочную логику.

К концу второго месяца — новая экономика по всему портфелю

Первые две недели — аудит без вмешательства. Следующие шесть недель — поэтапное отключение убыточного, перенастройка стратегий, накопление статистики. К восьмой неделе портфель кампаний полностью перенастроен и стабилен.

Самое неочевидное — отключение 15% SKU из платной выдачи не уронило выручку. Эти товары и так почти не продавались с рекламы, только сжигали бюджет. После перераспределения суммарный объём продаж даже вырос — за счёт топовых SKU, на которые освободилось больше бюджета.

Похожие истории на других продуктах