Персонализация рекламы в Mindbox: как CRM-сегменты усиливают платный трафик

Ставки в аукционе растут, а приличная доля бюджета по-прежнему уходит на людей, которые купили бы и без рекламы — или уже купили. Пиксель рекламной системы фиксирует клик и событие на сайте, но про возврат товара, офлайн-покупку и три года лояльности клиента он ничего не знает. И обучает кампанию на той картине, которую видит.

Вся недостающая картина лежит в CRM: история заказов, маржа, частота покупок, категории, отказы. Когда эти данные попадают в рекламные кабинеты, начинается настоящая персонализация рекламы в Mindbox-логике — каждый сегмент получает свой оффер, а бюджет работает на тех, кто нужен бизнесу. Как собрать такую связку и где она обычно ломается, объясняет Дарья Касаткина, CRM-маркетолог ClientCore.

Что рекламный кабинет не знает о ваших клиентах

Рекламная система оптимизируется под те сигналы, к которым у нее есть доступ. Сайт и пиксель дают ей поведение в онлайне: визиты, корзины, оформленные заказы. Уже хорошо, но этого мало.

Кабинет не видит, что заказ отменили после звонка, что товар вернули, что клиент покупает в офлайн-точке каждый месяц, а на сайт зашел один раз. Он не отличает покупателя с чеком 3 000 рублей от покупателя с чеком 80 000. Для алгоритма оба — конверсия.

Отсюда типовые перекосы. Ретаргетинг догоняет человека, который вчера забрал заказ. Кампания на привлечение новых клиентов крутится на тех, кто и так покупает годами. Look-alike обучается на смеси лучших клиентов, разовых покупателей с распродажи и чужих тестовых заказов. Бюджет тратится честно, просто не на тех.

Какие сегменты собрать в Mindbox перед выгрузкой

Ошибка номер один — выгрузить в рекламу всю базу одним списком. Такой файл почти бесполезен: в нем перемешаны люди с разной ценностью и разными задачами. В Mindbox сегменты аудитории стоит собирать под конкретные рекламные сценарии.

Рабочий минимум для старта выглядит так:

• Топ-клиенты по выручке или LTV — ядро для look-alike, обычно 3–5% базы.
• Покупатели конкретных категорий — под кампании кросс-продаж и запуск новинок.
• Спящие с историей покупок — аудитория для кампаний на возврат, ей можно показывать оффер посильнее.
• Купившие в последние N дней — сегмент на исключение из показов.
• Возвраты и жалобы — тоже на исключение, чтобы не платить за показы тем, кто ушел с негативом.

Зачем вообще такая точность — хорошо видно на проекте MINIDINO. Там рассылки уходили всей базе без разбора, и мы пересобрали логику вокруг точности попадания, а не охвата: +110% к эффективности email за квартал (кейс). С платным трафиком механика та же, только цена ошибки выше — за каждый лишний показ списываются деньги.

Как устроена автовыгрузка сегментов в рекламные системы

Ручной экспорт csv раз в месяц — главная причина, почему связка CRM и рекламы умирает через квартал после запуска. Пока маркетолог доберется до выгрузки, сегмент уже устарел: в нем люди, которые успели купить, вернуться или уйти.

В Mindbox сегменты выгружаются в рекламные кабинеты автоматически — в Яндекс Аудитории (оттуда они доступны в Директе) и в VK Рекламу. Сегмент пересчитывается по расписанию, список на стороне рекламной системы обновляется сам. Клиент оформил заказ — выпал из сегмента «не покупали 30 дней» — перестал видеть кампанию на возврат. Без участия человека.

Технически это выглядит так: контакты сегмента (email и телефоны) передаются в рекламную систему, где хешируются и сопоставляются с ее пользователями. Совпадение никогда не бывает стопроцентным — часть людей не находится по этим данным. Матчинг в районе 40–60% считается нормальным, это не признак поломки.

Look-alike на CRM-сегментах: выбираем исходник

Look-alike в Директе и VK Рекламе строится от загруженного списка: алгоритм ищет пользователей, похожих на людей из сегмента. Поэтому качество исходника решает почти все. Look-alike на всей базе даст клонов среднего покупателя — включая тех, кто купил один раз по промокоду и исчез.

Для обучения берут лучших: топ по выручке, по числу заказов, по LTV. Сегмент чистят от сотрудников, тестовых карт, возвратов. По объему ориентир простой: для загрузки нужно от тысячи контактов, для уверенного обучения — несколько тысяч.

У ритейлера одежды строили look-alike на всей базе — 400 тысяч контактов. Алгоритм нашел клонов людей, которые брали по одной вещи на распродаже. Пересобрали исходник на 4% топ-клиентов по выручке — стоимость привлечения упала на треть при том же бюджете».

Дарья Касаткина

CRM-маркетолог, ClientCore

Отдельный момент — свежесть. Клиентская база меняется, и look alike сегменты стоит пересобирать по мере обновления исходника. Если ядро полгода не менялось, модель ищет похожих на клиентов полугодовой давности.

Минус-аудитории: кого исключать из показов

Персонализация рекламы — это еще и дисциплина исключений. Первое правило: из кампаний на привлечение новых клиентов вычитают всю активную базу. Звучит очевидно, но на аудитах мы находим такое регулярно.

Второе: из ретаргетинга убирают тех, кто купил товар в последние N дней. Срок зависит от цикла покупки — для одежды одно, для БАДов другое.

Проверяли ретаргетинг у одного ритейлера: 22% бюджета уходило на показы людям, которые купили в последние 7 дней. Им крутили тот же товар, что они уже забрали. Добавили минус-аудиторию — освободившиеся деньги закрыли охват новых сегментов без роста бюджета».

Дарья Касаткина

CRM-маркетолог, ClientCore

При этом текущие клиенты — законная аудитория для кампаний на повторную продажу, просто оффер им нужен другой. Купившим шкаф показывают комод и тумбу, а срок давности подбирают под категорию. Логика та же, что в FINNTRAIL: там каждое письмо получала вся база разом, без единого сегмента, а когда команда перешла к персонализированным рассылкам, выручка канала выросла на 15% (кейс). В рекламе этот принцип работает так же — разные сегменты, разные креативы, разные ставки.

Как измерить эффект от CRM-аудиторий

Оценивать связку по CTR — верный способ принять неверное решение. Точная аудитория часто дает меньше кликов, потому что показов меньше и они прицельнее. Смотреть нужно на стоимость заказа, долю действительно новых клиентов и выручку когорты.

Базовая схема измерения — сравнение кампаний: одна работает на CRM-аудиторию или look-alike от нее, вторая — на стандартный таргетинг по интересам. Бюджеты сопоставимые, период — хотя бы 4–8 недель, чтобы набрать статистику по заказам, а не по кликам.

Сильный ход — контрольная группа. Часть сегмента, скажем 10–20%, сознательно не получает рекламу. Через месяц-два сравниваете выручку и повторные покупки тех, кто видел кампанию, с теми, кого не трогали. Разница и есть реальный вклад, очищенный от органики. В Mindbox такие сравнения удобно строить, потому что вся история клиента уже лежит в одной системе.