# Персонализация рекламы в Mindbox: как CRM-сегменты усиливают платный трафик > Рекламный кабинет видит клики, CRM — выручку, возвраты и повторные покупки. Разбираем, как выгружать сегменты из Mindbox в Директ и VK Рекламу, строить look-alike на лучших клиентах и резать показы… **Рубрика:** Статьи **Автор:** Дарья Касаткина, CRM-маркетолог, ClientCore **Дата:** 2026-09-22 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. > **Читайте также:** [Мобильные пуши в Mindbox: как запустить канал, который возвращает клиентов дешевле SMS](https://clientcore.ru/blog/articles/mobilnye-pushi-v-mindbox-kak-zapustit-kanal-kotoryy-vozvraschaet-klientov-deshevle-sms) ## 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](https://clientcore.ru/blog/articles/keis-minidino-rost-effektivnosti-email)). 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. **Норма** - сегменты пересчитываются ежедневно, выгрузка идет по расписанию; - в кабинете видно, когда аудитория обновлялась последний раз; - состав сегментов пересматривают раз в квартал под текущие кампании. **Red flag** - аудитория загружена файлом полгода назад и с тех пор не менялась; - в выгрузке вся база одним списком «на всякий случай»; - никто не знает, какой сегмент к какой кампании привязан. ## 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. **Норма** - исходник — 3–5% лучших клиентов, очищенных от возвратов и тестов; - сегмент-ядро живой, обновляется автоматически; - эффективность LAL сравнивают с другими кампаниями на привлечение. **Red flag** - LAL построен на всей базе, включая разовых покупателей; - в исходник попали сотрудники и отмененные заказы; - модель построена год назад и с тех пор не обновлялась. ## 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](https://clientcore.ru/blog/articles/keis-finntrail-rost-vyruchki-email)). 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. > **Читайте также:** [Механики акций в Mindbox: что умеет платформа и как выбрать промо под задачу](https://clientcore.ru/blog/articles/mehaniki-akciy-v-mindbox-chto-umeet-platforma-i-kak-vybrat-promo-pod-zadachu) --- [Открыть статью на сайте](https://clientcore.ru/blog/articles/personalizaciya-reklamy-v-mindbox-kak-crm-segmenty-usilivayut-platnyy-trafik)