Как MnogoMeb.ru увеличил продажи на 252% с помощью предиктивной оптимизации

Когда классические инструменты перформанс-маркетинга перестают давать рост, бизнес сталкивается со «стеклянным потолком»: кампании работают стабильно, но масштабировать их без потери эффективности становится сложно. В кейсе MnogoMeb.ru команда Kokoc Performance (входит в Kokoc Group ) совместно с Sales Ninja протестировала подход к предиктивной оптимизации рекламных кампаний и получила рост продаж на 252% при снижении доли рекламных расходов. Представители компаний рассказали Sostav, как удалось усилить обучение алгоритмов и найти новые точки роста в e-commerce.

О проекте

MnogoMeb.ru — независимый e-commerce-проект в мебельной нише, работающий в условиях высокой конкуренции и давления со стороны маркетплейсов.

Команда Kokoc Performance подключилась к проекту еще в 2017 году и на протяжении нескольких лет развивала диджитал-направление клиента. В 2025 году сконцентрировали внимание на развитии перформанс-маркетинга и поиске новых точек масштабирования в условиях роста стоимости трафика, усиления конкуренции и ограничений классических инструментов привлечения.

Контекст: почему стандартного перформанс уже недостаточно

Последние годы для многих игроков рынка можно назвать «идеальным штормом», а независимые e-commerce-проекты находятся в его эпицентре. Множество факторов давят с разных сторон, заставляя бизнес буквально бежать, чтобы оставаться на месте.

Рассмотрим сегмент нашего героя — MnogoMeb.ru, независимый мебельный ecom:

1. За один только 2024 год Wildberries увеличил свое присутствие в сегменте мебели в 1,5 раза. За 2025 год пока нет полной статистики, но известно о регулярном росте комиссий: например, Ozon повышал их шесть раз за год. При этом влияние маркетплейсов ощущают все игроки — вне зависимости от того, продают ли они на этих площадках.
2. Параллельно произошли изменения в рекламной среде. Уход западных платформ сократил предложение инвентаря, тогда как спрос остался на прежнем уровне. Это усилило медиаинфляцию: если в 2024 году стоимость мебели выросла примерно на 5,8%, то средняя стоимость конверсий (CPA) в Рунете увеличилась на 32,5%. С высокой вероятностью статистика 2025 года после подсчетов сохранится такой же.
3. Органический трафик также перестает быть стабильной опорой. Несмотря на ограниченное количество исследований по «Яндексу», данные по Google в мире показывают снижение кликабельности в среднем на 34,5% (и до 79% в отдельных кейсах) после внедрения AI Overview. Это означает, что органика больше не может рассматриваться как гарантированный источник трафика.
4. К этому добавляется рост налоговой нагрузки: с 2026 года порог применения пониженной ставки УСН снижается до 20 млн рублей выручки (с дальнейшим уменьшением до 10 млн руб.), увеличивается НДС и сокращается количество льгот.

В итоге рынок все больше напоминает игру со стульями: участников становится больше, а доступных ресурсов — меньше.

В таких условиях усложнение маркетинга и переход к более технологичным решениям — уже не эксперимент, а необходимость.

Проблема: «стеклянный потолок» перформанс

В рамках работы с MnogoMeb.ru команда Kokoc Performance столкнулась с типичной для зрелого e-commerce задачей: классические инструменты перформанс перестали давать рост.

Удалось выжать максимум из стандартных инструментов «Яндекс Директа», после чего проект упорся в «стеклянный потолок».

Ситуация выглядела так:

• несколько ключевых категорий обеспечивали основной объем продаж;
• они поддерживались 4−8 рекламными кампаниями с 20−50 конверсиями в неделю;
• эти кампании стабильно работали и были основными драйверами.

При этом:

• второстепенные категории практически не масштабировались;
• при объединении с сильными кампаниями они теряли трафик;
• в отдельных кампаниях не хватало данных для обучения;
• оптимизация по микроконверсиям (например, «добавление в корзину») давала жизнь кампаниям, но не приводила к покупкам.

Таким образом, перед командой Kokoc Performance стояли две задачи:

1. Масштабировать уже эффективные направления.
2. Повысить результативность слабых категорий при адекватной стоимости лида.

Решение: подключение предиктивной оптимизации

Для решения этих задач команда Kokoc Performance подключила платформу для предиктивного AI-маркетинга Sales Ninja.

Выбор был обусловлен двумя факторами:

• зрелостью и технологическим уровнем решения;
• наличием у команды экспертизы по работе с такими инструментами.

Как работает предиктивная оптимизация

Платформа дополняет стандартные алгоритмы рекламных систем. С помощью собственного пикселя собирает поведенческие данные пользователей на сайте, обогащает их и строит поведенческую модель. В отличие от стандартной рекламной автостратегии, которая работает на уровне аукциона, модель анализирует поведение пользователя и рассчитывает вероятность конверсии. Далее эта вероятность используется для формирования дополнительной автостратегии, которая «оборачивает» стратегию «Директа» и передает в нее сигналы в нужный момент.

В результате:

• вместо одной стратегии используется две;
• они не конкурируют, а усиливают друг друга;
• алгоритмы получают больше данных для обучения.

Предиктивные аудиторные сегменты

Дополнительно команда Kokoc Performance внедрила работу с еще одним продуктом Sales Ninja — предиктивными аудиторными сегментами. Это модели, которые оценивают вероятность покупки конкретного пользователя в ближайшее время.

Инструмент позволил реализовать два сценария:

• предиктивный ретаргетинг — фокус на пользователях с высокой вероятностью покупки;
• умная балансировка ставок — перераспределение бюджета внутри кампаний.

Логика работы:

• пользователи с высокой вероятностью покупки получают повышенные ставки;
• пользователи с низкой вероятностью — понижаются в приоритете.

Таким образом, команда Kokoc Performance дополнила стандартное обучение «Директа» точечной работой с конкретными пользователями.

Тестирование инструмента

По инициативе Kokoc Performance инструмент был внедрен во все ключевые направления, чтобы получить репрезентативную выборку. Помимо различных типов рекламного трафика, тестирование также проводилось на разных товарных категориях.

Корпусная мебель

Первым направлением для тестирования стала корпусная мебель. В качестве сравнительного периода были выбраны ноябрь и декабрь 2025 года:

• в ноябре инструмент не использовался;
• в декабре он был подключен к уже работающим рекламным кампаниям.

Товарная кампания

В течение ноября товарная кампания не принесла продаж: пользователи добавляли товары в корзину, однако конверсии в покупку отсутствовали. После подключения платформы в декабре наблюдалась следующая динамика:

• рост трафика — +65% (рост кликов с 3 568 до 5 894);
• рост добавлений в корзину — +191% (с 58 до 169);
• появление первых продаж по кампании;
• показатель ДРР (доля рекламных расходов) по итогам месяца оказался ниже планового и составил 2%.

DSA-кампания

Аналогичное тестирование было проведено в динамических поисковых объявлениях (DSA). Результаты также показали положительную динамику:

• рост трафика — +344% (рост кликов с 29 до 129);
• увеличение добавлений в корзину — в 7 раз (в ноябре была получена только одна конверсия по добавлению товара в корзину, что объясняет высокую относительную динамику);
• появление продаж;
• ДРР по итогам декабря соответствовал плановому значению и составил 18%.

Мягкая мебель

Вторым и основным направлением тестирования стала категория мягкой мебели. Тестирование проводилось в товарной кампании по аналогичной модели:

• ноябрь — кампания работала без Sales Ninja;
• декабрь — инструмент был подключен.

По итогам теста были получены следующие результаты:

• рост трафика — +118% (рост кликов с 12 021 до 26 263);
• рост добавлений в корзину — +189% (с 317 до 917);
• рост покупок — +252% (с 21 до 74);
• снижение ДРР на 33% (с 20,12% до 13,44%).

Таким образом, использование Sales Ninja позволило снизить ДРР ниже планового показателя при одновременном росте объема продаж.

A/B-тестирование смарт-баннеров

Дополнительно в декабре было проведено A/B-тестирование смарт-баннеров (сравнение основной и тестовой кампаний).

Механика теста:

• основная кампания оптимизировалась по стандартным целям: «добавление в корзину» и «покупка»;
• тестовая кампания использовала те же цели, но дополнительно была оптимизирована на цель Sales Ninja.

Результаты тестирования показали заметное преимущество тестовой кампании:

• рост трафика — +265% (рост кликов с 295 до 1 078);
• рост добавлений в корзину — +111%;
• количество продаж — в 2 раза выше;
• снижение ДРР на 31%.

Выводы

По итогам тестирования команда Kokoc Performance (входит в Kokoc Group) сформулировала несколько ключевых выводов:

• предиктивная оптимизация усиливает стандартные перформанс-инструменты;
• позволяет масштабировать кампании без потери эффективности;
• улучшает качество привлекаемой аудитории;
• снижает ДРР;
• требует тестирования на разных сегментах и форматах.

Итог

Глобальные изменения рынка — это не только давление, но и возможность для роста.

В кейсе MnogoMeb.ru команда Kokoc Performance (входит в Kokoc Group) не ограничилась стандартной оптимизацией, а внедрила дополнительный слой работы с данными — предиктивную модель Sales Ninja.

Это позволило:

• преодолеть «стеклянный потолок» перформанс;
• увеличить объем продаж;
• снизить долю рекламных расходов;
• повысить управляемость кампаний.

В условиях усложнения диджитал-среды такие решения становятся не просто конкурентным преимуществом, а необходимым инструментом для роста и развития.