Sostav.ru
Москва, ул. Полковая 3 стр.3, офис 120
© Sostav независимый проект брендингового агентства Depot
Использование опубликованных материалов доступно только при указании источника.

Дизайн сайта - Liqium

18+

Кейс Midea, MethodMedia и MediaSniper: как получить конверсию на 20% выше плана

О том, как поведенческие данные, глубинная кластеризация и Look-alike помогли получить перформанс-результат в программатике

1

Рынок бытовой техники отличается высокой конкуренцией: пользователю доступны десятки брендов с сопоставимым ассортиментом, а решение о покупке часто формируется не за один контакт с рекламой. Для бренда бытовой техники Midea было важно не просто увеличить количество качественных переходов на сайт, а найти пользователей с реальным интересом к категории и довести их до конкретных целевых действий. Как решили эту задачу, команда проекта рассказала Sostav.

В июне 2026 года команда Method Media совместно с программатик-платформой MediaSniper запустила рекламную кампанию Midea с использованием данных Platforma. В основу стратегии легла работа с поведенческими паттернами и транзакционной активностью пользователей, их кластеризация и последующее масштабирование наиболее эффективных аудиторий с помощью Look-alike.

Задача: найти пользователей не только с интересом, но и с потребностью

Для бытовой техники одного интереса к категории недостаточно. Пользователь может регулярно читать обзоры, интересоваться ремонтом или посещать маркетплейсы, но при этом не планировать покупку в ближайшее время.

Поэтому перед командой стояла задача точнее определить аудиторию, которая находится на разных этапах формирования потребности, и сфокусировать рекламные контакты на наиболее релевантных пользователях.

Стратегия должна была одновременно работать с существующим спросом и находить пользователей, которые еще не ищут бытовую технику напрямую, но уже демонстрируют поведение, указывающее на потенциальную потребность.

Ключевыми показателями эффективности кампании стали как медийные KPI (ключевые показатели эффективности), так и качество постклик-трафика. Дополнительной задачей было обеспечить прирост прямых постклик-конверсий — в первую очередь добавлений товара в корзину.

Решение: от широкого таргетинга — к поведенческим сигналам

Для решения задачи команда использовала три инструмента:

  • данные Platforma;
  • Look-alike-модели;
  • контекстный таргетинг.

В основе кампании были данные Platforma, которые позволили работать не только с классическими социально-демографическими характеристиками, но и с цифровым поведением пользователей.

При формировании аудитории учитывался CJM (путь клиента к покупке) пользователя. Это позволило перейти от логики «пользователь интересуется бытовой техникой» к более детальному вопросу: какие действия пользователя указывают на то, что интерес может перерасти в покупку?

Дополнительно был подключен Look-alike. Наиболее результативные аудитории использовались как основа для поиска новых пользователей со схожими поведенческими характеристиками. Такой подход позволил масштабировать охват, не отказываясь от качества исходной выборки.

Контекстный таргетинг дополнил аудиторную стратегию. Рекламные материалы показывались на страницах, содержание которых соответствовало тематике кампании, — например, вокруг бытовой техники, кухни и др. Это позволяло учитывать не только профиль пользователя, но и его текущий информационный контекст.

Как работала механика кампании

Кампания строилась не вокруг одного большого сегмента, а вокруг последовательной работы с множеством аудиторных срезов.

На первом этапе на основе данных Platforma аудитория была разделена более чем на 20 сегментов, которые затем объединялись в отдельные кластеры.

Следующим этапом стала проверка эффективности кластеров. Система позволяла определить, какие группы пользователей лучше реагируют на рекламу и чаще совершают целевые действия.

Наиболее результативные кластеры усиливались, а менее эффективные сокращались или отключались. Таким образом, по мере работы кампании бюджет перераспределялся в пользу аудиторий, которые демонстрировали более высокую вероятность целевого действия.

Получилась последовательная модель:
данные → сегментация → кластеризация → оптимизация → Look-alike → масштабирование.

Результат: качество трафика и постклик-конверсии

Результаты кампании подтвердили эффективность выбранной аудиторной стратегии. При KPI по добавлениям товара в корзину на уровне 0,8% фактический CR (коэффициент конверсии) составил 0,96%, то есть оказался на 20% выше планового значения.

При этом привлеченный трафик соответствовал целевым показателям качества: уровень отказов составил 27,29% при KPI менее 40%, глубина просмотра — 1,58 страницы при целевом значении от 1,5, а среднее время на сайте составило 1 минуту 31 секунду при ориентире от 1,5 минуты.

Особенно важным результатом стало получение именно прямых постклик-конверсий. Для программатика традиционно характерна работа на верхних и средних этапах воронки — формирование охвата, интереса и посещений сайта. В данном случае сочетание поведенческих данных, кластеризации и Look-alike позволило приблизить медийное размещение к перформанс-задаче.

Таким образом, программатик становится не просто инструментом привлечения внимания, а частью перформанс-воронки, где качество аудитории можно оценивать вплоть до конкретного действия пользователя.

Лидия Тетюшина, диджитал аккаунт-директор MediaSniper:

Для нас в этом кейсе особенно показательно, что работа с аудиторией не ограничилась привлечением качественного трафика. За счет более глубокой работы с поведенческими данными удалось найти пользователей, которые не просто интересовались категорией, а были готовы совершить конкретное действие на сайте. CR по добавлению товара в корзину составил 0,96% при KPI 0,8%. Этот результат показывает, насколько важно не просто собрать релевантную аудиторию на старте, а постоянно анализировать эффективность отдельных сегментов и перераспределять бюджет в пользу тех, которые действительно приводят к конверсиям.

Ольга Шолохова, старший бренд-менеджер Midea:

Для нас важно, чтобы программатик-размещение решало не только имиджевые задачи, но и приводило пользователей к конкретному действию. В категории бытовой техники решение о покупке редко принимается после одного контакта, CJM пользователя достаточно сложный, поэтому стандартного таргетинга на общий интерес к категории недостаточно. Работа с поведенческими данными позволила точнее определить аудиторию с актуальной потребностью и выстроить коммуникацию с учетом стадии выбора. В результате количество добавлений товара в корзину оказалось на 20% выше планового ориентира, а привлеченный трафик продемонстрировал высокое качество. Для нас это подтверждение того, что программатик может быть полноценной частью перформанс-воронки.

Любовь Ярыгина, диджитал-менеджер MethodMedia:

Покупка крупной бытовой техники требует времени, поэтому нам было важно поймать момент зарождения реальной потребности. Совместно с MediaSniper и Midea мы выстроили многоуровневую модель работы с аудиторией — от выявления скрытых сценариев интереса до масштабирования самых конверсионных кластеров. В итоге кампания в первый месяц работы показала качество постклик-трафика существенно выше бенчмарков рынка и дала ощутимый результат — CR 0,96% по добавлениям в корзину.

Обсудить с другими читателями:
↑
Ваш браузер устарел
На сайте Sostav.ru используются технологии, которые не доступны в вашем браузере, в связи с чем страница может отображаться некорректно.
Чтобы страница отображалась корректно, обновите ваш браузер.