Провели анализ и нашли одно действие, которое экономит клиенту 420 000 ? в год

Заказчик

Лидер рынка роботизированных моек в России, Беларуси и Казахстане: продает оборудование, обучает персонал и сопровождает после покупки.

Задача

Запрос поступил в июне 2024: приводить больше продаж из платного трафика.

Что делал клиент до старта проекта

Тестировал две посадочные: основную страницу сайта и квизы (опросы). Первые квизы были простыми, со стандартной воронкой. Все заявки из любых посадочных проходили двухэтапную оценку качества:

1. Предквалификация (MQL): отдел квалификации относил лид к категориям A/B/C/D/E — по бюджету, наличию площадки/земли и уровню интереса.
2. Проверка готовности (SQL): отдел продаж после контакта подтверждал намерение купить — лид становился SQL.

По ранним A/B-тестам у клиента квизы давали больше зявок и ниже CPL, чем основная страница.

Что изменилось

На сайт вывели обновленный квиз с несколькими воронками: пользователь проходил предквалификацию сразу и получал более релевантное предложение. Отделу квалификации оставалось «дожимать» заинтересованных.

С этой версией квиза мы и продолжили работу в проекте.

Проверили квизы на своем трафике

Перенесли кампании клиента «как есть» в наш кабинет и параллельно вели трафик на квиз и на сайт. На «первом слое» все сошлось с ожиданиями:

• конверсия у квиза выше;
• CPL — ниже;
• лидов — больше.

Сместили фокус в сторону квиза, но гипотезу оставили «на удержании».

Новый рынок — новый A/B-тест

В октябре 2024 клиент выходит в Беларусь. Договорились о стратегии:

1. Разогреть спрос медийной рекламой;
2. «Поймать» этот спрос инструментами лидогенерации, уже проверенными в России.

Запустили A/B тестирование, где половина трафика — на квиз, половина — на сайт.

Первый срез: заявки с квиза получались в 2,2 раза дешевле. Казалось бы — ставим точку, но мы решили проверить качество.

Углубились в данные: MQL/SQL вместо «всех заявок»

Собрали сводную по посадочным с разрезом MQL/SQL и стоимостью квалифицированных лидов.

Что получили

Доля MQL категорий A/B/C среди всех MQL:

• квиз 20%;
• сайт 35,7%.

Доля SQL категорий A/B/C среди всех SQL:

• квиз 30%;
• сайт 80%.

Стоимость привлечения квалифицированного лида:

• квиз 9 267 ?;
• сайт 3 501 ?.

Вывод

Пользователи, пришедшие с сайта, заметно более готовы к покупке и дешевле на уровне стоимости качественного лида. Перераспределение бюджета в пользу сайта позволяет и сэкономить, и улучшить конверсию в SQL.

А что по РФ: перепроверили на исторических данных

Вместе с клиентом повторили анализ для России:

• выгрузили из CRM весь 2024 год;
• свели квалификацию по посадочным и разделили на сайт и квиз;
• подтянули расход и собрали сводные таблицы.

Что нашли

• Доля MQL A/B/C среди всех MQL: квиз 16,6%, сайт 18,6%.
• Доля SQL A/B/C среди всех SQL: квиз 7,8%, сайт 12,2%.
• Стоимость MQL: квиз 4 794 ?, сайт 5 952 ?.
• Стоимость SQL: квиз 13 894 ?, сайт 11 644 ?.

Итог: даже при близкой цене MQL сайт выигрывает на главном — цене SQL и доле сильных категорий внутри него. Привлекать через сайт эффективнее и выгоднее, чем через квиз.

Экономика и прогноз

• При текущих объемах трафика перенос части бюджета в пользу сайта дает экономию 420 632 ? в год при том же числе качественных лидов.
• Прогноз на 2025 при неизменных расходах: +17% SQL к 2024 году.

В анализе важно докапываться до качества. Инструмент, который на первом взгляде казался лучшим, на деле не давал нужных лидов. Разделив поток на MQL/SQL, мы увидели несостыковки и нашли точку экономии.

— Денис Гачегов, специалист по контекстной и таргетированной рекламе

Что дальше

Клиент взял гипотезу в работу. Для корректной проверки и стабилизации результата нужен горизонт около 6 месяцев — продолжаем измерения и настройку. Как говорится, не переключайтесь…