Как Dropp Market и MediaGuru развивали приложение через Яндекс.Директ

Заказчик

Dropp Market — fashion-маркетплейс премиальных брендов, агрегирующий предложения 300+ бутиков и 800+ брендов.

Задача

Построить масштабируемую модель привлечения установок мобильного приложения с контролем CPI и вкладом в рост выручки.

Dropp Market — fashion-маркетплейс премиальных брендов, агрегирующий предложения 300+ бутиков и 800+ брендов. Пользователь может сравнивать цены и находить редкие позиции, включая товары, недоступные в России.

В 2025 году fashion-ecommerce продолжает смещаться в сторону мобильного потребления: пользователи чаще покупают в приложениях за счёт скорости, персонализации и удобства повторных покупок.

Команда Dropp Market приняла стратегическое решение развивать мобильное приложение как точку роста LTV и удержания.

К этому моменту мы уже выстроили performance-модель для веб-версии и имели стабильный поток трафика и заказов. Следующим этапом стало масштабирование через iOS-приложение.

Цель

Построить масштабируемую модель привлечения установок мобильного приложения с контролем CPI и вкладом в рост выручки.

Этап 1. Тёплый старт: работа с аудиторией веб-версии:

Первым шагом мы сфокусировались на аудитории, уже знакомой с брендом Dropp Market.

Для этого запустили ретаргетинг в Яндекс.Директ:

• поисковый ретаргетинг на пользователей веб-версии
• сетевой ретаргетинг в РСЯ
• с обязательным исключением пользователей, которые уже установили приложение

Цель этапа была не в масштабировании, а в сборе первичных данных:

• получить первые установки
• собрать post-install сигналы
• понять поведение пользователей внутри приложения

Этот этап позволил алгоритмам Яндекса начать обучение на наиболее релевантной аудитории и дал нам первые инсайты по эффективности форматов, креативов и сегментов.

Этап 2. Расширение аудитории с контролем CPI

После того как была собрана базовая статистика и понятны первые инсайты, мы перешли к расширению аудитории.

На этом этапе:

• начали выходить на новую аудиторию за пределами веб-ретаргетинга
• подключили более широкие сегменты в РСЯ и поиске
• продолжили строго контролировать CPI — он оставался ключевым KPI клиента

Работали по стратегии «Средняя цена за установку», чтобы удерживать экономику.

Результат этапа:

• рекламные кампании стабильно обучились
• CPI находился в целевом диапазоне
• однако объём установок перестал расти

Мы увидели типичную ситуацию: алгоритмы адаптировались к заданным ограничениям, но масштабирование оказалось ограниченным.

Этап 3. Переломный момент: переход к algorithm-first подходу

На основе накопленных данных мы приняли стратегическое решение изменить подход к управлению кампаниями.

Мы ослабили ограничения :

• изменили стратегию на ограничение по Бюджету
• дали алгоритмам больше свободы в поиске пользователей
• сместили фокус с жёсткого контроля CPI на post-install поведение

Стратегия была сознательно изменена — мы допустили временный рост CPI, чтобы алгоритмы могли:

• собрать больше данных
• найти пользователей с высоким покупательским потенциалом
• выйти за рамки «дешёвых» сегментов

CPI вырос.

Но одновременно вырос доход внутри мобильного приложения.

Алгоритмы начали находить аудиторию, которая не просто устанавливала приложение, а совершала покупки.

Этот момент стал точкой качественного перелома и открыл возможность масштабирования.

График 1 — Установки по месяцам

Комбинаторные объявления: ускорение обучения кампаний

Для ускорения тестирования креативов и передачи большего объёма сигналов алгоритмам нам помогли и комбинаторные объявления Яндекс.Директа.

Формат автоматически комбинирует заголовки, тексты и офферы, позволяя системе находить наиболее эффективные связки на реальном трафике.

Это было особенно важно на этапе обучения: вместо ручного A/B-тестирования десятков объявлений мы дали алгоритмам возможность параллельно тестировать множество комбинаций и адаптировать сообщения под разные сегменты аудитории.

В app-продвижении, где поведение пользователей сильно различается, такой подход ускоряет накопление данных.

Практический эффект

Комбинаторные объявления помогли:

? быстрее находить связки с высокой конверсией в установку
? сократить время на ручное тестирование
? ускорить фазу обучения кампаний
? стабилизировать CPI при масштабировании

Этап 4. Управляемое масштабирование

После накопления достаточной статистики:

? масштабировали рабочие связки

? усиливали успешные сегменты

? стабилизировали CPI

Кампании вышли из фазы обучения и стали масштабироваться без потери эффективности.

Результаты:

• 11 900+ установок
• рост объёма установок ×10
• снижение CPI ~34% после обучения алгоритмов
• до 70% выручки стало формироваться в приложении
• рост повторных покупок

График 2 — CPI по месяцам

Качество аудитории (данные Adjust)

График 3 — Рост LTV (индекс)

Доход на пользователя растёт по мере жизни когорты, что подтверждает высокую долгосрочную ценность привлечённой аудитории через РМП Яндекс Директ.

Вклад приложения в бизнес

По мере масштабирования рекламных кампаний мобильное приложение перестало быть вспомогательным каналом и стало ключевым источником выручки.

Если на старте приложение рассматривалось как точка роста, то по итогам продвижения его вклад в экономику бизнеса существенно изменился: до 70% всей выручки стало формироваться именно в app-канале.

График 4 — Доля выручки App vs Web

График демонстрирует, как по мере масштабирования рекламы мобильный канал занял доминирующую роль в выручке бизнеса.

Это стало ключевым бизнес-доказательством эффективности стратегии продвижения приложения.

Выводы

? Алгоритмам нужен объём и свобода

? Жёсткий CPI может тормозить рост

? Рост CPI на этапе обучения оправдан

? Комбинаторные объявления ускоряют оптимизацию

? App-трафик формирует долгосрочный доход

Планы развития

В дальнейшем планируется:

• запуск товарных объявлений
• развитие ретаргетинга в РМП
• усиление персонализированных сценариев возврата пользователей