Кейс «Ашан» и i-Media: как заставить алгоритмы продавать маржинальные товары

Заказчик

Ашан — это крупный ритейлер, специализирующийся на продаже широкого ассортимента продовольственных и непродовольственных товаров.

Задача

Поддержать товарооборот, сместив фокус с количества заказов на их качество.

Зрелый e-com сталкивается с парадоксальной ситуацией: заказов много, но их качество падает. Пользователи привыкли покупать часто и понемногу, что разгоняет операционку и «съедает» прибыль. Доставка корзин с чеком на 500 и 5000 рублей стоит магазинам почти одинаково, но маржа в них несопоставима. В таких реалиях стратегия роста числа заказов больше не работает.

Зимой 2025 года «Ашан» поставил перед командой i-Media амбициозную задачу: поддержать товарооборот, сместив фокус с количества заказов на их качество. Центром стратегии стал запуск кастомных performance-механик, способных самостоятельно решать задачи бизнеса в условиях агрессивной борьбы конкурентов из e-grocery за ежедневные чеки.

В поисках прибыльного сегмента

В основу стратегии лег высокоточный performance: мы целились только в прибыльных клиентов и маржинальные товары. А с помощью подхода Test&Learn находили связки (товар + сегмент + триггер), которые лучше всего стимулировали рост среднего чека.

В рамках новой стратегии мы сосредоточились на трех приоритетных группах пользователей, работа с которыми давала максимальный возврат инвестиций.

1. LAL на топ-сегмент из CRM. Мы проанализировали базу «Ашан» и на основе лояльных клиентов, склонных к большим покупкам, создали look-alike аудиторию. Это сразу минимизировало риск привлечения нерентабельных пользователей.
2. Ситуативные покупатели. Мы перестали давить на аудиторию прямой рекламой и начали работать с контекстом потребления. Праздники или сезон пикников стали поводами для предложения «готовых корзин». В них мы заранее собрали все необходимое, добавив высокую долю маржинальных товаров.
3. «Спящие» мобильные пользователи. Самым интересным открытием стала реактивация через мобильный поиск. Мы обнаружили, что лояльная аудитория бренда часто ищет продукты в Яндексе, игнорируя уже установленное приложение «Ашан». Кликая по рекламе, они попадали на мобильную версию сайта с медленным UX и низкой конверсией. Решением стали универсальные ссылки (Web2App): теперь клик из поиска Яндекса мгновенно переводил пользователя в карточку товара внутри приложения. Это устранило барьеры авторизации, а конверсия в покупку в этом сегменте выросла на 65% (в отдельных категориях — в 10 раз).

Повышаем маржу, не увеличивая бюджет

Определив аудиторию, мы сосредоточились на управлении структурой спроса. Здесь главной преградой стала привычка рекламных алгоритмов «обучаться» на популярных, но дешевых товарах вроде хлеба и молока. Чтобы избежать падения среднего чека, мы выделили позиции, формирующие основу «дорогих» корзин.

Для продвижения этих позиций запустили тематические наборы («Для ужина», «Для пикника») и внедрили персональные промокоды на высокомаржинальные категории. Это сработало: готовые наборы снижали «паралич выбора», а бонусы мотивировали не экономить и докладывать товары в корзину.

В то же время мы ввели ручное управление автостратегиями. Поскольку алгоритмы не видят акции в магазинах и сезонные всплески, мы выделяли товары с высоким потенциалом в отдельные кампании и точечно повышали ставки. Это ускорило обучение систем и обеспечило планомерный рост товарооборота.

Для тех, кто принципиально игнорирует рекламу, мы задействовали динамические места на поиске. Мы проанализировали, в каких товарах магазин плохо представлен в органической выдаче, какие страницы входа на сайт имеют наибольшую конверсионность, и на основе этих данных выбрали маржинальные товары, для которых подключили динамические места.

Работа на узнаваемость внутри performance-каналов

Чтобы бренд выделялся на фоне высокой активности в категории e-grocery, мы наделили performance-кампании дополнительной имиджевой функцией. Одним из ключевых решений стало внедрение брендированных рамок в товарные фиды Яндекса — команда i-Media реализовала это еще до того, как функционал стал общедоступным на платформе. Это обеспечило стабильный визуальный контакт с «Ашан» непосредственно в момент выбора товара и принятия решения о покупке.

Как превратить мобильный трафик в реальный бизнес-результат

Особое внимание было уделено мобильной аудитории. Рынок мобильной рекламы исторически подвержен фроду, и работа по модели СРА здесь часто означает слив бюджета на ботов. Чтобы исключить нецелевые траты, мы перешли на hard KPI — оплату только за привлечение новичков.

Режим «эксперт» в кампаниях для мобильных приложений (РМП) позволил нам перейти к более точечному управлению размещением: сегментация по гео МСК+МО и регионы, по плейсментам, по поисковым кампаниям по типам таргетинга. Дополнительно были запущены товарные кампании на UA по фиду.

Усилили мобильный ремаркетинг в VK. С апреля 2025 года сместили фокус с динамического ретаргетинга на сайт к продвижению приложения: запустили кампании с оптимизацией на установки, а с мая — ремаркетинг на покупки внутри приложения.

Все решения (тексты, офферы, сегменты) проверялись методами математического анализа. Это позволяло нам избегать ловушки прямых метрик. Например, один креатив мог демонстрировать хорошую конверсионность. Но другой вариант при более низком CR обеспечивал лучший вклад в экономику проекта за счет высокого охвата и качества привлеченных лидов. В итоге приоритет и бюджет получал вариант с более высоким совокупным баллом, что в долгосрочной перспективе обеспечило рост среднего чека, а не просто количество транзакций.

Итоги: качество важнее количества

Результаты проекта наглядно показывают, как фокус на маржинальности меняет юнит-экономику ритейлера. Благодаря высокоточной настройке performance, команде удалось не только повысить доходность каналов, но и значительно снизить стоимость их обслуживания.

• ДРР (Доля рекламных расходов) снизилась более чем в 2 раза.
• Доход в performance-каналах вырос на 33%.
• Средний чек увеличился на 18%.
• Внедрение Web-2-App увеличило конверсию мобильного трафика на 65%, а в некоторых категориях в 10 раз.