Главная КейсыКак ритейлер Befree снизил стоимость заказа на 7%, перестав показывать рекламу на всех

22 июня 2026, 11:10

Как ритейлер Befree снизил стоимость заказа на 7%, перестав показывать рекламу на всех

Бренд Befree (Melon Fashion Group) снизил стоимость заказа из «Яндекс Директа» на 7%. Компания внедрила ML-ретаргетинг от Mindbox и начала платить за показы в зависимости от вероятности покупки.

Фото: Befree

Befree — российский бренд мужской и женской одежды, обуви и аксессуаров, входящий в состав группы компаний Melon Fashion Group. Под вывеской Befree работает более 250 магазинов. Mindbox — IT-экосистема для персонализации маркетинга и цен, помогает бизнесу собирать данные о клиентах и товарах, таргетировать рекламу, запускать прямые коммуникации и управлять скидками.

Единая ставка для всех посетителей: почему классический ретаргетинг перестал окупаться

Большинство фэшн-ритейлеров запускают ретаргетинг на всех, кто ушел с сайта без покупки. Часть рекламного бюджета при этом уходит на пользователей, которые не планируют ничего покупать: рекламу видят и те, кто уже готов купить, и те, кто зашел на сайт случайно.

Долгое время ретаргетинг в Befree работал именно так. В начале 2025 года рекламные расходы выросли. Команда решила их оптимизировать и внедрила инструмент предиктивной аналитики – ML-ретаргетинг Mindbox.

Инструмент подключается к сайту как трекер и собирает данные о действиях каждого посетителя: какие категории смотрел, сколько времени провел на сайте, добавлял ли в корзину товар, с какого устройства и источника пришел. На основе этих данных ML-модель присваивает каждому посетителю предикт – числовую оценку вероятности покупки от 1 до 100 – и делит аудиторию на 10 сегментов. Это позволяет по-разному выкупать показы: повышать ставки на готовых к покупке и снижать на тех, кто вряд ли вернется.

Результаты АБ-теста: −3 пп. ДРР и +0,44 пп. к конверсии в заказ

Перед основным AB-тестом команда провела двухнедельный АА-тест: аудиторию случайным образом поделили на две одинаковые группы и убедились, что показатели CPO (стоимость заказа) и конверсии в заказ в обеих группах совпадают.

Во время основного эксперимента контрольную группу не сегментировали и настроили для нее нулевые ставки. А в тестовой группе ставки корректировали на 10%:

для сегментов с вероятностью покупки 60–90% – повышали;
для сегментов с вероятностью покупки 30–50% – снижали.

В итоге за шесть недель получили такие результаты в тестовой группе:

CPO снизился на 7%;
доля рекламных расходов (ДРР) упала на 3 пп.;
конверсия в заказ выросла на 0,44 пп.

ROMI (возврат инвестиций в маркетинг) по итогам эксперимента составил 727,54%. Статистическая значимость результатов – 95%.

«Эра больших бюджетов закончилась, и сегодня важно внимательно считать расходы на рекламу. С помощью ML-ретаргетинга мы перераспределили рекламный бюджет в пользу аудитории с высоким потенциалом покупки и таким образом снизили долю рекламных расходов», – комментирует Иван Анисимов, руководитель продвижения Befree.

Реклама на холодный look-alike: неочевидные результаты

Убедившись в эффективности инструмента на ретаргетинге, в Befree решили пойти дальше и проверить, как ML-модель справится с привлечением новых клиентов. На основе четырех топ-сегментов собрали look-alike-аудитории внутри «Яндекса» и запустили кампанию на холодный трафик в РСЯ.

Кампанию проводили в последние недели декабря 2025 года, а результаты оценивали в середине января 2026-го, чтобы учесть отложенные покупки на новогодних праздниках. ДРР кампании на look-alike-аудиторию составил 33,77% – это на 10,04 пп. выше, чем в оптимизированной РСЯ-кампании со стандартным таргетингом за тот же период. Тест проводили как пробный запуск: без АБ-теста и оценки статистической значимости.

«На первый взгляд может показаться, что эксперимент с сегментами на look-alike-аудитории не удался. Ведь ДРР оказался выше, чем в обычной look-alike-кампании. Но мы видим здесь большой потенциал: старая рекламная кампания на стандартном таргетинге работает давно, мы ее регулярно оптимизируем. А в новой с ходу за пару недель получили сравнимые показатели, которые можно постепенно улучшать, оптимизируя ставки, креативы, форматы или места показа», – говорит Юлия Мацюк, менеджер по контекстной рекламе Befree.

Планы: внедрить ML-сегментацию в CRM

Следующий шаг Befree – использовать ML-сегментацию в CRM-маркетинге, связав данные с CDP Mindbox. Оценка вероятности покупки передается в Mindbox, сохраняется в профиле и помогает сегментировать клиентов по готовности к покупке. Например, в триггерных рассылках по «брошенным» сценариям можно давать клиентам скидки в зависимости от восприимчивости к офферам.

Retail.ru

Реклама. ООО «Майндбокс», erid: 2W5zFK9sYEd