Кейс: как мы снизили CPA для B2B-компании на 51% за 6 месяцев

Мы в OK Digital занимаемся SEO-продвижением и контекстной рекламой, в том числе для производителей и поставщиков промышленного оборудования. В этом кейсе расскажем, как структурирование кампаний, аналитика обращений через Callibri и регулярная проверка гипотез помогли нам снизить стоимость заявки вдвое и увеличить число конверсий.

О клиенте и задачах

Наш клиент — российский производитель оборудования для розлива, упаковки, фасовки и тубонаполнения. Среди его заказчиков — фармацевтические, пищевые и косметические предприятия по всей России.

На момент обращения у него уже была настроена контекстная реклама. Однако при бюджете до 200 тысяч рублей в месяц она работала недостаточно эффективно. Высокая стоимость лида не позволяла масштабироваться, а отсутствие прозрачной аналитики — понять, какие запросы, объявления и кампании приводят потенциальных заказчиков.

Перед нами стояли три задачи:

• Снизить стоимость заявки минимум в 1,5–2 раза.
• Сохранить качество входящих лидов.
• Увеличить количество конверсий, не выходя за текущий бюджет.

Работу вели поэтапно: сначала нашли слабые места в действующих рекламных кампаниях и настроили аналитику. Затем на основе полученных данных переработали семантику, объявления и перераспределили бюджет. Далее расскажем о каждом этапе подробнее.

Этап 1. Диагностика кампаний: почему «всё вроде нормально», а заявок мало

На старте реклама приводила трафик, но количество заявок не соответствовало расходам:

• CTR — 6,72%,
• средний CPC — 88,14 ₽,
• количество конверсий в месяц — 11,
• CPA — 19 078 ₽.

Быстрый аудит выявил три системные проблемы 👇

Раздробленная семантика. В отдельных группах находились всего 1–4 ключевые фразы. Из-за такой структуры было сложнее управлять ставками и минус-словами, оценивать эффективность отдельных групп запросов и масштабировать работающие связки.

Нецелевой трафик. Широкие запросы приводили пользователей с разными намерениями. Среди них были те, кто только изучал информацию об оборудовании и не планировал обращаться к поставщику. На такой трафик тоже расходовался рекламный бюджет.

Недостаток аналитики. Мы не могли достоверно определить, по какому запросу пришёл потенциальный клиент, какое объявление он увидел и какая кампания в итоге привела к обращению. Поэтому начинать с перераспределения бюджета было рано. Сначала требовалось связать обращения с источниками и получить данные, на которые можно опираться при оптимизации.

Этап 2. Сокращение пути к заявке: рекомендации по сайту

Даже релевантный рекламный переход не гарантирует обращение, если пользователю сложно связаться с компанией. В промышленном B2B потенциальный заказчик часто одновременно изучает предложения нескольких поставщиков, поэтому лишние поля в форме или незаметная кнопка запроса КП могут стать дополнительным препятствием.

Подготовили рекомендации по повышению конверсии:

• Сократить количество полей и шагов в формах.
• Сделать сценарии «заявка → консультация → запрос КП» заметнее.
• Добавить на ключевые страницы больше информации, которая влияет на выбор поставщика: о производственных возможностях, сроках, сервисе и преимуществах предложения.

Так мы работали не только с привлечением трафика, но и с участком воронки между переходом на сайт и обращением.

Этап 3. Подключение Callibri: связали обращения с ключами и объявлениями

Следующим шагом важно было узнать происхождение каждого обращения. Для этого мы подключили коллтрекинг и формы Callibri. Система позволила фиксировать звонки и заявки, а затем сопоставлять их с источником, рекламной кампанией, объявлением и поисковым запросом.

Для проекта с небольшим количеством дорогих B2B-лидов такая детализация принципиальна. Если несколько заявок пришли из одной группы запросов, а другая группа стабильно расходует бюджет без обращений — эти данные уже можно использовать для перераспределения расходов.

Дополнительно проверили работу форм и обнаружили ошибки в сборе данных. Из-за них часть информации об обращениях фиксировалась некорректно, поэтому статистика не отражала реальную картину. После исправления ошибок мы получили более полные данные для дальнейшей оптимизации.

В результате вместо общего количества конверсий мы увидели, какие конкретно запросы и объявления приводят обращения. Дальнейшие изменения в кампаниях уже принимались на основе этих данных.

Этап 4. Пересборка семантики и структуры под продуктовые кластеры

Когда обращения удалось связать с источниками, стало понятно, какие части семантики требуют переработки. Запросы заново сгруппировали по видам оборудования и задачам заказчиков: розлив, упаковка, фасовка и тубонаполнение. Также добавили ключевые фразы с выраженным коммерческим намерением, исключили нерелевантные формулировки, расширили список минус-слов, чтобы сократить долю информационного трафика.

Анализ показал, что часть широких запросов приносила клики, но почти не приводила к обращениям. Теперь такие сегменты можно было оценивать не по объёму трафика, а по их реальному вкладу в заявки, и соответственно корректировать расходы.

Этап 5. Гипотезы и тесты: управляемый рост без увеличения бюджета

После базовой перестройки кампаний перешли к проверке отдельных гипотез. Каждое изменение оценивали по статистике и сохраняли только те решения, которые улучшали результат:

• Переписали объявления и добавили конкретику о продукции и преимуществах. Так пользователь мог ещё в поисковой выдаче понять, соответствует ли предложение его задаче.
• Расширили расписание показов и подключили выходные, чтобы проверить дополнительный спрос без повышения ставок.
• Направили часть бюджета на низкочастотные запросы. Аудитория по ним была меньше, зато формулировки точнее отражали конкретную потребность, что принесло дополнительные заявки.
• Протестировали запросы, связанные с сервисом и обслуживанием оборудования, и получили ещё один источник обращений.
• Изменили акценты в объявлениях для пользователей с разным горизонтом покупки. В срочных сценариях говорили о сроках поставки, а для аудитории на этапе сравнения — о выгодах и надёжности оборудования.

Этап 6. Оптимизация по данным Callibri: отключали лишнее, усиливали рабочее

По мере накопления данных мы сравнивали рекламные связки уже по обращениям, а не только по кликам и CTR. Ключи и объявления, которые расходовали бюджет и не приводили заявок, отключали. Деньги перераспределяли в пользу сегментов с подтверждёнными конверсиями и корректировали ставки с учётом их эффективности.

В итоге средняя цена клика снизилась, CTR вырос, а количество конверсий увеличилось более чем вдвое. У команды появились данные, по которым можно было объяснить результат каждой части кампании и принимать следующие решения.

Результат

Реклама стала прозрачной и управляемой. Данные Callibri позволили оценивать кампании по реальным обращениям, а не по промежуточным показателям, а также точнее определять, какие направления стоит развивать, а от каких нужно отказываться.

Вот как изменились показатели за 6 месяцев:

• CTR: 6,72% → 8,72%,
• CPC: 88,14 ₽ → 73,74 ₽,
• конверсии: 11 → 23 в месяц,
• CPA: 19 078 ₽ → 9 334 ₽, то есть стоимость одной конверсии снизилась на 51%.