Как ABC-анализ помог удержать ДРР на уровне 24% при перезапуске региона — кейс

Масштабировать рекламу в регионе — это всегда вызов, особенно в высококонкурентной нише с длинным циклом принятия решения. Стандартный подход — продвигать весь ассортимент — ведет к распылению бюджета и резкому росту ДРР. В этом материале разберем, как с помощью сегментации товарной матрицы по принципу Парето удалось выполнить жесткий KPI по эффективности с первого месяца работы, несмотря на высокую долю холодной аудитории.

• Подробнее про задачи

• Проблемы и сложности

• Механика

• Результаты и выводы

• Что дальше

Подробнее про задачи

Запрос клиента: при масштабировании рекламы на Санкт-Петербург показатель ДРР не должен превышать 30% с учетом бренда.

Конкретные цели:

1. Соблюсти KPI по ДРР не выше 30% на старте кампаний.

2. Обеспечить сплит бюджета 50/50 (новые визиты/ретаргетинг).

3. Учесть в результатах как онлайн-продажи, так и офлайн-конверсии (ROPO-эффект).

Проблемы и сложности

Рынок корпусной мебели в digital-маркетинге — один из самых конкурентных:

• высокие ставки;

• длинный цикл принятия решения;

• чувствительность клиентов к цене.

Еще проблема: отсутствие статистики — запуск производился с нового рекламного кабинета.

Основной риск заключался в сплите бюджета:

• 50% средств нужно было тратить на привлечение новых клиентов;

• еще 50% — на ретаргетинг.

Был риск, что высокая стоимость закупки небрендовой рекламы утянет общий ДРР выше планки в 30%. Ведь при первом визите вероятность конверсии гораздо ниже, и перевес инвестиций в сторону новой аудитории обычно увеличивает ДРР в разы. Запуск всех товаров на обе аудитории был бы ошибкой — низкомаржинальные позиции могли забрать часть бюджета, не окупив инвестиции.

Механика

Чтобы достичь поставленных целей, мы выбрали подход, основанный на ABC-анализе.

ABC-анализ — это метод классификации ресурсов компании (в данном случае — товаров) по степени их вклада в доход. Метод основан на принципе Парето, по которому 20% ресурсов приносят 80% результата.

Подробнее про ABC-анализ:

• ABC-анализ: суть метода, пошаговые инструкции с формулами в Excel + кейсы от экспертов

Нашу работу можно разделить три этапа.

Этап 1. Сделали сегментацию ассортимента. У клиента запросили выгрузку из «1С» с указанием среднего чека и доли выручки по каждому товару. Каждому артикулу присвоили категорию: А, В или С.

Для запуска рекламы отобрали только товары категории «А» (наиболее приоритетные по выручке и чеку) среди всех шкафов, кроватей, столов, диванов и комодов. Товары категорий «B» и «C» исключили из продвижения, чтобы не распылять бюджет на позиции с меньшей маржинальностью.

Этап 2. Определили условия запуска:

1. Гео: Санкт-Петербург (регион, который ранее не входил в число лидеров по покупкам с рекламы).

2. Трафик: брендовые запросы запустили в полном объеме для сбора горячего спроса. А фильтрацию по ABC-анализу применяли строго к небрендовым кампаниям, чтобы отсечь неэффективные расходы на холодную аудиторию.

3. Инструмент: Яндекс Директ (Поиск и РСЯ).

Источник: пример объявления на Поиске для брендовой семантики

Источник: пример объявления для новой аудитории в РСЯ

Источник: пример объявления для новой аудитории в РСЯ

Этап 3. Настроили прозрачную систему аналитики. Мебель — товар длительного пользования, который приобретается на годы вперед. Большая часть покупателей переходит в офлайн, чтобы посмотреть товар вживую. Именно в салоне можно получить более высокий средний чек.

Чтобы видеть корректный ДРР, настроили передачу данных в Яндекс Метрику (через загрузку офлайн-конверсий) следующим образом:

1. Атрибуция: последний значимый переход (Last Non-Direct), так как у клиента много источников трафика.

2. Статусы: учитывались только успешные оплаты, отмененные заказы отфильтровывались.

3. Омниканальность: при расчете ДРР суммировались продажи как через сайт, так и в офлайн-точках, ассоциированные с рекламным переходом.

Результаты и выводы

Благодаря фокусировке на товарах категории «А» мы компенсировали затраты на привлечение холодной аудитории высоким средним чеком. По результатам размещения за ноябрь 2025 года:

• ДРР с небрендового трафика (где применялся ABC-фильтр) составил 24,33%;

• итоговый ДРР (Total) по всему аккаунту — 12,53%.

В итоге KPI клиента был выполнен с запасом.

Выводы:

1. Не продвигайте всё подряд. На старте кампаний в перегретых аукционах ABC-анализ помогает отсечь товары, которые будут тянуть экономику вниз. Концентрация бюджета на 20% товаров, дающих 80% выручки, — самая безопасная стратегия для новых запусков.

2. Учитывайте офлайн-заявки. Для мебели и товаров с высоким чеком оценка эффективности только по онлайн-заказам дает искаженную картину. Сквозная аналитика до кассы магазина позволяет масштабировать кампании, которые при поверхностном взгляде могли казаться убыточными.

Что дальше

После успешного запуска мы планируем:

1. Оптимизировать кампании, чтобы еще больше снизить ДРР.

2. Сделать упор на прямые продажи с сайта для товаров, которые пользуются популярностью, но имеют низкий чек. Это необходимо, чтобы:

   1. увеличить долю онлайн-выручки (так как недорогие товары пользователи легче покупают без визита в салон);

   2. привлечь новую аудиторию, которая в будущем может вернуться за крупной покупкой (LTV).

А при смене приоритетов бизнеса можно адаптировать ABC-матрицу под новые задачи, например, под распродажу складских остатков.