Сегодня на E+ Гульназ из МТС SHOP рассказала о совместном кейсе МТС SHOP и Sales Ninja — как с помощью моделируемых конверсий удалось найти дополнительный потенциал роста в уже хорошо оптимизированных рекламных кампаниях.
И это важная деталь кейса: задача состояла не в том, чтобы исправить плохо работающую рекламу. На старте у МТС SHOP уже была зрелая in-house экспертиза в performance-маркетинге, выстроенная структура кампаний и сегментация, стабильные показатели и достаточный объём конверсий для работы алгоритмов. Проблема была обратной — когда основные инструменты оптимизации уже использованы и результат находится на высокой планке, становится всё сложнее понять, где искать следующий рост.
#Почему хорошая рекламная кампания со временем упирается в потолок
Чем эффективнее работает автостратегия, тем сильнее она стремится концентрироваться на наиболее конверсионных сегментах: дорогой прямой семантике, наиболее эффективных гео и самой платёжеспособной аудитории.
В результате возникает парадокс: алгоритм становится всё лучше в поиске пользователей внутри «горячего ядра», но одновременно с этим сужается пространство для дальнейшего роста. Компания оказывается в самых конкурентных сегментах вместе со всем рынком, а масштабирование начинает ограничиваться их ёмкостью.
Команда решила посмотреть на эту проблему с другой стороны.
Конверсия для рекламной системы — это прежде всего сигнал для обучения автостратегии. Значит, если научиться управлять этим сигналом, можно влиять и на то, как обучается сама стратегия.
#Между сайтом и рекламой появился новый слой
Так в связке между сайтом МТС SHOP и рекламными системами появился дополнительный слой — моделируемые конверсии Sales Ninja.
AI-модели анализируют пользователей, оценивают вероятность покупки, ожидаемый чек и действия на сайте. Если человек оказался близок к покупке, но реальной транзакции ещё не произошло, система может передать в рекламную платформу виртуальную, или частичную, конверсию — математически выраженное намерение пользователя.
Это позволяет автостратегии видеть намного больше полезных сигналов, чем при обучении исключительно на состоявшихся покупках.
#Что изменилось в обучении автостратегии
Подход строился вокруг трёх изменений.
Во-первых, алгоритм получил кратно больше сигналов благодаря виртуальным конверсиям и смог обучаться на более плотном потоке данных.
Во-вторых, для разных кампаний использовалась разная архитектура сигнала: где-то важнее было увеличить количество виртуальных конверсий и ускорить обучение, а где-то — сконцентрировать сигнал для большей глубины.
В-третьих, обучение стало лучше распределяться между сегментами кампаний, вместо концентрации практически исключительно в «горячем ядре».
Именно это позволило попробовать выйти за пределы аудитории, которую классическая автостратегия уже научилась эффективно собирать.
#Проверили подход через A/B-тест
Чтобы отделить эффект технологии от других факторов, МТС SHOP провёл A/B-тест на больших объёмах и длительном периоде.
В группе A рекламная кампания оптимизировалась на обычную e-commerce покупку. В группе B — использовался сигнал Sales Ninja.
То есть дополнительный AI-слой помог улучшить показатели уже эффективных рекламных кампаний, а не только оптимизировать изначально слабую рекламу. Именно поэтому этот кейс интересен для зрелого e-commerce: моделируемые конверсии становятся способом искать следующий уровень эффективности после того, как базовые возможности оптимизации уже практически исчерпаны.
#AI здесь — результат совместной работы команд
Отдельная часть выступления была посвящена тому, что технология сама по себе не гарантирует результат.
Со стороны МТС SHOP команда выстраивала архитектуру, формулировала задачи и ожидания, делилась контекстом и обратной связью, определяла узкие места и приоритеты.
Со стороны Sales Ninja — развивала платформу, адаптировала подход под задачи МТС SHOP, помогала разбирать кейсы и предоставляла необходимые инструменты и сценарии.
Партнёром проекта также выступил Okkam Martech, который помогал с организацией и поддержкой в течение цикла.
Получился непрерывный процесс: тестирование → обратная связь → изменение подхода → новое тестирование.
#Что дальше
Полученный результат команда рассматривает не как конечную точку, а как основу для следующего этапа развития.
Среди дальнейших направлений — ML-ретаргетинг, ML для товарных фидов и дальнейшее углубление моделируемых конверсий.
Кейс МТС SHOP показывает: когда классическая оптимизация уже доведена до высокого уровня, следующий скачок эффективности может лежать не в очередной перестройке рекламных кампаний, а в изменении самих данных и сигналов, на которых обучаются рекламные алгоритмы.
