Оптимизация рекламы по реальной прибыли
В Директе можно задать среднюю маржу цели, например 15 %. Но такая настройка не отличает товар с маржей 40 % от покупки, которую съедают скидка, доставка и возврат. Sales Ninja прогнозирует чистую прибыль по визиту, товару, корзине и сегменту и передаёт этот сигнал в рекламу, фиды и аудитории.
- не 15 % для всеха оценка прибыли каждого сценария
- не только ДиректVK, Google Ads, TikTok и другие каналы
- не после отчётаа прогноз в момент визита
Формальная оптимизация по прибыли не равна управлению чистой прибылью
В Директе можно указать маржу с конверсии: например, цель «покупка» приносит в среднем 15 % маржи. Для части бизнесов этого достаточно. Но как только у товаров, регионов, источников, повторных покупок и типов клиентов разная экономика, средняя маржа превращается в грубую прослойку поверх выручки.
Одна средняя маржа на цель
Покупка на 1 000 ₽ и покупка на 80 000 ₽ могут получить одинаковую логику, если кабинет видит только цель и средний процент маржи.
- не видит точную себестоимость SKU;
- слабо учитывает возвраты, отмены и выкупы;
- не предсказывает прибыль, если она выясняется через неделю;
- не управляет товарным фидом по окупаемости каждого товара.
Чистая прибыль как обучающий сигнал
Мы собираем реальную экономику и передаём в рекламу не «покупку вообще», а оценку того, сколько денег этот визит, товар или клиент принесёт бизнесу после расходов.
- учитываем маржу конкретного товара и корзины;
- добавляем себестоимость, возвраты, промо и логистику;
- прогнозируем прибыль в реальном времени, если факт приходит позже;
- отбираем товары и сегменты, где реклама может окупиться.
Оптимизация по прибыли начинается с правильной формулы, а не с красивого названия стратегии
Для рекламы важна не выручка сама по себе, а сколько денег останется после переменных затрат и расхода на привлечение. Поэтому мы собираем экономику на уровне товара, корзины, клиента и канала.
Выручка и чек
Передаём не только факт покупки, но и сумму заказа, состав корзины, категорию и ценовой сегмент.
Себестоимость и маржа
Учитываем маржу конкретного SKU или категории, а не один средний процент для всей цели.
Возвраты и невыкупы
Если товар часто возвращают или заказ не выкупают, реклама не должна считать такую покупку полноценным успехом.
Стоимость привлечения
Сравниваем ожидаемую прибыль с реальной стоимостью клика, конверсии и покупки в каждом канале.
Средняя маржа может красиво считать отчёт и одновременно вести бюджет не туда
Представим три покупки с одинаковой выручкой. Если считать «прибыль» как 15 % от выручки, они выглядят одинаково. В реальности у них разная себестоимость, скидка, выкуп и стоимость доставки, поэтому одна покупка прибыльная, вторая нейтральная, третья убыточная.
Строим контур, где прибыль появляется в рекламе раньше, чем бизнес увидел её в отчёте
Если чистая прибыль известна только после выкупа, закрытия сделки или повторного платежа, ждать поздно: автостратегия уже обучилась на неполном сигнале. Поэтому Sales Ninja прогнозирует прибыль на раннем визите и потом калибрует прогноз фактическими оплатами.
Из каких данных собирается сигнал прибыли
Мы не просим рекламный кабинет угадать экономику. Сначала собираем источники, которые обычно живут отдельно, и сводим их в один обучающий сигнал.
Каталог и фид
SKU, категории, цена, наличие, сезонность, маржа, промо и ограничения по товарам.
Заказы и оплаты
Корзина, выручка, скидка, себестоимость, возвраты, выкупы, повторные покупки и LTV.
Рекламные клики
Канал, кампания, запрос, площадка, устройство, регион, стоимость клика и стоимость покупки.
Поведение и сегменты
Интерес к категориям, глубина выбора, теплота аудитории, похожесть на прибыльных клиентов.
Чем именно помогаем оптимизации по прибыли
Оптимизировать по прогнозной чистой прибыли
Даём Директу, VK, Google Ads, TikTok и другим платформам ранний сигнал ценности, даже если фактическая прибыль появится позже по воронке.
Разделить людей по ожидаемой прибыльности
Сегменты позволяют повышать ставки и показы для пользователей, которые с большей вероятностью принесут высокую маржу, а не просто сделают дешёвую конверсию.
Управлять товарами по окупаемости рекламы
Фид перестаёт быть списком всех товаров: AI выбирает, что масштабировать, что держать в ретаргетинге, а что убрать из продвижения.
Учитывать будущую прибыль клиента
Если первая покупка почти ничего не зарабатывает, но клиент возвращается, оптимизируем не на первый чек, а на ожидаемый LTV по прибыли.
Когда прибыль становится известна слишком поздно
В реальности чистая прибыль часто появляется после доставки, выкупа, проверки лида, оплаты счёта или повторной покупки. Мы не ждём финала, а оцениваем ожидаемую прибыль сразу.
- прогнозируем сумму чистой прибыли на визит или пользователя;
- передаём в рекламу более плотный сигнал, чем редкие фактические оплаты;
- калибруем прогноз реальными деньгами, когда они доходят до CRM или e-commerce.
Когда разные товары требуют разной рекламной агрессии
Один товар может давать высокий чек, но съедать маржу доставкой и скидкой. Другой покупают редко, зато он окупает дорогой клик. Смарт-фид учитывает эту разницу.
- оцениваем маржинальность товара относительно стоимости покупки;
- делаем отдельные фиды для маржинальных, осторожных и ретаргетинговых SKU;
- не даём низкомаржинальному хвосту забирать весь бюджет из-за частых покупок.
Когда нужно управлять ставками по ценности пользователя
Мы можем разделить аудиторию на пять уровней ожидаемой прибыльности: от низкоценного трафика до людей, которые, вероятно, принесут большую прибыль.
- горячий прибыльный сегмент получает основные показы и ретаргетинг;
- средние сегменты получают осторожное масштабирование;
- низкоприбыльные и рискованные группы можно ограничивать или исключать.
Прибыльная оптимизация нужна там, где «покупка» не говорит всей правды
Как переводим рекламу с формальной маржи на реальную прибыль
С кем мы работаем
- > 60 млрдAPI вызовов в месяц
- 300+Проектов
- 7Стран присутствия
- 4Банка
- 48E-com проектов
- 14EdTech проектов