О клиенте
Dropp Market — fashion-маркетплейс премиальных брендов, агрегирующий предложения 300+ бутиков и 800+ брендов. Пользователь может сравнивать цены и находить редкие позиции, включая товары, недоступные в России.
В 2025 году fashion-ecommerce продолжает смещаться в сторону мобильного потребления:
пользователи чаще покупают в приложениях за счёт скорости, персонализации и удобства повторных покупок.
Команда Dropp Market приняла стратегическое решение развивать мобильное приложение как точку роста LTV и удержания.
К этому моменту мы уже выстроили performance-модель для веб-версии и имели стабильный поток трафика и заказов. Следующим этапом стало масштабирование через iOS-приложение.
Цель
Построить масштабируемую модель привлечения установок мобильного приложения с контролем CPI и вкладом в рост выручки.
Этап 1. Тёплый старт: работа с аудиторией веб-версии:
Первым шагом мы сфокусировались на аудитории, уже знакомой с брендом Dropp Market.
Для этого запустили ретаргетинг в Яндекс.Директ:
- поисковый ретаргетинг на пользователей веб-версии
- сетевой ретаргетинг в РСЯ
- с обязательным исключением пользователей, которые уже установили приложение
Цель этапа была не в масштабировании, а в сборе первичных данных:
- получить первые установки
- собрать post-install сигналы
- понять поведение пользователей внутри приложения
Этот этап позволил алгоритмам Яндекса начать обучение на наиболее релевантной аудитории и дал нам первые инсайты по эффективности форматов, креативов и сегментов.
Этап 2. Расширение аудитории с контролем CPI
После того как была собрана базовая статистика и понятны первые инсайты, мы перешли к расширению аудитории.
На этом этапе:
- начали выходить на новую аудиторию за пределами веб-ретаргетинга
- подключили более широкие сегменты в РСЯ и поиске
- продолжили строго контролировать CPI — он оставался ключевым KPI клиента
Работали по стратегии «Средняя цена за установку», чтобы удерживать экономику.
Результат этапа:
- рекламные кампании стабильно обучились
- CPI находился в целевом диапазоне
- однако объём установок перестал расти
Мы увидели типичную ситуацию: алгоритмы адаптировались к заданным ограничениям, но масштабирование оказалось ограниченным.
Этап 3. Переломный момент: переход к algorithm-first подходу
На основе накопленных данных мы приняли стратегическое решение изменить подход к управлению кампаниями.
Мы ослабили ограничения :
- изменили стратегию на ограничение по Бюджету
- дали алгоритмам больше свободы в поиске пользователей
- сместили фокус с жёсткого контроля CPI на post-install поведение
Стратегия была сознательно изменена — мы допустили временный рост CPI, чтобы алгоритмы могли:
- собрать больше данных
- найти пользователей с высоким покупательским потенциалом
- выйти за рамки «дешёвых» сегментов
CPI вырос.
Но одновременно вырос доход внутри мобильного приложения.
Алгоритмы начали находить аудиторию, которая не просто устанавливала приложение, а совершала покупки.
Этот момент стал точкой качественного перелома и открыл возможность масштабирования.
График 1 — Установки по месяцам
Комбинаторные объявления: ускорение обучения кампаний
Для ускорения тестирования креативов и передачи большего объёма сигналов алгоритмам нам помогли и комбинаторные объявления Яндекс.Директа.
Формат автоматически комбинирует заголовки, тексты и офферы, позволяя системе находить наиболее эффективные связки на реальном трафике.
Это было особенно важно на этапе обучения: вместо ручного A/B-тестирования десятков объявлений мы дали алгоритмам возможность параллельно тестировать множество комбинаций и адаптировать сообщения под разные сегменты аудитории.
В app-продвижении, где поведение пользователей сильно различается, такой подход ускоряет накопление данных.
Практический эффект
Комбинаторные объявления помогли:
✔ быстрее находить связки с высокой конверсией в установку
✔ сократить время на ручное тестирование
✔ ускорить фазу обучения кампаний
✔ стабилизировать CPI при масштабировании
Этап 4. Управляемое масштабирование
После накопления достаточной статистики:
✔ масштабировали рабочие связки
✔ усиливали успешные сегменты
✔ стабилизировали CPI
Кампании вышли из фазы обучения и стали масштабироваться без потери эффективности.
Результаты:
- 11 900+ установок
- рост объёма установок ×10
- снижение CPI ~34% после обучения алгоритмов
- до 70% выручки стало формироваться в приложении
- рост повторных покупок
График 2 — CPI по месяцам
Качество аудитории (данные Adjust)
График 3 — Рост LTV (индекс)
Доход на пользователя растёт по мере жизни когорты, что подтверждает высокую долгосрочную ценность привлечённой аудитории через РМП Яндекс Директ
Вклад приложения в бизнес
По мере масштабирования рекламных кампаний мобильное приложение перестало быть вспомогательным каналом и стало ключевым источником выручки.
Если на старте приложение рассматривалось как точка роста, то по итогам продвижения его вклад в экономику бизнеса существенно изменился: до 70% всей выручки стало формироваться именно в app-канале.
График 4 — Доля выручки App vs Web
График демонстрирует, как по мере масштабирования рекламы мобильный канал занял доминирующую роль в выручке бизнеса.
Это стало ключевым бизнес-доказательством эффективности стратегии продвижения приложения.
Выводы
✔ Алгоритмам нужен объём и свобода
✔ Жёсткий CPI может тормозить рост
✔ Рост CPI на этапе обучения оправдан
✔ Комбинаторные объявления ускоряют оптимизацию
✔ App-трафик формирует долгосрочный доход
Планы развития
В дальнейшем планируется:
- запуск товарных объявлений
- развитие ретаргетинга в РМП
- усиление персонализированных сценариев возврата пользователей
Оцените статью
(Пока оценок нет)
Загрузка...
