Плато, сезонность, дефицит конверсий: как justfood разогнала автостратегию через виртуальные конверсии | Sales Ninja

Клиент

JustFood работает с 2016 года: более 500 блюд в меню, доставка готовых рационов под разные цели — похудение, набор массы, здоровое питание. Один из ключевых игроков российского рынка foodtech, дважды победитель премии Live Organic Awards.

Контекст

Рынок доставки готового питания в России последние годы растёт двузначными темпами — и вместе с ним растёт число игроков, которые борются за одну и ту же аудиторию: тех, кто ищет здоровое питание, готов платить за удобство и не хочет тратить время на готовку. Ниша привлекательная, порог входа невысокий, и в неё заходят и крупные фудтех-платформы, и десятки локальных студий с похожим предложением. Только за 2020–2024 годы оборот рынка доставки готовой еды в России вырос в 3,5 раза — с 190 до 664 млрд рублей, а сегмент, в котором работает justfood — готовые рационы и продуктовые наборы, — в 2025 году прибавил ещё 12% и достиг 19 млрд рублей.

Одновременно с этим меняется сама рекламная среда. Уход западных платформ сократил доступный инвентарь, тогда как спрос в нише рос в геометрической прогрессии — конкуренция за аукцион в Директе выросла, а вместе с ней и цена клика. По данным click.ru, только за год, с апреля 2023 по апрель 2024-го, средняя цена клика в Директе поднялась с 17,56 до 18,47 рубля — на 5%, а по отдельным тематикам разброс идёт в разы.

Именно в этих условиях команда justfood решала три структурные проблемы, которые мешали рекламе работать на полную мощность.

Боль первая — высокий чек и длинный цикл принятия решения

Рацион питания — это не разовый заказ пиццы за тысячу рублей, а подписка со списаниями каждую неделю. Пользователь заходит на сайт, изучает линейки, считает калории, сравнивает с конкурентами, уходит подумать и возвращается через несколько дней. До заказа — несколько сессий, растянутых во времени, а Директ фиксирует только последний визит, который привел к конверсии.

В результате — дефицит обучающего сигнала. Автостратегии для нормального обучения нужно минимум 10 конверсий в неделю, в идеале — 20–50. В контексте justfood эта проблема касалась прежде всего кампаний по новым клиентам: конверсий там стабильно не хватало, а именно на этих кампаниях автостратегии важнее всего понять портрет целевого покупателя.

Вторая боль — плато эффективности

У JustFood были брендовые и околобрендовые компании, которые стабильно набирали 40–50 конверсий в неделю.Такого количества данных хватало для эффективного обучения австостратегии. Казалось бы, вот он — идеальный сценарий: сигналов достаточно, кампания обучилась, KPI устраивает.

При этом:

• еженедельный объём конверсий не рос;

• алгоритм каждую неделю переобучался на одном и том же портрете покупателя, потому что взять новые данные для автостратегии было неоткуда;

• CPL стоял на месте неделями, несмотря на то что команда тестировала новые креативы, чистила плохие площадки, меняла корректировки ставок — и всё равно упиралась в одну и ту же цифру.

Проблема в том, что по метрикам это выглядит не как потолок, а как стабильность — и заметна она становится только тогда, когда роста не видно месяцами.

Третья боль — сезонность

Рынок доставки готового питания живёт в жёстком сезонном ритме. Зима — пиковый спрос: новогодние праздники заканчиваются, миллионы людей одновременно решают сесть на диету или похудеть к пляжному сезону. Аукцион в этот момент разогрет до предела — конкуренты тоже это понимают, ставки растут, а окно, в которое нужно успеть поймать спрос, узкое.

Лето — зеркальная история. Люди уезжают в отпуск, меньше следят за питанием, часть аудитории выпадает из городского ритма, под который заточена подписка на рационы. Спрос проседает, реальных конверсий становится меньше, автостратегия теряет обучающий сигнал и начинает деградировать.

Почему стандартный Директ здесь не поможет

Команда JustFood прошла стандартный путь: чистила семантику, тестировала стратегии, дробила кампании по сегментам. Каждое изменение давало временный эффект и не решало главного — потому что во всех трёх случаях проблема была не в настройках, а в обучающем сигнале на которых обучается автостратегия.

Комментарий клиента

Мы перепробовали всё, что можно сделать внутри Директа. Меняли стратегии, чистили семантику, дробили кампании по сегментам. Результат был один и тот же — CPL держался на одном уровне и не двигался. В какой-то момент стало понятно, что мы упёрлись не в настройки, а в потолок самого инструмента.

Андрей Щербаков

Маркетолог JustFood

Решение

Мы подключили продукт «Моделируемые конверсии».

Работает так. Скрипт сервиса устанавливается на сайт, выбираются конверсии для тренировки, копятся данные и тренируется предиктивная модель. После этого она начинает анализировать каждого посетителя: как ведёт себя на сайте, какие страницы смотрит, как долго, куда переходит, возвращается ли, собирая технические, поведенческие и социально-демографические данные.

На основе этих данных модель предсказывает закончится ли этот визит реальной конверсией и с какой вероятностью. Чем выше вероятность, тем весомее сигнал (виртуальная конверсия). Виртуальная конверсия передается в Метрику как отдельная цель с помощью которой обучаются рекламные компании.

Раньше австостратегия обучалась только по последнему визиту, который приводил к покупке. Всё что было до — изучение состава блюд, возврат на сайт через три дня, калькулятор калорий открытый во второй раз — в обучение не попадало.

Дефицит конверсий по новым клиентам. Директ перестал голодать: вместо редких и дорогих реальных событий автостратегия начала получать второй слой данных — достаточный объём, чтобы уверенно оптимизироваться на кампаниях, где раньше сигнала физически не хватало. Автостратегия начала точнее находить целевую аудиторию, CPL пошёл вниз.

Плато эффективности. Брендовые кампании justfood собирали 40–50 конверсий в неделю — после подключения австостратегия начала получать 150–200 обучающих сигналов. Портрет аудитории, который месяцами стоял на месте, получил новое измерение: не просто «кто купил», а «как выглядел путь тех, кто купил». Автостратегия, упёршаяся в потолок из-за фиксированного количества конверсий, получила данные, чтобы снова прогрессировать.

Сезонная деградация. Летом, когда спрос проседает и реальных конверсий становится меньше, модель продолжает анализировать визиты и генерировать сигналы. Автостратегия не теряет обучающую выборку в тихий период — и к зимнему пику приходит разогретой, а не переобучается с нуля в самый прибыльный момент года.

Результаты

Эффект подтвердили не на глаз, а на чистом A/B-эксперименте: часть кампаний работала с включёнными виртуальными конверсиями, часть — без них, на одинаковых бюджетах и в одном периоде.

Масштабирование РСЯ — одна из самых сложных задач. Важно не просто увеличить объем дешевых кликов, а привлечь больше новых клиентов. Благодаря предиктивной оптимизации нам удалось масштабировать канал без потери эффективности и обеспечить устойчивый рост качественных обращений.

Итог

В условиях жесткой конкуренции и растущего рынка новые технологии — уже не преимущество, а необходимость. Justfood столкнулась с тремя разными на первый взгляд проблемами — дефицитом конверсий по новым клиентам, плато на брендовых компаниях и сезонной просадкой, —, но у всех трёх была одна причина: автостратегия Директа видела только факт покупки и ничего из того, что происходило до него.

Виртуальные конверсии закрыли именно этот пробел — и результат получился не разовым, а системным: эффективность подтвердилась в чистом A/B-эксперименте, канал РСЯ удалось масштабировать без потери качества обращений, а стоимость привлечения нового клиента снизилась.