БОСС контроль × Sales Ninja: как перевели B2B проект с ручных ставок на автостратегию и улучшили KPI

Клиент

БОСС Контроль — облачная биометрическая система для учёта рабочего времени сотрудников, расчёта заработной платы и планирования смен. Сотрудники отмечают приход и уход с помощью терминалов с распознаванием лица или отпечатка пальца, а данные автоматически передаются в облачный сервис. Руководители, HR и бухгалтерия получают доступ к отчётности онлайн и могут контролировать рабочее время сотрудников на разных объектах. Система работает по SaaS-модели и не требует установки отдельного программного обеспечения. 

Для продвижения клиент использовал Яндекс Директ. При этом рекламные кампании долгое время работали на ручном управлении ставками.

Проблема: ручные ставки давали быстрый результат, но ограничивали дальнейший рост

Изначально рекламная кампания БОСС Контроль работала на ручных ставках из-за небольшого количества конверсий: их было недостаточно для стабильного обучения автостратегии, а ждать накопления нужного объёма данных было бессмысленно — при текущем потоке конверсий его могло просто не хватить. Поэтому ручное управление фактически оставалось единственным рабочим вариантом, но одновременно ограничивало возможности дальнейшей оптимизации и масштабирования кампании. 

При ручном управлении значительная часть оптимизации остаётся на специалисте: нужно анализировать эффективность, менять ставки и корректировки, перераспределять бюджет, отключать неэффективные сегменты. Это позволяет поддерживать кампанию на приемлемом уровне, но по мере роста становится всё сложнее находить новые точки оптимизации.

Часть рекламодателей пытается решить эту проблему с помощью бидеров — систем, которые автоматически меняют ставки по заданным правилам. Они снимают часть ручной работы и позволяют быстрее реагировать на изменения в аукционе, но по сути остаются автоматизацией заранее заданной логики. 

Автостратегия потенциально решает эту проблему иначе. Она принимает решение о ставке отдельно для каждого аукциона и может учитывать значительно больше сигналов о пользователе и контексте показа, чем можно использовать при ручном управлении.

Однако здесь возникала другая проблема: для качественного обучения автостратегии нужны регулярные конверсии, а в кампании БОСС контроль их было сравнительно немного.

Для этого мы подключили моделируемые конверсии Sales Ninja.

Как работают моделируемые конверсии

На сайт устанавливается скрипт Sales Ninja. После накопления данных ML-модель обучается на реальных конверсиях клиента и начинает искать закономерности в поведении пользователей, которые впоследствии совершают целевое действие.

Модель анализирует поведенческие и другие доступные сигналы и рассчитывает для каждого визита вероятность будущей конверсии.

Это позволяет увидеть то, чего не видно при классической бинарной логике аналитики.

Представим двух пользователей:

• Первый зашёл на сайт, быстро просмотрел одну страницу и ушёл.

• Второй подробно изучил продукт, посетил несколько важных страниц, совершил ряд микроконверсий и позже снова вернулся на сайт.

При этом заявку не оставил ни один.

Для стандартной цели результат одинаков:

• первый пользователь — 0 конверсий;

• второй пользователь — 0 конверсий.

Предиктивная модель видит между ними разницу и может определить, что вероятность будущей конверсии второго пользователя значительно выше.

Превращаем вероятность в обучающий сигнал

На основании прогноза Sales Ninja создаёт виртуальные конверсии и передаёт их в Яндекс Метрику.

Автостратегия начинает получать существенно более плотный обучающий сигнал.

То есть вместо того, чтобы ждать небольшое количество фактических конверсий в неделю, алгоритм получает дополнительные данные, основанные на прогнозе модели Sales Ninja.Важно, что задача моделируемых конверсий здесь — не заменить реальные заявки виртуальными, а дать рекламному алгоритму больше информации для обучения.

Это и позволило использовать автостратегию там, где раньше количество реальных конверсий было одним из главных ограничений.

Ручные ставки VS автостратегия + Sales Ninja

В результате мы получили два разных подхода к одной задаче.

Вариант 1. Ручные ставки

Специалист самостоятельно управляет ставками и корректировками.

Преимущество — полный контроль даже при небольшом количестве конверсий.

Недостаток — возможности оптимизации ограничены тем набором данных, который специалист может проанализировать и использовать при управлении кампанией.

Вариант 2. Автостратегия + Sales Ninja

Решение о том, сколько платить за конкретного пользователя, передаётся алгоритмам Яндекс Директа.

При этом проблема недостатка данных компенсируется моделируемыми конверсиями Sales Ninja.

Результаты

Мы провели A/B тест между двумя компаниями и замерили результаты через 3 месяца работы.

Что получили в итоге

Кейс БОСС контроль показывает, что небольшое количество реальных конверсий не обязательно означает, что рекламодателю нужно оставаться на ручном управлении.

С помощью моделируемых конверсий Sales Ninja мы увеличили объём обучающих сигналов и смогли перевести кампанию на автостратегию Яндекс Директа.

В результате связка автостратегии + Sales Ninja превзошла исходную кампанию на ручных ставках по ключевым KPI.