Клиент
CDEK — один из крупнейших логистических операторов в России, предоставляющий услуги доставки для бизнеса и частных лиц.
- Дорогие читатели и пользователи платформы StreamMyData! Хотим пригласить вас в наш телеграм канал, в котором публикуются важные новости, обновления, статьи и кейсы.
Задача
Повысить эффективность медийной рекламы за счет внедрения поведенческих сегментов, сформированных с помощью AI. Требовалось выявить наиболее конверсионные группы пользователей на основе их поведенческих паттернов при взаимодействии с сайтом.
Используемый инструмент
Для реализации задачи применялась технология «быстрых предиктов» — система, основанная на алгоритмах машинного и глубокого обучения. Она анализирует поведение пользователей на сайте и выявляет закономерности, позволяющие предсказать вероятность совершения целевого действия в заданный период времени.
Настройка проекта «быстрых предиктов» производится в личном кабинете платформы StreamMyData:
1. Настройка подключения к аккаунту Яндекс.Метрика
2. Выбор нужного счетчика Яндекс.Метрика и выбор цели для обучения системы
3. Выбор горизонта предсказания
После настройки необходимо нажать «Запустить предикт» и в течение нескольких часов ML-аудитории пользователей будут готовы. Стоить отметить, что сформированные сегменты обновляются на ежедневной основе, что позволяет поддерживать постоянную актуальность данных.
Реализация
Для компании CDEK был запущен проект на платформе StreamMyData с применением технологии «быстрых предиктов». В качестве ключевого действия, на основе которого обучалась модель, была выбрана отправка онлайн-накладной — важный шаг в процессе оформления доставки. Горизонт прогнозирования составил 30 дней, а для обучения использовались поведенческие данные пользователей за последние три месяца.
ML-модель прошла обучение за несколько часов и на выходе сформировала четыре сегмента пользователей, различающихся по вероятности совершения конверсии в заданный период. Далее аудитории автоматически выгружались в Яндекс.Аудитории и были переданы в рекламные кабинеты команды CDEK для дальнейшего использования в кампаниях.
| Наименование аудитории | Диапазон значений вероятности покупки |
| high | 59-100% |
| slightly_high | 42-59% |
| slightly_low | 27-42% |
| low | 0-27% |
После формирования поведенческих сегментов на основе модели машинного обучения, клиент принял решение провести A/B‑тест в рамках медийного флайта. Целью теста было сравнение эффективности двух подходов к таргетингу:
- Группа A (контрольная): стандартный таргетинг по интересам, предлагаемый рекламной платформой;
- Группа B (тестовая): предиктивные сегменты пользователей с высокой и умеренно высокой вероятностью совершения целевого действия (категории high и slightly_high).
Кампания проходила с февраля по май 2025 года и охватывала два формата размещения — баннерную и видеорекламу. В каждом формате использовались оба подхода — таргетинг по интересам и таргетинг по ML-сегментам — что позволило обеспечить чистое сравнение результатов в равных условиях.
Результаты
Результаты A/B‑теста продемонстрировали значительное преимущество тестовой группы (ML-сегментов) по ключевым показателям эффективности. По сравнению с группой по интересам, удалось добиться следующих результатов:
- CPL (стоимость привлечения заявки на накладную):
снижение на 87,3% в баннерах и на 81,3% в видеоформате; - CPA по онлайн-расчётам:
снижение на 81% (баннеры) и 64,2% (видео); - Совокупный CPA (оффлайн + онлайн):
снижение на 68,2% (баннеры) и 52,9% (видео).
A/B‑тест подтвердил, что использование поведенческих сегментов, сформированных на основе машинного обучения, позволяет существенно повысить рентабельность медийных размещений. При том же охвате и форматах, рекламные бюджеты распределялись значительно эффективнее, что делает данный подход перспективной альтернативой или дополнением к традиционному таргетингу по интересам.
Еще больше полезной и интересной информации вы можете получить в нашем блоге
