Как CDEK оптимизировал медийную рекламу с помощью предиктивной аналитики

Клиент

CDEK — один из крупнейших логистических операторов в России, предоставляющий услуги доставки для бизнеса и частных лиц.

Задача

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 и 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

Сегменты предиктивной аналитики на платформе StreamMyData показали себя более эффективно относительно стандартных интересов в рекламном кабинете. В кампаниях, настроенных на поведенческие сегменты, сформированные с помощью машинного обучения, CPA оказался на 80% ниже. A/B‑тест показал уверенное преимущество нового подхода над традиционным таргетингом по интересам. Отдельно отметим высокую скорость запуска и актуальность данных за счет ежедневного обновления сегментов. Решение зарекомендовало себя как перспективный инструмент в нашей digital-стратегии.

Результаты с CDEK говорят сами за себя: машинное обучение и поведенческие сегменты — это не будущее, а настоящее эффективной рекламы. Снижение CPA на 50-80% — это не теория, а наша реальность. Мы не просто знаем инструменты, мы создаем и внедряем технологии, которые дают измеримый коммерческий результат для бизнеса любого масштаба. Как и CDEK, вы можете перестать гадать, на кого работает ваша реклама, и начать точно таргетировать тех, кто с высокой вероятностью станет вашим клиентом. Готовы снизить вашу стоимость привлечения в разы? Давайте обсудим, как наши ‘быстрые предикты’ и экспертиза в ML сделают это для вас.