Как обучить Яндекс.Директ на конверсии в сложной B2B-нише

В сложных B2B-проектах Яндекс Директ часто упирается не в бюджет и не в ставки, а в банальную нехватку данных для обучения.
Ниша узкая, цикл сделки длинный, прямых заявок с сайта мало — в итоге алгоритм не понимает, кого искать, а реклама либо работает на дорогих кликах, либо не может стабильно выйти на нужный объём конверсий.
В этом кейсе покажем, как мы перестроили рекламу интернет-магазина металлорежущего инструмента и оснастки inistacnc.ru, дали системе больше корректных сигналов для обучения и снизили стоимость конверсии с 8063 ₽ до 564 ₽ без увеличения бюджета.
Если у вас похожая ситуация — сложный B2B-продукт, мало прямых заявок и стратегия не обучается — переходите в наш Telegram-бот:
https://t.me/dfaktorbot
Разберем структуру кампаний, цели и подскажем, каких сигналов не хватает для стабильной оптимизации.

В массовых нишах алгоритм быстро получает достаточно конверсий: люди оставляют заявки, оформляют заказы, звонят.
В B2B всё иначе.
Если речь идет о станках, металлорежущем инструменте, промышленном оборудовании и комплектующих, спрос обычно:

• узкий,
• дорогой,
• неимпульсный,
• с длинным циклом принятия решения.

Пользователь может несколько раз зайти на сайт, посмотреть ассортимент, изучить характеристики, перейти в корзину, вернуться через несколько дней и только потом связаться с компанией.
Из-за этого прямых лидов мало, а рекламной системе не хватает понятных и регулярных сигналов, на которых можно обучать стратегию.
Именно в этом и была основная проблема проекта.

К нам в работу передали интернет-магазин оборудования и инструмента ИНИСТА.
На старте задача была не просто улучшить показатели, а понять, почему реклама не выходит на стабильную эффективность и как обучить кампании на конверсии в условиях узкого B2B-спроса.
Проект работал с бюджетом до 80 000 ₽ в месяц.
В качестве конверсий фиксировались в основном кликовые действия:

• звонки,
• email,
• переходы в корзину,
• обращения в мессенджеры.

Средняя стоимость такой конверсии составляла около 8000 ₽.
Кампании уже были сегментированы:

• по категориям оборудования,
• по регионам: Москва, Санкт-Петербург и Россия,
• по группам ключевых слов,
• с упором на оптимизацию кликов.

На первый взгляд структура выглядела рабочей. Но у проекта было несколько системных ограничений:

• мало прямых лидов с сайта;
• почти нет заполненных форм и оформленных заявок;
• алгоритму не хватало достаточного объёма сигналов;
• стратегиям было сложно пройти обучение;
• стоимость конверсий оставалась слишком высокой;
• рекламная система видела не полную воронку, а только её отдельные фрагменты.

Наша задача состояла в том, чтобы сохранить расход, но при этом перестроить обучение кампаний так, чтобы Яндекс Директ начал ориентироваться не только на клики, а на реальные целевые действия.

Одна из самых частых ошибок в B2B — пытаться обучать рекламу только на финальные лиды, когда их слишком мало.

Если заявок единицы, стратегия просто не набирает достаточную статистику.
Обратная ошибка — оптимизироваться только на дешёвые клики и микро действия, которые не приближают к продаже.

В таком случае обучение вроде бы идёт, но система начинает приводить пользователей, которые активно кликают, но не становятся лидами.
Чтобы Яндекс Директ действительно обучался в сложной нише, ему нужна не одна цель, а грамотно выстроенная система сигналов:

• редкие, но ценные действия;
• промежуточные шаги пользователя;
• частые микро конверсии для подпитки алгоритма;
• корректная логика передачи этих действий в отчёты и оптимизацию.

Именно это мы и выстроили в проекте.

Первым шагом мы разобрали сайт по слоям и определили, какие действия действительно являются meaningful-сигналами для B2B-воронки.
Что сделали:

• собрали все формы сайта в единый список;
• настроили цели через JS;
• объединили значимые действия в составную цель;
• отдельно собрали URL верхнего уровня воронки: contacts, order, basket;
• добавили кликовые конверсии через автоцели.

Это был критически важный этап.
До него реклама в основном видела отдельные клики и разрозненные действия. После настройки целей мы начали передавать системе гораздо более полную картину поведения пользователей.
По сути, мы дали Яндекс.Директу ответ на вопрос:
какие действия на сайте действительно можно считать шагом к продаже, даже если финальный лид случается не сразу.

Если у вас не хватает объёма заявок для обучения стратегии, важно не просто «добавить больше целей», а выстроить правильную иерархию сигналов.
Если хотите, можем помочь с этим в Telegram-боте:
https://t.me/dfaktorbot

После настройки целей мы не ограничились красивой отчетностью.
Наша задача была в том, чтобы дать рекламной системе больше корректных данных для обучения.
Мы передали все собранные конверсии в оптимизацию и отчёты, разделив их по смыслу:

• действия на сайте — самые ценные, но редкие;
• кликовые конверсии — дешёвые и частые;
• автоцели — промежуточный слой между кликами и более содержательными действиями.

Такая логика помогает избежать двух крайностей:

• когда данных слишком мало и стратегия не может обучиться;
• когда данных много, но они слишком слабые и не отражают реальный интерес к покупке.

В результате система начала получать не хаотичный поток событий, а структурированный набор сигналов разной глубины.

Сразу после изменения логики целей и оптимизации показатели начали меняться.

Ноябрь

• Показы: 13 502
• Клики: 1 055
• CTR: 7,81
• Расход: 64 509,12 ₽
• CPC: 61,15 ₽
• Конверсии: 8
• CPA: 8063,64 ₽

Декабрь

• Показы: 16 313
• Клики: 1 438
• CTR: 8,82
• Расход: 80 333,28 ₽
• CPC: 55,86 ₽
• Конверсии: 24
• CPA: 3347,22 ₽

Уже на этом этапе стало видно, что Яндекс Директ начал лучше понимать аудиторию:

• расход остался в пределах плана;
• конверсий стало больше;
• стоимость обращения заметно снизилась;
• обучение перестало упираться в дефицит сигналов.

То есть первый результат дало не повышение ставок и не рост бюджета, а именно улучшение качества данных для алгоритма.

В сложных B2B-нишах часто недооценивают один момент:
стратегию недостаточно просто настроить — ей нужно дать время и достаточный массив данных, чтобы она смогла стабилизироваться.
Поэтому следующий этап был связан не с резкими изменениями, а с аккуратной работой над накоплением статистики. Неделя за неделей мы:

• собирали отчеты;
• тестировали корректировки;
• перераспределяли бюджеты между регионами и кампаниями;
• работали со стоимостью конверсии;
• помогали пакетным стратегиям пройти обучение.

Это один из ключевых принципов работы с Директом в B2B:
если конверсий мало, любые резкие вмешательства легко сбивают обучение. Поэтому важно не просто искать гипотезы, а управлять ими так, чтобы система продолжала накапливать полезные сигналы.
Результат по одному из периодов:

• Показы: 11 997
• Клики: 1 055
• CTR: 8,79
• Расход: 52 474,86 ₽
• CPC: 49,74 ₽
• Конверсии: 93
• CPA: 564,25 ₽

На этом этапе мы получили первую конверсию действия — уже не просто микро сигнал, а реальное целевое действие, которое можно считать прозрачным лидом.
Это важный маркер:
стратегия не просто «стала дешевле», а начала находить аудиторию, которая доходит до более ценных шагов в воронке.

Еще одна частая проблема в сложных нишах — слишком узкий охват.
Даже если логика целей выстроена правильно, кампании могут не обучаться просто потому, что им не хватает объёма трафика и статистики.
У нас лучше всего отрабатывали кампании по РФ и Москве: там удавалось стабильно получать больше 10 конверсий в неделю.

А вот Санкт-Петербург долго не выходил на нужный объём — кампании не добирали данных и не могли полноценно обучаться.
Мы приняли простое, но эффективное решение: расширили географию с Санкт-Петербурга до всего СЗФО.
Почему это сработало:

• оффер оставался релевантным;
• доставка покрывала расширенную территорию;
• качество трафика не просело;
• охват вырос;
• алгоритм получил больше пространства для поиска аудитории.

В B2B это особенно важно: если сегмент слишком узкий, стратегия может буквально задыхаться без нужного объёма событий. Иногда, чтобы обучить Яндекс Директ на конверсии, нужно не менять объявления, а дать кампании больше данных за счёт разумного расширения охвата.

После расширения региона проект показал лучшую неделю за весь период работы:

• Показы: 3 899
• Клики: 308
• CTR: 7,9
• Расход: 18 386,45 ₽
• CPC: 59,7 ₽
• Конверсии: 39
• Стоимость конверсии: 471,45 ₽

Дополнительно за эту неделю пришли 2 конверсии действия — то есть уже реальные целевые лиды, которые можно показать клиенту как прозрачный результат работы рекламы.
Это означало, что кампания по СПб/СЗФО наконец вышла из режима нестабильности, собралась в рабочую стратегию и стала готовой к дальнейшему масштабированию.

Если собрать весь кейс в короткую рабочую модель, то обучение Директа на конверсии в сложной B2B-нише строится на пяти вещах:

1. Не пытаться обучать стратегию только на редких лидах
Если прямых заявок мало, алгоритм не сможет стабильно учиться только на них.

2. Собрать иерархию сигналов
Нужны:

• реальные действия,
• промежуточные шаги,
• микро конверсии,
• составные цели.

3. Передать в оптимизацию больше корректных данных
Важно, чтобы система видела не только клики, а всю доступную воронку интереса.

4. Дать стратегиям накопить статистику
В B2B обучение требует времени и аккуратной работы, а не постоянной пересборки кампаний.

5. Расширять охват там, где не хватает объёма
Если регион или сегмент слишком узкий, обучение может тормозиться просто из-за нехватки статистики.

В результате нам удалось:

• сохранить рекламный бюджет в рамках исходного плана;
• снизить стоимость конверсии с 8063 ₽ до 564 ₽;
• выйти на 39 конверсий за неделю по 471,45 ₽;
• начать получать прямые конверсии действия, а не только кликовые сигналы;
• обучить кампании по РФ и Москве;
• дообучить направление Санкт-Петербург за счёт расширения до СЗФО;
• создать базу для дальнейшего масштабирования рекламы.

Эта схема особенно хорошо подходит, если у вас:

• сложный B2B-продукт;
• длинный цикл сделки;
• мало заявок с сайта;
• Яндекс.Директ не может стабильно обучиться;
• реклама приносит много кликов, но мало понятных лидов;
• аналитика настроена неполно и система получает слабые сигналы.

Если у вас похожая ситуация — дорогие клики, мало лидов, алгоритм не выходит на стабильную эффективность — напишите в наш Telegram-бот слово «станки»:
https://t.me/dfaktorbot
Мы:

• разберем структуру кампаний;
• покажем, каких сигналов не хватает для обучения;
• подскажем, какие конверсии передавать в оптимизацию;
• предложим стратегию снижения стоимости обращения без увеличения бюджета.