Повышение конверсии *

В Telegram Ads рекламодатель платит за Views. Но что должно технически произойти, чтобы в статистике появился ещё один просмотр?

Я полез в MTProto, TDLib и исходники Telegram Desktop. Оказалось, что получение объявления от сервера ещё не является View: клиент отдельно регистрирует просмотр, когда выполняется условие видимости. Причём весь текст должен оказаться на экране, а CTA-кнопка — необязательно.

А дальше начинается самое интересное: дедупликация, антифрод, frequency и точная связь этого события с биллингом уже находятся за закрытой серверной границей Telegram. Я попробовал восстановить весь путь и чётко отделить то, что можно доказать по коду, от того, чего мы на самом деле не знаем.

Есть довольно привычный сценарий продвижения корпоративного продукта. Мы выпускаем решение, готовим страницу мероприятия, назначаем дату вебинара, делаем рассылки, рисуем баннеры, собираем регистрации, готовим презентацию, напоминаем об эфире, проводим его, публикуем запись, разбираем вопросы и передаем заинтересовавшихся пользователей продажам.

А потом возникает неприятный вопрос: а покупателю вообще нужен был вебинар? Может быть, ему достаточно было за несколько минут увидеть продукт в работе. А может быть, наоборот: никакая запись не ответит на его вопросы, потому что нужно понять, подойдет ли решение именно для его компании.

После нескольких таких запусков я пришла к выводу, что спор «вебинар или видео» в 2026 году сформулирован не совсем правильно. Покупатель выбирает не столько формат. Он выбирает, сколько собственного времени и общения с продавцом готов потратить, чтобы принять решение.

Классическая корпоративная воронка часто выглядит примерно так: Хотите посмотреть продукт? Оставьте заявку → менеджер позвонит → договоримся о времени → проведем демонстрацию.

С точки зрения продавца все логично. Компания получила контакт и может начинать продажу. С точки зрения покупателя еще ничего не произошло, а обязательств уже довольно много. Ему нужно оставить данные, дождаться звонка, договориться о времени и выделить место в календаре. И только после этого он наконец увидит интерфейс. На Маркетплейсе это особенно заметно. Рядом находятся другие продукты, часть из которых можно изучить немедленно. Поэтому индивидуальная демонстрация не должна быть единственным способом увидеть продукт.

Внутри:

- Как избавиться от тех, кто ПОСТОЯННО кликает по вашей рекламе.
- Защищаем сайт БЕЗ КАПЧИ: рисуем кнопку, которая будет невидима для бота.
- Как вычесть мусорные визиты из Яндекс.Директа.
- Как кормить Директ конверсиями, чтобы он НЕ учился на МУСОРЕ.

И ТОПовый лайвхак! Ловушка для ботов, которую может повторить каждый.

Покажу простой эксперимент, с помощью которого можно своими глазами увидеть и доказать, что по вашей рекламе кликает именно бот.

Большой канал с хорошим CPM может оказаться одной из самых дорогих площадок в медиаплане.

Не потому что вырос прайс. Просто большую часть его аудитории вы уже купили в предыдущих каналах.

Я попробовал добавить пересечения прямо в расчёт медиаплана: считать не размер следующей площадки, а сколько новых людей она реально добавляет и сколько стоит эта тысяча дополнительного охвата. На синтетической модели разница между обычным подбором и overlap-aware планом доходила до 30,5% unique reach при одном бюджете.

Внутри — немного теории множеств, одна рабочая формула для Google Sheets и очень неприятный пример с третьим «выгодным» крупным каналом.

Я утверждаю, что классическому SEO приходит конец, и большинство сеошников в их сегодняшнем виде довольно скоро останутся без работы — просто потому, что потребитель за последние пару лет сильно поумнел.

Двадцать лет можно было расти на манипуляциях — накрутка поведенческих, накрутка ссылочного, накрутка ключей, накрутка чёрта лысого… Эта эпоха «накруток» заканчивается прямо на наших глазах. Дальше (да и сейчас) в выдаче выигрывает не тот, кто обманул алгоритм, а тот, кто создал ценность для живого человека.

Реклама крутится в Telegram, значит ведём в Telegram.

Мы жили с этой мыслью полтора месяца: подписчики шли, цена держалась, отчёт выглядел терпимо.

Пока не посчитали, сколько людей застрявает между «интересно» и «подпишусь».

Конверсия перехода в подписку ниже десяти процентов означала, что мы просим у человека лишнее действие.

Рассказываю, как мы поменяли маршрут на сайт, почему две почти одинаковые цены за действие значат разное и почему скидка не чинит лишнюю ступеньку в воронке.

Шапка канала и его биография это два разных документа.

В шапке может быть красивая цифра, а в биографии столб из трёх тысяч подписчиков, пришедших во вторник ночью без причины.

В Telegram Ads такая площадка покупает вам воздух: объявление показывается людям, которых нет.

Рассказываю, по каким признакам я отличают накрутку за час разглядывания графиков, и почему один признак ещё ничего не доказывает.

Метрика пошла вверх — и хочется сразу закрепить гипотезу и докинуть ресурсов. Но та же цифра нередко оказывается арифметически верной и при этом лживой: данные собрали, отфильтровали или свернули так, что честный показатель ведёт к неверному решению.

Retention растёт? Возможно, вы просто не видите тех, кто ушёл после первого захода. Конверсия упала в целом, но выросла в каждом сегменте? Это не ошибка в расчётах. A/B-тест «дал значимость» на третий день? Скорее всего, вы сами себя обманули.

Разбираем ошибку выжившего, парадокс Симпсона, p-hacking, подмену среднего, регрессию к среднему и визуальные искажения — на продуктовых примерах, и собираем чек-лист вопросов к любой метрике перед решением.

Месяц назад я внедрил разметку ProductGroup на карточки товара с размерами. Google и Яндекс увидели разное. Вплоть до того, что валидатор Яндекса вообще не знает такой тип. Это переработанная версия текста, который я публиковал раньше. Тогда он был снят модерацией, сейчас переписан и дополнен цифрами за месяц после внедрения.

Кейс будет полезен тем, у кого есть интернет магазин с торговыми предложениями. Ваш сайт на JS фреймворке и индексируемость у карточек около нуля. Чаще всего такие страницы плохо понимает робот поисковой системы.

Если у компании падают продажи, то маркетологи и сейлзы начинают обвинять друг друга. Сейлзы говорят, что им дают плохой продукт и плохие лиды. Маркетологи говорят про высокую конкуренцию и некачественную обработку лидов. Тут еще на сцену выходят продакты и валят на тех и других. В этом лонгриде опишу рабочее решение и разберу наш кейс.

Можно ли подключить AI-агента за минуту? Смоделировали путь клиента по самостоятельному подключению известного агента без помощи менеджера и специалиста, и вот что у нас получилось.

Если вы когда-нибудь купите в CVS бутылку воды, то на кассе получите две вещи: бутылку с водой и чек длиной в 50 сантиметров минимум.

В статье разбираемся: зачем это было сделано, как была устроена система лояльности и почему маркетологи сети не поддались натиску общественного мнения, избежав тем самым стратегической ошибки.

Привет, Хабр!

Чат-бот может быстро ответить на типовые вопросы о товаре, стоимости или доступных вариантах. Но в сложных продажах часть диалогов неизбежно доходит до вопросов, которые удобнее обсудить с человеком: подобрать условия, сравнить несколько предложений, уточнить детали оплаты или принять решение прямо сейчас.

В такой момент пользователю важно дать простой способ перейти от переписки к разговору, не заставляя его искать номер телефона, оставлять заявку и ждать обратного звонка.

В статье соберём чат, который отвечает на вопросы по выбранному туристическому направлению, оценивает контекст диалога и при подходящем сценарии предлагает позвонить менеджеру прямо из браузера.

Стек: FastAPI, Pydantic, requests, YandexGPT, Vite и Web SDK МТС Exolve.

Привет, Хабр! Это Сергей Перевозчиков, основатель агентства контекстной рекламы «КонтекстЛаб».

Когда ко мне обратился производитель хозяйственных металлоконструкций, у него уже был успешный опыт продаж на Wildberries. Но на Ozon всё оказалось совсем иначе: компания терпела убытки, несмотря на хороший ассортимент и опыт работы с маркетплейсами.

Разбираясь в ситуации, мы обнаружили сразу несколько проблем: слабые карточки товаров, непонимание принципов работы площадки и новые правила логистики, которые серьёзно влияли на экономику продаж.

Мы полностью переработали карточки товаров, улучшили их для поиска и сделали ставку на продвижение самых перспективных позиций, которые могли «потянуть» за собой остальные продажи.

В результате кликабельность карточек выросла в два раза, а компания получила дополнительно 3,8 млн рублей прибыли в месяц. В этом кейсе я покажу четыре шага, которые помогли перевести бизнес на Ozon из убыточного в прибыльный.

Привет, Хабр! Это Сергей Перевозчиков, основатель агентства контекстной рекламы «КонтекстЛаб». Когда ко мне приходят компании из сферы b2b, я часто слышу одну и ту же фразу: «Реклама не работает». Начинаем разбираться — и почти всегда оказывается, что проблема вовсе не в рекламе.

Одним не хватает заявок. Другие видят красивые цифры в отчётах, но прибыль не растёт. У третьих менеджеры тратят время на розничных клиентов и спам вместо работы с реальными заказчиками. Кто-то не может достучаться до тех, кто принимает решения, а кто-то проигрывает конкурентам ещё на этапе сайта.

Во всех этих случаях многие пытаются решить проблему самым простым способом — увеличить рекламный бюджет. Но за годы работы я не раз убеждался: в b2b это почти никогда не приводит к заметному росту продаж.

Причина обычно одна и та же — компания видит только отдельные этапы воронки. Маркетинг оценивает переходы и заявки, отдел продаж — сделки, руководитель — выручку. Но никто не анализирует весь путь клиента целиком.

Поэтому на своих проектах я всегда начинаю с другого. Не ищу одну «волшебную» причину неудач, а разбираю всю цепочку: кому показывается реклама, кто оставляет заявку, как её обрабатывают и почему одни обращения превращаются в продажи, а другие — нет.

В этом материале я покажу на примерах производителей и поставщиков, как работа со всей воронкой помогла увеличить количество оптовых заявок и повысить их конверсию в сделки — без увеличения рекламного бюджета.

Принятие решений на основании данных, это то, что отличает профи от дилетанта.

Добрый день! Меня зовут Игорь. Я практикующий маркетолог. Сегодня расскажу как маркетологу принимать решения на основе данных и при чем тут философия

Привет, Хабр! Это Сергей Перевозчиков, основатель агентства контекстной рекламы «КонтекстЛаб». Когда ко мне обратился московский автосалон, рынок автомобилей переживал далеко не лучшие времена. Цены росли, кредиты дорожали, покупатели всё меньше доверяли новым брендам, а стоимость одной заявки уже достигала 25 тысяч рублей.

Перед нами стояли сразу две задачи: найти способ выделиться среди конкурентов и при этом не нарушить строгие требования производителя к рекламе.

Мы начали не с объявлений, а с полной оцифровки воронки продаж. Затем переработали товарный файл, подготовили новые рекламные материалы с честными ценами и перестроили стратегию продвижения.

В результате количество обращений выросло в четыре раза, а их стоимость удалось снизить в пять раз.

Для меня этот кейс — подтверждение того, что даже на падающем рынке можно расти, если работать не только с рекламой, но и со всей системой привлечения клиентов.

Привет, Хабр! Это Сергей Перевозчиков, основатель агентства контекстной рекламы «КонтекстЛаб». Когда ко мне обратился производитель деревянных игрушек, главной проблемой была не выручка, а экономика продаж. Я часто вижу такую ситуацию на маркетплейсах: продажи вроде есть, а прибыли почти нет, потому что бизнес не считает реальные показатели по товарам и не замечает скрытые возможности для роста.

Мы внимательно разобрали ассортимент, посчитали экономику каждого товара и нашли точки роста, которые раньше оставались незамеченными. В результате клиент смог не просто повысить прибыльность, но и создать продукт с высокой добавленной ценностью — настолько высокой, что покупатели были готовы платить 2 000 рублей за изделие из дерева, которое на первый взгляд кажется очень простым. Итогом этой работы стал рост бизнеса в 14 раз.

Этот кейс для меня — про то, что на маркетплейсах выигрывают не те, кто продаёт больше всех, а те, кто лучше понимает свою экономику и умеет находить скрытые резервы для роста.

Привет, Хабр! Это Сергей Перевозчиков, основатель агентства контекстной рекламы «КонтекстЛаб». Когда ко мне обратился ювелирный бренд Vesna Jewelry, ситуация была непростой. На Ozon приходилось конкурировать с тысячами продавцов, дорогие украшения продавались слабо, а выручка практически не росла. Покупатели постоянно сравнивали товары с более дешёвыми аналогами и долго принимали решение о покупке.

Мы начали с анализа ассортимента и быстро выяснили, какие товары действительно приносят деньги, а какие только создают лишнюю нагрузку. После этого сократили ассортимент, усилили карточки товаров видеороликами и внедрили систему бонусов для покупателей.

В результате всего несколько изменений помогли бренду заметно усилить позиции в своей категории и выйти в число лидеров ниши всего за месяц.

Этот кейс хорошо показывает, что рост продаж не всегда требует радикальных перемен — иногда достаточно сосредоточиться на самых прибыльных товарах и правильно представить их покупателю.

Когда бизнес обсуждает внедрение ИИ-бота, разговор часто быстро уходит в технологии.

Какая модель? Голос или текст? RAG или сценарий?
Как отреагирует потребитель? Сколько будет стоить разработка?
Насколько похожим на человека будет бот, или все догадаются сразу?

Все это важные вопросы. Но, на мой взгляд, начинать нужно не с них.

Для любого управленца главная цель внедрения ИИ-бота — это повышение эффективности. А эффективность в бизнесе в конечном счете должна выражаться в деньгах: снижении затрат, сокращении нагрузки, ускорении обработки обращений, росте качества сервиса или сохранении выручки.

Звучит очевидно, но при внедрении большинство теряют главный вопрос:

Где именно в техподдержке прячется экономический эффект от ИИ-бота?

Предлагаю провести разбор на примере типовой ситуации: большой контакт-центр или первая линия технической поддержки у интернет-провайдера.

У большинства контакт-центров уже есть базовая отчетность.

На что обычно смотрят руководители?

— количество обращений;
— время ответа оператора;
— среднее время обработки обращения;
— время ожидания на линии;
— количество потерянных звонков;
— SLA;
— загрузку операторов;
— количество обращений по каналам.

Эти метрики действительно показывают, справляется ли команда с текущей нагрузкой. Но есть нюанс. Какой вывод делает руководитель, работая с таким дашбордом?

Например, мы видим, что:

— количество обращений растет;
— время ожидания увеличивается;
— SLA проседает;
— часть клиентов не дожидается ответа;
— операторы работают в перегрузе;
— в пиковые часы поддержка не справляется.