Как выстроили товарную рекламу для интернет-магазина одежды для подростков в ценовом сегменте выше среднего

Фид в e-commerce работает как живой коммерческий документ магазина. В нём в реальном времени отражены остатки, цены, категории, возрастные разрезы, размерные сетки, атрибуты материалов. Именно по нему Яндекс решает, какой товар показать пользователю и в какой момент. Любое расхождение с сайтом — и реклама показывает то, чего нет в наличии, или пропускает то, что продаётся прямо сейчас. В сегменте выше среднего такая рассинхронизация напрямую бьёт по выручке и по доверию покупателя: ребёнок выбрал — размера нет.

В проекте фид велся в логике ассортиментной матрицы магазина: категорийная структура (верхняя одежда, платья, комплекты, школьная и праздничная коллекции, отдельные капсулы по материалам — деним, твид, бархат), полные атрибуты, корректная подача возрастных и сезонных параметров. Это давало алгоритмам основание точнее сопоставлять товар с пользовательским интересом.

Смарт-баннеры и товарные галереи стали основным performance-инструментом для магазина с широкой матрицей SKU. Они показывают пользователю конкретный набор товаров под его интерес — через ретаргетинг по просмотрам на сайте, по сопоставимым поискам в Яндексе и по товарным каталогам. Для подростковой одежды с сотнями позиций и сезонными волнами это единственный способ масштабно держать связку «товар — интерес» в актуальном состоянии: ручная сборка креативов под такой ассортимент физически нерешаема.

Внутри форматов настраивались связки — какие группы товаров подаются в каких кампаниях, в каких сегментах, с какими приоритетами. Это та самая «товарная» часть работы, которая в e-commerce определяет, превращается шаблон в рабочую систему или нет.

Параллельно с товарными форматами работали классические РСЯ-кампании под сезонные пики и выходы новых коллекций. Их задача — подогревать интерес и расширять верх воронки в моменты, когда у магазина появляется инфоповод: школьный сезон, новогодние праздничные коллекции, весенне-летние капсулы.

На таких окнах товарные форматы продолжали закрывать сделки по горячему спросу, а РСЯ собирала аудиторию на интересе к бренду и коллекции — чтобы потом эта аудитория возвращалась в товарные кампании уже с более тёплым контактом.

Выбор события оптимизации определяет, какую аудиторию будет искать система. Клик, просмотр товара, добавление в корзину, инициация оформления, подтверждённая покупка — это разные по силе сигналы. Чем ближе событие к деньгам, тем точнее обучение — и тем дороже каждое событие для набора статистики.

В сегменте «Средний+» количество продаж в абсолюте меньше, чем в масс-маркете, поэтому на части кампаний для набора статистики использовались промежуточные конверсии: добавление в корзину, инициация оформления. По мере накопления заказов оптимизация переводилась на подтверждённую покупку. Итоговая оценка результата в любом случае сводилась к продажам и экономике заказа — промежуточные сигналы оставались инструментом обучения, а не метрикой успеха.

Для проекта собран кастомный дашборд в DataLens под e-commerce-задачу. В нём отображались стоимость корзины, стоимость заказа, подтверждённые покупки, динамика показателей во времени и разрезы по рекламным связкам. Это позволяло оптимизировать кампании на конкретные продажи, средний чек и общую экономику проекта.

Сравнение с прошлым годом шло как фоновая часть работы. Когда у команды всегда под рукой ответ «как эта же связка вела себя год назад на таком же сезонном окне», корректировки принимаются предметнее: видно, где система действительно стала сильнее, а где повторяется прошлогоднее поведение рынка.