Forwarded from AFF.TOP
This media is not supported in your browser
VIEW IN TELEGRAM
В Facebook Ads появился раздел «Conversations»
Facebook Ads добавил Conversations с автоответом на комментарии: по ключевым словам можно сразу отправлять сообщение в личку. Для арбитража это новый способ прогрева и передачи ссылки без клоаки: в креативе можно просить оставить комментарий, а заинтересованных уводить с вайта на блэк уже в ДМ. Идея спорная, но её стоит тестировать.
➡️ Читайте на сайте: https://aff.top/blog/v-facebook-ads-poiavilsia-razdel-conversations
🧠 Ещё больше инсайтов → в канале AFF.top
Facebook Ads добавил Conversations с автоответом на комментарии: по ключевым словам можно сразу отправлять сообщение в личку. Для арбитража это новый способ прогрева и передачи ссылки без клоаки: в креативе можно просить оставить комментарий, а заинтересованных уводить с вайта на блэк уже в ДМ. Идея спорная, но её стоит тестировать.
➡️ Читайте на сайте: https://aff.top/blog/v-facebook-ads-poiavilsia-razdel-conversations
🧠 Ещё больше инсайтов → в канале AFF.top
Стратегия реактивации базы: кейс B2B-платформы и переход от лидов к доходу
Компания SaaS-сегмента (программное обеспечение как услуга) столкнулась с типичной для 2026 года проблемой: классическая воронка лидогенерации (привлечения потенциальных клиентов) перестала приносить кратный рост. Стоимость привлечения нового пользователя выросла на 22%, а цикл сделки увеличился. Вместо бесконечной закупки трафика команда сфокусировалась на RevOps (объединенной системе управления выручкой) и работе с «заснувшей» базой через ретаргетинг.
Задача: вернуть в воронку пользователей, которые зарегистрировались в демо-версии, но не совершили покупку в течение последних 90 дней, и перевести их в стадию SQL (квалифицированного для продаж лида).
Решение:
Команда отказалась от стандартных догоняющих баннеров с призывом «Купи сейчас». Вместо этого внедрили стратегию персонализированного контента, основанную на Server-Side (серверной) атрибуции.
— Сегментация на основе Topical Authority (тематического авторитета): пользователям показывали контент, отвечающий на их конкретные запросы, которые они ранее искали в поисковых системах.
— Отказ от модели Last-Click (последнего клика) в пользу MMM (маркетингового моделирования на основе данных): оценка эффективности шла по вкладу каждого касания в итоговую выручку.
— Использование AI-генерации (искусственного интеллекта) для создания 40+ вариантов креативов, адаптированных под отраслевые боли каждого сегмента.
Результат:
— Конверсия из «неактивного» в SQL выросла на 14%.
— Стоимость привлечения одного платящего клиента (CAC) снизилась на 18% за счет отказа от неэффективных каналов, которые не давали инкрементального (дополнительного) прироста.
— Увеличение LTV (пожизненной ценности клиента) на 11% благодаря качественной проработке цепочки касаний.
Урок для маркетолога:
В 2026 году ретаргетинг перестал быть инструментом «преследования» пользователя. Сейчас это инструмент выстраивания долгосрочного диалога. Если вы продолжаете использовать стандартные механики прошлого десятилетия, вы просто сжигаете бюджет. Переход к RevOps требует от маркетолога понимания не только кликов, но и реальных финансовых показателей компании. Фокусируйтесь на полезности контента, который вы транслируете в ретаргетинге: в эпоху Zero-click (нулевых переходов) пользователь должен получать ценность прямо в рекламном объявлении, не покидая платформу.
— @RetargetingGuidePro
Компания SaaS-сегмента (программное обеспечение как услуга) столкнулась с типичной для 2026 года проблемой: классическая воронка лидогенерации (привлечения потенциальных клиентов) перестала приносить кратный рост. Стоимость привлечения нового пользователя выросла на 22%, а цикл сделки увеличился. Вместо бесконечной закупки трафика команда сфокусировалась на RevOps (объединенной системе управления выручкой) и работе с «заснувшей» базой через ретаргетинг.
Задача: вернуть в воронку пользователей, которые зарегистрировались в демо-версии, но не совершили покупку в течение последних 90 дней, и перевести их в стадию SQL (квалифицированного для продаж лида).
Решение:
Команда отказалась от стандартных догоняющих баннеров с призывом «Купи сейчас». Вместо этого внедрили стратегию персонализированного контента, основанную на Server-Side (серверной) атрибуции.
— Сегментация на основе Topical Authority (тематического авторитета): пользователям показывали контент, отвечающий на их конкретные запросы, которые они ранее искали в поисковых системах.
— Отказ от модели Last-Click (последнего клика) в пользу MMM (маркетингового моделирования на основе данных): оценка эффективности шла по вкладу каждого касания в итоговую выручку.
— Использование AI-генерации (искусственного интеллекта) для создания 40+ вариантов креативов, адаптированных под отраслевые боли каждого сегмента.
Результат:
— Конверсия из «неактивного» в SQL выросла на 14%.
— Стоимость привлечения одного платящего клиента (CAC) снизилась на 18% за счет отказа от неэффективных каналов, которые не давали инкрементального (дополнительного) прироста.
— Увеличение LTV (пожизненной ценности клиента) на 11% благодаря качественной проработке цепочки касаний.
Урок для маркетолога:
В 2026 году ретаргетинг перестал быть инструментом «преследования» пользователя. Сейчас это инструмент выстраивания долгосрочного диалога. Если вы продолжаете использовать стандартные механики прошлого десятилетия, вы просто сжигаете бюджет. Переход к RevOps требует от маркетолога понимания не только кликов, но и реальных финансовых показателей компании. Фокусируйтесь на полезности контента, который вы транслируете в ретаргетинге: в эпоху Zero-click (нулевых переходов) пользователь должен получать ценность прямо в рекламном объявлении, не покидая платформу.
— @RetargetingGuidePro
**Когда ретаргетинг «ослеп»: как Lamoda пересобрал возврат клиента без cookie**
В 2025-2026 году классический ретаргетинг на корзину и категорию через third-party cookie превратился в лотерею. Приватность ужесточилась, атрибуция стала опираться на твои серверные данные, а клиенты увидели одну и ту же рекламу вишнёвых кроссовок 8 раз подряд. На примере Lamoda (кейс из публичных выступлений команды) разберём, как перестраивают стратегию recontact, когда старые механики теряют эффективность.
**Задача**
Lamoda (сегмент fashion e-commerce) столкнулась со снижением ROAS (окупаемость рекламы) в классическом ретаргетинге. Средний чек и так сократился на 5-7% (тренд эпохи), а repeat rate (повторная покупка) у «брошенных» сессий падал. Основная причина — не отказ аудитории от покупки, а перегруз однотипными баннерами «вы забыли товар». Частота показов на одного пользователя достигала 12-14 за неделю, кликабельность упала ниже 0,3%.
**Решение**
Команда перешла от схемы «один пиксель — одно объявление» к сценарному ретаргетингу с динамическим креативом на основе AI-парсинга поведения. Вместо того чтобы показывать один и тот же товар, ретаргетинг адаптировался под этап:
— *Брошенная корзина без просмотра альтернатив* — показывали тот же товар, но с таймером «осталось 2 шт.» (через live inventory API).
— *Пользователь посмотрел 3+ похожих модели, но не добавил в корзину* — вместо флага «купи сейчас» выдавался пуш-контент: «как носить эту модель с базовым гардеробом» (lifestyle-креатив без ценового давления).
— *Покупка была 30+ дней назад* — не повторять товар, а предложить cross-sell с персональной подборкой на основе прошлых заказов через server-side кластеризацию.
Креативы генерировались на потоке — AI собирал макет из реального фото товара + текстовой плашки, написанной отдельно для каждого сценария. Концепция стала важнее исполнения: иллюстрация «специальная подборка для вас» работала лучше, чем «скидка 10%».
**Результат (публичные данные Lamoda за 2 квартал 2025)**
— ROAS ретаргетинга вырос на 34% в сегменте «корзина +30 минут».
— Частота показов снизилась с 14 до 5 на пользователя в неделю, при этом return rate (возврат на сайт) вырос на 17%.
— LTV клиентов, вовлечённых через сценарий «life-style рекомендация», оказался на 22% выше, чем у «классического» ретаргетинга со
— @RetargetingGuidePro
В 2025-2026 году классический ретаргетинг на корзину и категорию через third-party cookie превратился в лотерею. Приватность ужесточилась, атрибуция стала опираться на твои серверные данные, а клиенты увидели одну и ту же рекламу вишнёвых кроссовок 8 раз подряд. На примере Lamoda (кейс из публичных выступлений команды) разберём, как перестраивают стратегию recontact, когда старые механики теряют эффективность.
**Задача**
Lamoda (сегмент fashion e-commerce) столкнулась со снижением ROAS (окупаемость рекламы) в классическом ретаргетинге. Средний чек и так сократился на 5-7% (тренд эпохи), а repeat rate (повторная покупка) у «брошенных» сессий падал. Основная причина — не отказ аудитории от покупки, а перегруз однотипными баннерами «вы забыли товар». Частота показов на одного пользователя достигала 12-14 за неделю, кликабельность упала ниже 0,3%.
**Решение**
Команда перешла от схемы «один пиксель — одно объявление» к сценарному ретаргетингу с динамическим креативом на основе AI-парсинга поведения. Вместо того чтобы показывать один и тот же товар, ретаргетинг адаптировался под этап:
— *Брошенная корзина без просмотра альтернатив* — показывали тот же товар, но с таймером «осталось 2 шт.» (через live inventory API).
— *Пользователь посмотрел 3+ похожих модели, но не добавил в корзину* — вместо флага «купи сейчас» выдавался пуш-контент: «как носить эту модель с базовым гардеробом» (lifestyle-креатив без ценового давления).
— *Покупка была 30+ дней назад* — не повторять товар, а предложить cross-sell с персональной подборкой на основе прошлых заказов через server-side кластеризацию.
Креативы генерировались на потоке — AI собирал макет из реального фото товара + текстовой плашки, написанной отдельно для каждого сценария. Концепция стала важнее исполнения: иллюстрация «специальная подборка для вас» работала лучше, чем «скидка 10%».
**Результат (публичные данные Lamoda за 2 квартал 2025)**
— ROAS ретаргетинга вырос на 34% в сегменте «корзина +30 минут».
— Частота показов снизилась с 14 до 5 на пользователя в неделю, при этом return rate (возврат на сайт) вырос на 17%.
— LTV клиентов, вовлечённых через сценарий «life-style рекомендация», оказался на 22% выше, чем у «классического» ретаргетинга со
— @RetargetingGuidePro