1. Выкатить ни какую он-лайн конфу я естесвенно не выкатил, потерпите

2. После прошлого видео (тык) мой канал теперь имеет юзер @PO_YICA_BRAL

3. Держите вечернее видео, я нажрусь и спать

Чото надо ещё сказать? Ну, можно лишь добавить Настя #MelBet верни деньги, не играй с огнём, со мной лучше не ссориться. Спасибо.

P.S. Бабка-то, похоже, не своей..... см. видео!

С уважением, Иванов Е.Ю!

🎁 РОЗЫГРЫШ $2000 ОТ SERG ACCS

🥇 1 место — $1000
🥈 2 место — $700
🥉 3 место — $300

Как участвовать:
1️⃣ Подпишитесь на канал
2️⃣ Нажмите «✅ Участвую»
3️⃣ Получите 1 стартовый билет

Больше билетов:
🛒 Покупки — минимум 1 билет, далее +1 за каждые полные $50 реальной оплаты. Максимум — 50.
👥 Рефералы — +5 за первую подходящую покупку друга и +1 за каждые накопленные $100 его покупок. Максимум — 50.

Общий максимум — 100 билетов.
Чем больше билетов, тем выше шанс. Даже 1 билет участвует.

Призы начислим на баланс в боте SERG ACCS.

Итоги 15.09. Всем удачи! 🔥

Lookalike-аудитория: когда модель помогает, а когда только маскирует проблему

Lookalike-аудитория — это сегмент новых пользователей, которых платформа находит по сходству с исходным списком: покупателями, лидами, подписчиками, посетителями сайта. Алгоритм берёт признаки исходной базы и ищет похожие паттерны поведения, интересов и демографии. В performance это инструмент масштабирования, а не замена стратегии.

Важно отличать lookalike от ретаргетинга. Ретаргетинг работает по уже известной аудитории: человек был на сайте, добавил товар в корзину, открыл письмо. Lookalike строится на расширении за пределы текущей базы. Иначе говоря: ретаргетинг возвращает спрос, lookalike ищет похожий спрос снаружи.

Типичная ошибка — строить lookalike от слишком «грязного» источника. Если исходная база включает всех подряд: случайные лиды, ботов, низкочековые покупки, алгоритм масштабирует не качество, а шум. Вторая ошибка — оценивать lookalike только по CPA. Для него важнее **юнит-экономика**: маржа, доля повторных покупок, LTV и вклад в инкрементальную выручку.

Пример: у e-com проекта есть 5 000 покупателей с повторной покупкой в течение 60 дней. На их основе строят lookalike 1%. Такой сегмент часто даёт дороже клик, но лучше окупается, чем broad-аудитория, если в воронке важен не первый заказ, а возвратный доход.

— @RetentionPaid

Look-alike: когда расширение аудитории работает, а когда сжигает бюджет

Look-alike (похожая аудитория) — это сегмент людей, которых рекламная платформа находит по сходству с вашей исходной базой: покупатели, подписчики, повторные визитёры, лиды с высокой ценностью. Смысл не в «похожести вообще», а в вероятности повторить нужное действие при минимальном росте CPA.

Чем look-alike отличается от ретаргетинга:
— ретаргетинг возвращает уже знакомых пользователей;
— look-alike ищет новых, но похожих на тех, кто уже дал результат.

Главная ошибка — строить look-alike на сырой базе: всех посетителей сайта, случайных лидов или дешёвых кликов. Тогда алгоритм копирует шум, а не ценность. В 2026 году это особенно заметно: при слабом last-click и дорогом трафике важнее качество исходного события, чем размер аудитории.

Правильная логика такая:
— брать источник с доказанной экономикой: покупки, повторные покупки, квалифицированные лиды, high-LTV клиенты;
— задавать узкий процент сходства для точности и расширять его только после проверки инкрементальности;
— оценивать не CTR, а вклад в маржу, CAC и LTV.

Пример: e-com бренд собирает look-alike не по всем посетителям, а по клиентам с чеком выше среднего и повторной покупкой за 60 дней. В результате платформа находит новых пользователей с чуть более высоким CPA, но с заметно лучшим LTV. Это уже не «дешёвый охват», а управляемое расширение базы.

— @RetentionPaid

Как Nike добрался до возврата в корзину без скидочного перегруза

В 2026-м ретаргетинг всё чаще работает не на «догнать и добить», а на сохранение маржи. Хороший пример — подход Nike к реактивации брошенных корзин и посетителей категорий.

Контекст был типичный для крупного e-com: трафик дорогой, средний чек в спорте и lifestyle проседает из-за общего давления на потребительские бюджеты, а скидка в лоб быстро съедает юнит-экономику. Если раньше можно было закрывать возврат купоном, то сейчас это слишком дорогой способ купить повторный визит.

Задача была простой по формулировке и сложной по экономике: вернуть пользователя в покупку, не ухудшив маржу и не каннибализировав органику и прямой трафик. Для Nike это особенно важно: у бренда сильный спрос, и любая лишняя скидка начинает обучать аудиторию ждать распродажу.

Решение строилось в несколько слоёв:
— Сегментация аудитории не по факту визита, а по намерению. Отдельно — просмотр категории, отдельно — просмотр карточки товара, отдельно — корзина без оплаты.
— Разные окна ретаргетинга. Для «тёплых» корзин — короткое окно 1–3 дня. Для категории — более длинное, но с другим сообщением.
— Динамический показ ассортимента вместо универсального баннера. Пользователь видел не абстрактный бренд, а конкретные модели и размеры, которые уже смотрел.
— Упор на ценность, а не на дисконт: доставка, доступность размера, лимитированная коллекция, напоминание о дефиците.
— Исключение уже купивших и недавних возвратов, чтобы не жечь бюджет на неинкрементальный трафик.

По открытым разбором подобных кампаний у крупных ритейлеров видно, что такой подход даёт не просто рост конверсии, а более здоровую экономику. Обычно возврат в корзину у сегмента с высоким намерением даёт в 2–4 раза выше CR, чем холодный трафик в каталог. А если убрать лишнюю скидку, то вклад в валовую прибыль растёт даже при сопоставимом объёме заказов.

Главный урок: в ретаргетинге 2026 года выигрывает не тот, кто громче напоминает о себе, а тот, кто точнее считает намерение и не платит за повторный показ тем, кто и так бы купил.

Если смотреть шире, это хороший ориентир для performance-маркетолога: **сначала юнит-экономика, потом охват**. Ретаргетинг должен увеличивать инкрементальную выручку, а не просто улучшать last-click-отчёт.

— @RetentionPaid

Реактивация «спящих» в эпоху снижения среднего чека: опыт крупного E-com ритейлера

В 2026 году борьба за покупателя сместилась из плоскости привлечения новых пользователей в область максимизации пожизненной ценности клиента (LTV — Lifetime Value). На фоне снижения среднего чека на 6-8%, классический performance-маркетинг с опорой на последнюю кликнутую ссылку перестал быть эффективным инструментом роста. Разберем кейс крупного маркетплейса, который столкнулся с оттоком пользователей, совершивших последнюю покупку более 180 дней назад.

Задача: вернуть в активную базу 15% «спящих» клиентов (более 200 000 человек) с окупаемостью маркетинговых затрат (ROMI) не менее 300%.

Решение: вместо массовых скидочных рассылок, которые размывают маржинальность, команда применила метод предсказательного моделирования на основе данных о поведении.
— Сегментация проводилась не по давности заказа, а по вероятности совершения покупки через систему оценки (скоринг) на базе машинного обучения.
— Вместо стандартного ретаргетинга (повторного маркетинга) была внедрена стратегия инкрементальности (прироста): сравнивались две группы пользователей — те, кто видел персонализированное предложение, и контрольная группа.
— Креативы создавались с помощью генеративных моделей, где смысловой акцент делался на «точечных» категориях товаров, которые пользователь просматривал до ухода, а не на общих акциях. Это отвечало требованиям эпохи контента с высокой ценностью смыслов.

Результат:
— Конверсия из «спящего» в активного покупателя составила 18,4%, что на 3,2 процентных пункта выше прогноза.
— Стоимость привлечения одного реактивированного клиента оказалась в 2,5 раза ниже стоимости привлечения нового пользователя из платных каналов.
— Итоговая окупаемость рекламных инвестиций составила 410%, что подтвердило эффективность перехода от массового охвата к точечной реактивации.

Урок для специалиста:
В текущих реалиях атрибуция на основе данных с сервера (server-side) и моделирование маркетингового микса (MMM) позволяют видеть реальный вклад каждого канала. Главный вывод — не пытайтесь вернуть всех. *Фокус на пользователях с высокой прогнозной ценностью дает кратно лучший финансовый результат*, чем попытка «дожать» всю базу одинаковыми предложениями. В условиях, когда потребитель стал экономить, ваш главный актив — это глубокое понимание его истории покупок, а не охват в рекламных сетях. Работайте над тем, чтобы каждый контакт с брендом приносил пользу, а не просто напоминал о вашем существовании.

— @RetentionPaid

Лонгрид о мемном кейсе Melbet vs Pepper Partners - реально ли оценить в аффилейтке репутационный ущерб в деньгах?

История на $2,000 вряд ли разрушит крупный бренд. Но она вполне может стоить ему сотен тысяч долларов и более, если публично остаётся без внятного решения.

Я в аффилейт-маркетинге более 25 лет, а последние пару лет одно из моих основных направлений - B2B matchmaking. Поэтому я регулярно вижу споры между компаниями о выплатах и претензии, и таких ситуаций в рынке явно становится больше.

Знаю многие кейсы, которые были в итоге решены благополучно до выхода в публичное поле и всегда приятно видеть, когда так происходит, но все больше и больше кейсов, которые не просто выходят в паблик, а еще и очень странным и глупым образом в паблике продолжают долго оставаться и наносить ущерб в то время как имеют очень простые и адекватные для обеих сторон варианты решения.

Вот например про один из таких кейсов писал уже здесь весной.

Если неконструктивны обе стороны (а бывает и так), то можно к этому относиться просто как к развлекательному контенту.

Но когда одна сторона открыта к адекватной коммуникации и поиску оптимального решения, а вторая сторона просто игнорирует проблему, при этом не уходя с рынка в закат, а продолжая тратить огромные бюджеты на PR и маркетинг бренда - это любопытная аномалия.

Сейчас самый заметный в аффилейт рынке пример это кейс Melbet <> Pepper Partners, который уже более месяца развивается в публичном поле и о нем уже писали и многие аффилейт медиа, и отдельные блоги, я наверно один из последних, кто у себя в блоге еще об этом не писал)

Изначальное заявление кейса и описание претензии от Pepper Partners можно почитать здесь.

Очень приличный на мой взгляд разбор со стороны и указание пары простых и логичных вариантов решения ситуации написал Артем Кравченко, можно почитать у него.

А я хочу разобрать эту историю с другой стороны, как можно оценивать репутационные потери от подобных историй непосредственно в деньгах и принимать более взвешенные решения, стоит ли вообще брендам занимать тактику игнорирования и допускать появление и продолжительное обмусоливание таких тем в паблике.

Для мелкого и крупного бренда такие истории могут иметь очень разный эффект, поэтому здесь разберем на примере крупного бренда, так как Melbet в нашем рынке относится именно к таким.

Не знаю конечно их точные цифры затрат на PR в рамках афф рынка (участие в конфах, собственные ивенты, реклама в афф медиа и т.п.), но из того, что вижу как организатор ивентов с приличным опытом, этот бюджет явно измеряется в миллионах $ в год, если не выходит за $10млн+.

Это без PR затрат на прямое привлечение игроков (бренд-амбассадоры, спонсорства футбольных клубов и т.п.), без бюджетов непосредственно на закупку трафика. Только на аффилейтку.

И вот уже более месяца в паблике незакрытый и не откоммуницированный публично кейс на $2k (две тысячи долларов).

В публичной дискуссии сейчас преобладает позиция, что Melbet в этом споре неправы.

Может их развернутая публичная позиция поменяла бы мнение, но ее нет, соответственно на данный момент так.

Какие материальные потери может понести бренд в такой истории?

Многие люди, даже очень опытные и умные, почему-то к таким ситуациям относятся бинарно.

Рухнет бренд (закроется, обанкротится) - значит плохо на них повлиял кейс.

Останется бренд жить и работать как ни в чем не бывало внешне - значит никак не повлияло и может они правильно решили игнорировать, а кто-то вообще решит брать с них пример.

Но это же совсем не так, ситуация не бинарная.

Представим не фактические цифры Melbet, которых у нас нет, а консервативную модель крупного рекламодателя.

Если из-за такого кейса бренд потеряет 10 качественных действующих активных партнёров, либо не привлечёт 10 таких новых партнёров, которые в другой ситуации начали бы с ним работать, последствия уже могут быть кратно выше суммы самого спора.

Я не знаю внутренний LTV партнёра у Melbet. Но если принять для активного опытного аффилейта условные $10,000 LTV, десять таких потерянных партнеров - это уже шестизначная сумма $ недополученного дохода. И это без учёта крупных команд, в случае которых эффект может быть кратно выше и оказаться семизначным.

Даже если в этой модели ошибиться и завысить в несколько раз, сам принцип никуда не исчезает - незакрытый публичный спор на $2,000 в любом случае обойдется бренду многократно дороже этих $2,000.

Цифры конечно я прикинул условные, но рассуждения не виртуальные - я знаю афф команды, которые перестали быть их активными партнерами из-за этого кейса.

Одна известная в рынке команда публично рассказала о своем таком решении в моем чатике про scam-кейсы.

А теперь вернемся к миллионам долларов в год, которые Melbet тратит на публичный PR среди аффов через конфы и прочие активности.

У этих трат же есть определенные ожидаемые и реальные результаты, верно?

На каждый затраченный миллион ожидается определенное количество привлеченных новых партнеров и укрепление лояльности и увеличение оборотов с определенным количеством действующих партнеров.

Вообще без понятия какая там ожидаемая сумма выхлопа на каждый потраченный миллион, поэтому обозначим ожидаемую сумму выхлопа с потраченного на PR миллиона в X.

При таком незакрытом публичном кейсе, вызывающем большой отклик и возмущение в рынке - останется эта сумма выхлопа с PR X без учета прочих факторов или она станет меньше X?

Очевидно станет меньше, доверие к бренду ниже, а значит и вложения в PR дают меньшую отдачу.

Я понимаю, что не все читатели, в том числе заинтересованные, могут дружить с математикой, и особенно понятием математического ожидания на дистанции, но вопрос здесь не только в этике и не только в справедливости конкретной претензии. Это вопрос качества управленческого решения.

Когда бренд инвестирует миллионы в доверие рынка - через конференции, медиа, партнёрские активности и PR, игнорирование аргументированного публичного конфликта снижает отдачу от всех этих вложений. Репутация не выглядит отдельной строкой в P&L, но её потеря вполне превращается в недополученный доход, более дорогой PR и менее лояльных партнёров.

Я искренне надеюсь, что все больше компаний в нашем рынке будут становиться более сознательными и не терять огромные деньги на ровном месте, и если бизнес-этика не зашита в культурный код, то хотя бы из сугубо материальных корыстных соображений начнут вести себя адекватнее)

Всем отличной недели и благоразумия)

Ретаргетинг больше не «догоняет» — он собирает выручку по кускам

В 2026 году ретаргетинг перестал быть технической опцией в кабинете. Для performance-маркетолога это уже не канал «добрать клики», а система управления вероятностью повторной покупки, возврата и доноса до сделки. Если смотреть на него через юнит-экономику, задача меняется: не «сколько показов мы отдали ушедшим пользователям», а «сколько маржи вернули на каждый дополнительный рубль медиазатрат».

Это особенно заметно там, где средний чек снижается, а первая покупка больше не тащит бизнес сама по себе. В e-com и подписочных моделях ретаргетинг всё чаще влияет не на верх воронки, а на хвост LTV. И именно хвост часто делает кампанию прибыльной.

**1. Ретаргетинг должен считаться не по клику, а по инкременту**

Старая ошибка — оценивать эффективность ретаргета по последнему клику. В таких отчётах он почти всегда выглядит «самым выгодным»: аудитория и так тёплая, конверсия высокая, CPA красивый. Но вопрос не в том, кто забрал уже готовую покупку, а в том, кто создал дополнительную выручку, которой без контакта не было бы.

Пример: у интернет-магазина бытовой техники ретаргетинг на брошенную корзину даёт CPA вдвое ниже, чем prospecting-кампании. На last-click это победа. Но когда команда провела holdout-эксперимент — часть аудитории специально исключили из показов — выяснилось, что 60% этих пользователей купили бы и без рекламы. Реальный вклад канала оказался значительно скромнее. Зато отдельный сегмент — люди, которые сравнивали модели 3–5 дней, — показал заметный прирост конверсии. Вывод простой: ретаргетинг надо резать по сегментам и проверять инкрементальность, а не верить усреднённому CPA.

**2. Сегментация важнее частоты: разные люди требуют разного давления**

Ретаргетинг умирает там, где всех ведут одним сценарием: один баннер, одна скидка, одна частота, один путь. В 2026 году это уже слишком грубо. Платный возврат работает только тогда, когда мы различаем поведенческие состояния.

Пример: у B2B-сервиса с длинным циклом сделки есть три группы: те, кто читал материалы и не оставил заявку; те, кто дошёл до формы, но не отправил; те, кто заполнил, но не ответил на созвон. У каждой группы разная цель. Первой нужен контент и доказательство компетенции, второй — снятие трения и понятный следующий шаг, третьей — реактивация через sales и customer success. Если всех гонять одним «оставьте заявку со скидкой», будет много шума и мало выручки.

Практический вывод: сегментируйте не по демографии, а по глубине намерения, давности визита и стоимости привлечения. Иногда лучший ретаргет — это не баннер, а пауза. Если пользователь только что пришёл из дорогого трафика и не созрел, ранний повторный показ может ухудшить экономику сильнее, чем молчание.

**3. Креатив в ретаргете — это не напоминание, а новая причина вернуться**

С ростом AI-генерации креативов проблема изменилась: производить баннеры стало легко, а вот придумать новую причину для контакта — сложно. Поэтому выигрышный ретаргетинг строится не на «вы уже смотрели этот товар», а на новой логике выбора.

Пример: сервис доставки продуктов показывает не один и тот же набор баннеров всем ушедшим пользователям, а меняет аргумент. Для тех, кто бросил корзину из-за цены, — подборка экономичных наборов и расчёт выгоды на неделю. Для тех, кто не выбрал из-за сомнений в качестве, — акцент на поставщиков и свежесть. Для тех, кто давно не возвращался, — не скидка, а новая категория и сценарий использования. В результате рекламный контакт перестаёт быть слежкой и становится продолжением решения.

Смысл здесь в том, что в zero-click эпоху человек редко идёт по цепочке «увидел — кликнул — купил» линейно. Он собирает мнение из множества касаний, и ретаргет должен добавлять недостающий смысл, а не повторять первый.

**4. Реактивация — самый недооценённый вид ретаргета**

Часто ретаргетинг сводят к брошенной корзине, хотя самый прибыльный сегмент — это уже купившие, но ушедшие пользователи. В условиях, когда удержание и LTV важнее первой транзакции, реактивация становится почти отдельной дисциплиной.
…

Ретаргетинг в 2026 году: почему он перестал быть «догонялкой» и стал системой возврата выручки

Если смотреть на ретаргетинг как на набор баннеров для тех, кто «уже был на сайте», он выглядит бедно и устаревше. В 2026 году это слишком узкое представление. Ретаргетинг, lookalike (поиск похожих аудиторий) и реактивация — это уже не отдельные тактики, а один контур управления спросом после первого контакта с брендом.

Именно здесь чаще всего скрыта лучшая экономика. Не в первом клике, не в «новом трафике любой ценой», а в том, как вы возвращаете тех, кто уже проявил намерение. На фоне снижения среднего чека в e-com, роста стоимости привлечения и размытия last-click-атрибуции возврат становится не вспомогательной задачей, а одной из основных точек роста маржи.

Первый тезис простой: ретаргетинг работает только тогда, когда он построен не на времени, а на намерении.

Старая логика была примитивной: посетил сайт — покажем товарные карточки три дня подряд. Но поведение пользователя давно сложнее. Один и тот же визит может означать разное: кто-то сравнивал условия, кто-то читал кейс, кто-то почти оставил заявку, но отвлёкся.

Пример. У B2B-сервиса с длинным циклом сделки ретаргетинг по всем посетителям лендинга даёт слабый отклик. А вот сегмент «досмотрел вебинар до 75%», «открыл калькулятор стоимости», «вернулся на страницу тарифа дважды за неделю» уже показывает куда более качественный возврат. Здесь важен не факт визита, а глубина сигнала. Чем ближе сигнал к деньгам, тем выше вероятность полезного возврата.

Второй тезис: хороший ретаргетинг должен учитывать юнит-экономику, а не только CTR и CPA.

Почти у любой кампании есть соблазн радоваться дешёвому клику и короткой цене лида. Но в ретаргетинге это особенно опасно: аудитория маленькая, частота контакта быстро растёт, а «дешёвый» лид может не доходить до выручки. Поэтому смотреть нужно дальше воронки.

Пример. У интернет-магазина можно легко получить красивый CPA на брошенной корзине, если продавать со скидкой всем подряд. Но если средний чек уже просел на 5–8%, а маржа не бесконечна, то скидка на всех превращает ретаргетинг из инструмента возврата в инструмент раздачи прибыли. Правильнее считать не стоимость заказа, а вклад в валовую прибыль: какой сегмент возвращается без дисконта, какой с дисконтом, какой приносит повторную покупку, а какой только съедает показы.

Третий тезис: lookalike (похожие аудитории) больше не должен строиться на всех покупателях подряд.

Когда данные были беднее, lookalike часто лепили от любой «конверсии». Но сейчас это слишком грубо. Алгоритм хорошо копирует не только хорошие, но и случайные паттерны. Если базу собрать без фильтрации, вы масштабируете шум, а не качество.

Пример. У образовательного продукта lookalike на всех заявках может привести поток людей, которые просто любят бесплатно оставлять контакты. А lookalike на тех, кто дошёл до оплаты или хотя бы до квалифицированной консультации, даёт уже другой профиль. Ещё сильнее работает сегментация по ценности: отдельная модель на дорогих клиентов, отдельная — на тех, кто быстро покупает, отдельная — на повторные покупки. В 2026 году это особенно важно, потому что креативы всё чаще создаются массово AI-инструментами, и конкуренция смещается в сторону выбора базы и качества сигнала, а не красивости баннера.

Четвёртый тезис: реактивация — это не «вернуть всех», а восстановить выручку у тех, у кого ещё есть потенциал.

В Reactivation-цепочках слишком часто пытаются оживить всё подряд: спящих, неактивных, отвалившихся, почти ушедших. Но у всех этих групп разная ценность. Кто-то ушёл навсегда. Кто-то просто перестал видеть причину вернуться. Кто-то уже почти готов купить снова, если напомнить о новом сценарии использования.
…

$80 за FTD на СНГ — казино-оффер от ПОКЕРОК Partners

Ищете новый оффер для теста? Рассказываем, что предлагаем партнёрам:
• CPA $80 за FTD на все гео СНГ
• $100 к первой выплате для новых аффилиатов
• 5% по саб-реферальной программе
• прозрачная статистика в партнёрском кабинете
• поддержка личного менеджера

Принимаем различные источники: social, мессенджеры, YouTube / Twitch / Kick, SEO, PPC, in-app и медийный трафик.

В казино ПОКЕРОК также доступна GG99 — линейка из 20+ игр с RTP 99%, включая слоты, настольные игры, видеопокер и аркады. Это весомое преимущество для новых игроков в дополнение к приветственным бонусам.

И ещё один повод подключиться уже сейчас: 27 августа состоится Friendly Tournament для партнёров ПОКЕРОК Partners. Успейте подключиться до 25 августа, чтобы принять участие!

Присоединяйтесь к ПОКЕРОК Partners и начинайте зарабатывать на своём трафике уже сейчас!

Реактивация «спящих»: как E-com перешел от скидок к модели ценности

В 2026 году борьба за клиента в E-com сместилась в плоскость удержания (retention). Когда стоимость привлечения нового покупателя (CAC) растет, а средний чек снижается, фокус переходит на реактивацию базы. Рассмотрим кейс крупного федерального ритейлера, который отказался от массовых рассылок в пользу предиктивной аналитики.

Контекст: База лояльности ритейлера насчитывала 5 млн человек, из которых 65% не совершали покупок более 180 дней. Традиционные методы реактивации — рассылка промокодов на скидку — приводили к падению маржинальности (profit margin) и привыканию аудитории к дисконту.

Задача: Вернуть «спящих» клиентов с фокусом на LTV (пожизненную ценность клиента), а не на разовую транзакцию, при этом оптимизировав расходы на рекламный трафик.

Решение: Команда перешла от сегментации по давности покупки (RFM-анализ) к моделированию вероятности оттока (churn prediction). Вместо стандартного «у нас скидка 10%», была внедрена система динамического ретаргетинга через server-side (серверную передачу данных), учитывающая Topical Authority (тематический авторитет) бренда. Пользователям транслировали контент, который соответствовал их прошлым интересам, усиленный AI-генерацией визуалов под конкретные категории товаров.

Ключевой метод — инкрементальность (оценка прироста). Ритейлер выделил контрольную группу, чтобы понять, совершил бы пользователь покупку без воздействия рекламы. Оказалось, что 40% классических рассылок «съедали» бюджет, не принося дополнительной выручки.

Результат:
— Конверсия из «спящего» в покупателя выросла на 12%.
— Доля маркетинговых расходов (ROMI) улучшилась на 18% за счет исключения неэффективных сегментов.
— Средний чек реактивированных клиентов стабилизировался, так как офферы строились на основе персональных рекомендаций, а не на демпинге цен.

Урок для Performance-маркетолога:
В эпоху privacy-first атрибуции (учета данных с учетом приватности пользователей) ставка на last-click (последний клик) теряет смысл. Если вы продолжаете реактивировать базу просто «ковровой бомбардировкой» скидками, вы не строите отношения с клиентом, а обучаете его ждать распродажу.

В 2026 году реактивация — это не рассылка, а часть RevOps (единого процесса управления выручкой). Вы должны понимать, какой контент потребляет клиент в AI-обзорах поисковиков и на что он реагирует в своей ленте. Изучайте данные об инкрементальности: если ваше рекламное воздействие не меняет поведение клиента по сравнению с контрольной группой, бюджет тратится впустую. Маркетинг сегодня — это не количество контактов, а точность попадания в текущую потребность пользователя, который уже знает ваш бренд.

— @RetentionPaid

Как реактивация через lookalike снизила стоимость лида на 27% в B2B-сервисе

Компания из B2B-сегмента продавала подписку на сервис для маркетологов и упёрлась в классическую проблему 2026 года: холодный трафик дорожает, а MQL-воронка перестаёт быть надёжным ориентиром без связки с выручкой. При этом база клиентов и лидов росла, но повторных касаний почти не было.

Задача была прагматичной: вернуть в воронку тех, кто уже проявлял интерес, и расширить аудиторию за счёт похожих сегментов, не раздувая CPA.

Что сделали:
— Собрали сегменты для ретаргета по поведению: посетители ключевых страниц, брошенные заявки, те, кто открыл письмо, но не оставил контакт.
— Отдельно выделили базу действующих клиентов и «тёплых» лидов, чтобы не смешивать реактивацию с первичным привлечением.
— На основе этой базы запустили lookalike-аудитории — похожие аудитории с упором не на охват, а на качество.
— Креативы разделили по стадии прогрева: для холодных — объяснение ценности и кейсы, для тёплых — конкретный оффер и снятие возражений.
— Оптимизацию строили не только по лидам, но и по более глубоким событиям в CRM, чтобы не тащить в канал мусорные заявки.

Результат:
— Стоимость лида снизилась на 27%.
— Доля повторно вовлечённых пользователей выросла.
— Качество трафика стало лучше: в продажу начали попадать не просто заявки, а люди с уже подтверждённым интересом.

Почему это сработало:
— В условиях, когда средний чек у e-com снижается, а в B2B давление идёт на эффективность каждого контакта, ретаргетинг перестаёт быть «дожимом» и становится отдельным каналом юнит-экономики.
— Lookalike даёт рост, но только если его строить от сильной базы, а не от всех подряд.
— В 2026 году last-click всё хуже показывает реальную ценность канала, поэтому связка CRM + серверная передача событий важнее красивого отчёта в кабинете.

Вывод простой: если у вас есть база и понятная логика сегментации, ретаргет и lookalike могут не просто снижать CPA, а вытаскивать из воронки выручку, которая без них терялась бы на холодном трафике.

— @RetentionPaid