Кейс рекламы ЖК «Вишнёвая Горка» в Яндекс.Директ: CPL от ~1 200 ₽ в низкий сезон через РСЯ и O2O

Почему зимой и после отмены льготной ипотеки CPL ломается

Первичная недвижимость — ниша с высоким средним чеком и длинным циклом принятия решения. Человек может изучать проект месяцами, прежде чем оставить заявку; после заявки до сделки тоже проходит время. В таких условиях «много заявок» само по себе не означает продажи.

Второе полугодие 2024 года выдалось тяжёлым для застройщиков: льготная ипотека на новостройки была отменена, условия семейной ипотеки ужесточились, а ключевая ставка Центробанка продолжала расти. Для покупателей это означало более дорогие кредиты и меньшую мотивацию выходить на сделку. Для рекламодателей — сжатие спроса и рост стоимости привлечения.

К нам обратились с экорайоном «Вишнёвая Горка» — семейным жилым комплексом на первичном рынке. Реклама уже шла: за H2 2024 Яндекс.Директ принёс 745 лидов при средней стоимости 2 142,90 ₽ без НДС. Из них 398 обращений — квалифицированные (53,42%). Цифры стабильные, но CPL оставался существенно выше планки, которую клиент считал приемлемой.

KPI проекта

Клиент установил два конкретных KPI:

1. Стоимость лида (CPL) ≤ 1 500 ₽ без НДС. На старте средний CPL составлял 2 142,90 ₽ — почти на 43% выше цели.
2. Доля квалифицированных обращений ≥ 50%. В базовом периоде она держалась на уровне 53,42%, но при снижении CPL важно было не потерять качество.

Усложняющий фактор: контрольный срез пришёлся на конец декабря 2024 – январь 2025, то есть на классический низкий сезон для рынка новостроек. Зимой активность покупателей снижается, а конкуренция за оставшийся спрос растёт. В этих условиях удержать CPL в рамках KPI — уже серьёзный результат.

Этап 1. Анализ рекламных кампаний и перенос ~80% бюджета в РСЯ

Первое, что мы сделали, — полный аудит текущих кампаний. В Яндекс.Директ параллельно работали поиск и рекламная сеть (РСЯ). Обе площадки приносили лиды, но экономика была принципиально разной.

На поиске заявки стоили дороже. Конкуренция за прямые запросы — «купить квартиру», «новостройка», «жк + район» — в нише недвижимости традиционно высокая. Ставки растут, а конверсия колеблется: человек может кликнуть, изучить сайт и уйти сравнивать. Поиск важен для присутствия, но масштабировать его дёшево почти невозможно.

В РСЯ картина была обратной. Лиды из рекламной сети стоили заметно дешевле: шире аудитория, ниже стоимость клика, а при правильной настройке — сопоставимая конверсия. Мы провели анализ и увидели, что при перераспределении бюджета в пользу РСЯ можно существенно сбить средний CPL, не отказываясь от поисковых кампаний полностью.

Почему именно РСЯ ~80%

Перераспределение бюджета — не «выключить поиск и залить всё в сеть». Мы оставили поисковые кампании для присутствия по ключевым и брендовым запросам, но основную массу бюджета — около 80% — направили в РСЯ. Причины:

• Стоимость клика ниже в разы. В рекламной сети нет прямого аукциона за позицию в выдаче, поэтому даже в конкурентной нише клики обходятся дешевле.
• Шире охват. РСЯ показывает объявления на тысячах площадок, включая тематические сайты, новостные порталы и мобильные приложения. Для недвижимости это важно: потенциальный покупатель читает про ипотеку, смотрит планировки у конкурентов — и видит наше объявление.
• Обучение на конверсии. В РСЯ алгоритмы Яндекса хорошо учатся на конверсионных целях: если дать достаточно данных о том, какие пользователи оставляют заявки, система начинает искать похожих. Это масштабируемый механизм, который поиск не даёт в том же объёме.

Мы не обещаем, что «отказались от поиска» — он продолжал работать по горячим запросам. Но основной объём лидов и основная экономика кейса — именно РСЯ.

Этап 2. Шесть лендингов под УТП объявлений

Второй системный шаг — связка «объявление → первый экран лендинга». В недвижимости это критично: человек кликает на объявление с конкретным оффером и ожидает увидеть ровно его на странице. Если оффер в объявлении — про семейную ипотеку от 2,2%, а первый экран показывает общий каталог квартир — конверсия падает.

Мы создали шесть дополнительных версий основного лендинга. Каждая отличалась первым экраном: заголовок, подзаголовок и визуал были адаптированы под конкретный оффер из объявления. Структура остальной страницы — формы заявки, квиз-блок, чат Битрикс24, коллтрекинг — оставалась единой.

Какие офферы использовались

Ключевые УТП, которые мы выносили на первый экран:

• Семейная ипотека от 2,2%. В условиях роста ставок это конкретное преимущество для семей с детьми — одна из немногих программ, ещё доступных на рынке.
• Рассрочка 0% на 12 месяцев для готовых квартир. Оффер для тех, кто не хочет связываться с ипотекой прямо сейчас, но готов зафиксировать цену.
• Варианты с акцентом на локацию, инфраструктуру экорайона и конкретные планировки.

Логика простая: чем точнее совпадение между обещанием в объявлении и первым экраном, тем меньше разрыв ожиданий и тем выше конверсия в заявку. Для РСЯ это особенно важно — пользователь может не искать квартиру прямо сейчас, и его внимание нужно удержать в первые секунды.

Этап 3. O2O, CRM и ретаргетинг: обучение на сделки, а не на спам

Третий — и, пожалуй, самый значимый для долгосрочной экономики — этап: подключение офлайн-конверсий (O2O) и интеграция с CRM клиента. Без этого Директ учился на «любой заявке» — включая пустые обращения, случайные клики и людей, которые никогда не дойдут до сделки.

Что такое O2O и зачем оно в недвижимости

O2O (online-to-offline) — это передача данных об офлайн-покупателях в рекламные инструменты Яндекса. Суть: мы загружали из CRM клиента информацию о тех, кто реально дошёл до сделки или до визита в отдел продаж, и Яндекс.Директ искал совпадения с онлайн-трафиком.

Для недвижимости это особенно ценно. Цикл покупки квартиры — месяцы. Человек может оставить заявку в январе и подписать договор в мае. Без O2O алгоритм никогда не узнает, что этот лид в итоге стал покупателем. С O2O — узнаёт и начинает оптимизировать рекламу на поиск похожих людей.

Сигнал качества меняет поведение алгоритмов

До подключения O2O автоматические стратегии Директа оптимизировались на любые конверсии — отправку формы, начало чата, звонок. Среди этих обращений были и реальные покупатели, и случайные люди. Алгоритм не видел разницы.

После интеграции CRM система получила сигнал: вот эти конверсии привели к диалогу с отделом продаж, а вот эти — нет. С каждой неделей обучение становилось точнее, и Директ начал привлекать более качественную аудиторию — людей, чьё поведение совпадало с паттерном реальных покупателей.

Тонкая настройка ретаргетинга

Параллельно мы проработали ретаргетинг. Стандартная настройка — «показать рекламу тем, кто был на сайте» — не всегда эффективна. При автотаргетинге заголовков Директ мог повторно показывать объявления новым пользователям, которых ошибочно считал «вернувшимися».

Мы использовали механику «двойного отрицания»: исключили показ повторных объявлений пользователям, которые на самом деле не были на сайте (ложные «повторные» при автотаргетинге), и скорректировали цену конверсии на реальную ретаргетинговую аудиторию.

Итоги контрольного среза и выводы

Контрольный срез — недели с 23 декабря 2024 по 26 января 2025, фактически зимний низкий сезон. Именно здесь видно, как работает система после оптимизации.

Суммарно за контрольный период: 253 лида при среднем CPL 1 478,94 ₽. Из них 124 квалифицированных обращения — 49,01%. Средняя стоимость квалифицированного лида — ~3 300 ₽.

Динамика по неделям: от переобучения к пику

Первая неделя (23–29 декабря) — ожидаемо слабая. CPL поднялся до 1 803,80 ₽, а доля квалифицированных обращений упала до 25%. Это нормальная просадка при переобучении алгоритмов на новом сигнале: система ещё не набрала данных O2O и перестраивала модель.

Уже со второй недели (30 декабря – 5 января) доля квалифицированных вернулась к 56,25%, CPL опустился до 1 610,42 ₽. Тренд продолжился: на неделе 6–12 января CPL составил 1 296,42 ₽, а на следующей — 1 220,97 ₽, что стало пиковым значением. В тексте мы округляем его до ~1 200 ₽ — это нижняя граница, до которой удалось довести стоимость заявки в лучшие недели зимнего сезона.

Последняя неделя (20–26 января) показала CPL 1 725,69 ₽ при 37 лидах. Объём снизился — конец месяца, естественная волатильность, — но средняя по всему срезу осталась ниже KPI.

KPI: достигнут или нет?

Стоимость лида ≤ 1 500 ₽: KPI перевыполнен. Средний CPL контрольного среза — 1 478,94 ₽, то есть ниже планки. В лучшие недели CPL опускался до ~1 200 ₽.

Доля квалифицированных ≥ 50%: около цели. Средняя доля квалифицированных за весь срез — 49,01%. При этом со второй недели (после завершения переобучения) показатель стабильно держался на уровне 48–57%. Первая неделя с 25% квалифицированных — прогнозируемая просадка, которая отражает переходный период.

Дельта: что изменилось

Сравнение базового периода H2 2024 с контрольным срезом:

• CPL: 2 142,90 ₽ → 1 478,94 ₽ — снижение на ~31%.
• Пиковый CPL: ~1 200 ₽ (табличный минимум 1 220,97 ₽).
• 253 лида за 5 недель контрольного среза — при том, что период приходился на зиму.
• 124 квалифицированных обращения (49,01%) — около цели 50%, с устойчивым возвратом после первой недели.
• Средняя стоимость квалифицированного лида — ~3 300 ₽.

Выводы

Два ключевых принципа, которые подтвердил этот кейс:

1. Оффер на первом экране должен совпадать с УТП в объявлении. Без этого совпадения конверсия проваливается — особенно в РСЯ, где пользователь не искал квартиру прямо сейчас и его внимание держится секунды. Шесть версий лендинга — это не перфекционизм, а необходимость для каждого крупного оффера.
2. Данные по воронке после заявки нужно передавать в Директ. O2O + CRM — это не «продвинутая настройка для крупных клиентов», а базовая гигиена для любого проекта с высоким чеком и длинным циклом сделки. Без сигнала о качестве алгоритм оптимизируется на мусор.

Честно скажем: просадка квалифицированных до 25% в первую неделю — это цена переобучения. Она предсказуема и временна, но клиенту нужно быть к ней готовым. Со второй недели доля квалифицированных вернулась к 50%+ и держалась стабильно.

Если вы работаете с новостройками и видите, что CPL растёт, а качество лидов не улучшается — почти наверняка проблема в том, на каком сигнале учится Директ и насколько точно объявления совпадают с лендингами. Мы в Monster Context собираем такие связки под экономику сделки, а не под красивый отчёт по кликам.