Як знайти додаткове зростання в пошуковій рекламі: кейс Promodo та Будинку Іграшок

Виклик

Десятиліттями бренд Будинок Іграшок зростав на одній аудиторії — батьки, які купують дітям 0-12 років. Ця стратегія добре працювала.

‍

Починаючи з 2022 року категорія дитячих іграшок увійшла в затяжну стагнацію:

• З України виїхало майже 2 млн дітей.
• Народжуваність у 2024 році — в 1,5 раза нижча, ніж у 2021, і на 9% нижча, ніж у 2023.

‍

У таких умовах зростання онлайну стало ще складнішим: конкуренція зросла не лише серед гравців категорії, а й з боку маркетплейсів, продуктових ритейлерів, техноритейлу, аптек і «сірого» імпорту, який активно освоює digital-простір. Трафік став дорожчим, аудиторії — розпорошеними.

Зростати на ринку, що скорочується, в тих самих категоріях і з тією самою аудиторією — означало повільно здавати позиції. Потрібен був принципово інший погляд.

Спойлер

‍

Кампанія тривала з квітня по грудень 2025 року:

‍

Рішення

Будинок Іграшок провів дослідження і виявив: кожна четверта іграшка в світі купується дорослим для себе або для іншого дорослого. Навколо колекційних серій формуються спільноти фанів, яких об’єднують улюблені персонажі та бренди. А окремі моделі іграшок стали ще й об’єктом інвестицій. В Україні під час інтерв’ю з клієнтами команда помітила ще одну сильну емоцію — ностальгію.

‍

Разом з тим, іграшка почала виконувати ще роль емоційного відновлення, дорослі все частіше сприймають її як спосіб переключитися та на певний час відволіктися від новин.

‍

Водночас більшість респондентів не асоціювали Будинок Іграшок із місцем, де можна купити іграшки для себе. Тому компанія змінила стратегію на нову — «Грають всі» та розширили асортимент у 2,5 рази. Додали дорослі серії конструкторів, колекційні фігурки, настільні ігри, геймерські товари, дорослу літературу, комікси, мангу тощо.

Стратегія для пошукових кампаній складалась з трьох етапів:

1. Перейти від категорійної логіки до управління бюджетом на рівні кожного товару — щоб інвестиції концентрувалися там, де найвища віддача, а не розпорошувалися рівномірно по асортименту.
2. Захопити попит кідалтів у пошуку — нова аудиторія часто шукає не категоріями, а конкретними персонажами, героями, серіями. Стратегія передбачала присутність саме на цих запитах.
3. Перетворити кампанії на джерело даних — постійно виявляти товари з прихованим потенціалом і перерозподіляти бюджет на їхню користь.

‍

Для впровадження системи ми відібрали шість найменш ефективних в рекламі категорій. Їхній розмір і об’єм були суттєвими, однак ROAS був в середньому на 35% нижчим відносно інших категорій та всього акаунту. Тому саме ці категорії стали пріоритетними для тестування та оптимізації.

Більший асортимент за той самий бюджет вимагає не більше зусиль, а чіткішої системи пріоритетів. Ми побудували її за 5 кроків.

Крок 1. Перерозподіл бюджету на користь найдохідніших товарів

Розширення асортименту в 2,5 рази створило нову проблему: сотні нових SKU конкурують за той самий рекламний бюджет. Рівномірний розподіл між усіма товарами означав, що жоден не отримає достатньо для результату.

‍

Тому ми відійшли від стандартної категорійної логіки у Perfromance Maх. Щоб зрозуміти, куди направляти ресурси, ми звернулися до інструментів комерційного відділу та юніт-економіки.

‍

Performance-маркетинг і комерційний відділ вирішують схожі завдання: які товари просувати, куди направляти ресурси, що масштабувати, а що обмежувати. Але інструменти у них різні. В юніт-економіці для цього існує ABC-XYZ аналіз — метод управління складом, який десятиліттями допомагає бізнесу розуміти, які товари генерують основний дохід і наскільки стабільний на них попит. 

‍

Ніхто до нас не переносив цю логіку в performance. І не випадково — в оригінальному вигляді вона там не працює: 9 сегментів надмірно складно для рекламного кабінету.

Тому ми не скопіювали модель, а адаптували її під реалії перформансу — скоротили до 4 груп, кожна з власною логікою і стратегією.

Головним відкриттям стала група Y/Z — зомбі-товари. Це переважно нові або маловідомі позиції, які не отримують кліків через просту причину: алгоритм Google надає перевагу товарам з історією сигналів і просто ігнорує ті, у кого її немає.

‍

До 80-90% асортименту будь-якого ритейлера складається саме з таких позицій. Але серед них ховаються майбутні хіти — товари з реальним попитом, який система ніколи не бачила. Стратегія «Максимум конверсій» дала їм шанс проявитись — і перетворила зомбі-товари на додаткове джерело доходу.

‍

Та керувати десятками тисяч SKU вручну фізично неможливо, тому кожен товар отримав динамічну мітку своєї групи — A/B, B/C, X/Y або Y/Z — яка автоматично оновлювалась на основі поточної ефективності.

Якщо зомбі-товар починав отримувати конверсії — він автоматично переходив до групи A/B і потрапляв у кампанію з іншою стратегією ставок. Якщо переставав продаватися — повертався на цикл тестування.

Система працює на постійній основі: не разовий аналіз, а безперервний перерозподіл пріоритетів відповідно до реального попиту.

Крок 2. Performance Max — тільки з товарною видачею

Performance Max — об'єднана кампанія, яка охоплює всі канали Google: Shopping, пошук, медійку, Gmail, карти. Але навіть з правильно розподіленим бюджетом вона залишається некерованою: банери і медійні об'єкти забирають до 30-40% бюджету з товарної видачі, і будь-яка стратегія ставок перестає працювати точно.

‍

Тому ми розділили PMax — залишили виключно товарну видачу, а медійну складову винесли окремо. Це дало повний контроль над ефективністю кожної групи товарів.

Крок 3. Збагачення товарного фіда

Пошукова реклама показує товар тільки тоді, коли розуміє його релевантність запиту. Кідалт не шукає «колекційну фігурку» — він шукає фігурку Дарта Вейдера з лімітованої серії. Але стандартний фід містить лише назву, ціну, категорію і наявність — цього недостатньо, щоб система побачила зв'язок між товаром і таким запитом.

‍

В SEO категорійні сторінки давно оптимізуються через фільтри — всесвіт, персонаж, серія, матеріал. Ми перенесли цю логіку в PPC: витягнули нетипові фільтри з сайту і додали їх у товарний фід. Для колекційних фігурок, наприклад: всесвіт (Marvel, DC, Star Wars, Гаррі Поттер), персонаж, серія, матеріал, лімітована версія.

Кожна категорія отримала власний набір фільтрів — розробка зайняла півроку. В результаті кожен товар перетворився з мінімального набору даних на повноцінний профіль, здатний з'явитись саме на тому запиті, який реально вводить нова аудиторія.

Крок 4. Запуск пошукових кампаній для максимального покриття попиту

PMax при вузьких запитах часто показує схожі, але нерелевантні товари. Збагачений фід дозволив нам запустити автоматизовані пошукові кампанії на весь асортимент паралельно з PMax — і відповідати на чітко сформований запит точним товаром.

‍

Запустити пошукові кампанії на весь асортимент вручну — означає роки роботи і постійне ручне оновлення.

‍

‍G-MOS — авторський інструмент Promodo — вирішив цю задачу автоматично. На основі збагаченого фіду він генерував заголовки, описи та ключові слова під кожен товар у реальному часі. Товар одночасно з'являвся і в Shopping-видачі, і в пошуковій — саме на той специфічний запит, де конкуренція мінімальна, а намір купити — максимальний.

скрін

Разом два інструменти закрили різні задачі єдиної системи: автоматичний розподіл визначав який товар просувати в кожен момент, G-MOS визначав як саме його показати потрібній аудиторії.

Крок 5. Динамічна міграція та автоматизація

Через зміну попиту товари не можуть знаоходитись у статичних групах. Через 4 місяці ручних тестувань ми визначили оптимальну частоту міграції товарів між кампаніями: 1 раз на 7 днів. Це дало можливість уникнути перенавчання алгоритмів.

‍

Після підтвердження гіпотези ми перевели процес з ручного керування на автоматичний за допомогою власного інструменту Ads Hub. Тим самим забезпечили стабільність підходу без втрати ефективності.

Результати

Методологія ABC-XYZ довела свою ефективність і стала основою для подальшого масштабування.

Показники підтверджують, що це системний результат:

• +71% — зростання конверсії. Трафік збільшився та став точнішим. Аудиторія, яку ми перехопили через збагачений фід та ABC-XYZ сегментацію, приходила з чітким наміром і купувала.
• +52% — зростання частки онлайну в загальному доході компанії. Performance змінив поведінку покупців і перерозподілив їхні витрати на користь онлайн-каналу.