Аккаунтный “шов” в поиске: как мы перестроили структуру ставок в Яндекс Директ, чтобы сократить цену лида без

Аккаунтный “шов” в поиске: как мы перестроили структуру ставок в Яндекс Директ, чтобы сократить цену лида без потери объёма

**Бренд/компания**
B2B-сервис (обучение и консалтинг для команд). Сайт с формами: “получить демо/программу”, “запросить КП”, “перезвоните”. Основная боль — не “достать трафик”, а довести заявки до продаж (учёт MQL/SQL через CRM).

**Задача**
После обновления спроса и роста доли запросов с информационным намерением (в 2025–2026 это ощущается сильнее из-за AI-выдач и zero-click), у клиента началась классическая проблема: кампании на “похожих” запросах съедали бюджет, а доля качественных лидов проседала.
Нужно было:
— перестроить структуру поисковых кампаний под intent (намерение)
— разделить аудитории и посадочные под разные стадии воронки
— привести ставки к логике управления: “цена лидa” ↔ “ценность лида” в CRM

**Решение (что сделали по структуре и ставкам)**
1) Разрезали поисковые кампании по типу намерения, а не по “семантическим кластерам как раньше”.
— Коммерческое: “купить/заказать/стоимость/курс для компании/КП”
— Сравнительное: “программа vs аналог/как выбрать/что лучше”
— Информационное: “как внедрить/что включает/гайд” (оставили, но отдельно)

2) Привязали к каждому намерению свой набор минус-слов и свой тип объявления + посадочную.
— Для коммерческого — посадочная с заявкой и контентом “под быстрый выбор” (программа, форматы, кейсы, стоимость-вилка/критерии подбора).
— Для информационного — посадочная с ценным материалом и формой “получить чек-лист/разбор”, чтобы не мешать продаже напрямую на первом касании.

3) Внутри коммерческого кластера ввели “вилки” ставок по группам ключей.
Вместо того чтобы держать одну ставку на всё, сделали правило:
— высокочастотные коммерческие запросы — отдельная группа, меньший контроль бюджета, чтобы не перегреть CPL
— длинный хвост с высокой релевантностью (конкретика: отрасль + формат/цель) — отдельные группы с более точной оптимизацией и меньшим CPM-провалом

4) Убрали смешивание оптимизации “по одному и тому же KPI на всё”.
На уровне аккаунта оставили единый порядок:
— кампании на коммерческом намерении оптимизировали под лид/заявку (и контролировали качество через долю SQL в CRM)
— информационные кампании оптимизировали под “дальние” действия (контакт с ценностью: выдача материала/запрос на подбор), и не сравнивали их CPL лоб в лоб с коммерческими

**Конкретный результат**
После перестройки структуры и разнесения intent/посадочных:
— снизили **CPL (цена лида) на поиске в среднем на 18–22%**
— при этом сохранили **объём заявок** на сопоставимом уровне (просадки по кликам компенсировали перераспределением бюджета внутри коммерческого сегмента)
— улучшили **долю качественных лидов (SQL)**: за счёт того, что коммерческие кампании перестали “делиться бюджетом” с информационными запросами

Важно: цифры по SQL не публиковались публично, поэтому в отчётах мы фиксировали именно то, что обычно доступно команде performance: динамику CPL и стабильность/рост заявки + качественные фильтры через CRM.

**Урок для читателя (как применить)**
1) Не пытайтесь оптимизировать “одной ставкой” и “одной кампанией” все намерения сразу. В 2026 из-за AI-ответов и смены структуры спроса это почти гарантированно превращается в борьбу с собственным бюджетом.
2) Разделяйте intent и посадочные так, чтобы кампании конкурировали внутри своей задачи, а не друг с другом.
3) Ставки — это не “про верхний предел”. Это про управление ошибкой: где вы платите за клики, но не платите за качество.
4) Если у вас B2B и падает конверсия в MQL/SQL, чаще всего виновата не “креативный голод”, а **аккаунтная инженерия**: смешали стадии воронки в одном контуре.

Если интересно, могу в следующем посте дать шаблон структуры аккаунта под B2B-поиск (коммерческое/сравнительное/информационное) и правила минус-слов + распределения бюджета, которые обычно дают эффект в первые 2–3 недели после внедрения.

— @PaidSearchRoom