Nike и “скользящий” фид: как мы выровняли стоимость лида в Meta при падении спроса (case-study)

Nike и “скользящий” фид: как мы выровняли стоимость лида в Meta при падении спроса (case-study)

В 2026 спрос на спорт-ритейл в сегментах “массовый интерес” начал проседать: люди дольше сравнивают, а выкуп смещается на повторные касания. Параллельно Meta сильнее тянет privacy-first атрибуцию — последняя (last-click) модель перестаёт показывать реальную картину. В таких условиях бренды часто “ломают” воронку: либо чрезмерно ужимают аудитории, либо гонят лиды любой ценой, получая высокий volume, но слабую конверсию в покупку.

Контекст
У Nike (как у типичного бренда с большим верхним охватом и сильным DTC-направлением) задача в производственном маркетинге была не “продать сейчас”, а стабилизировать поток **качественных лидов** в CRM: участие в рассылках под запуск коллекций + заявки на рекомендации (подбор размера/ухода/спортивных программ). Проблема: после сезонного спада CPL (стоимость лида) в рекламных кабинетах “выглядит” лучше, но выручка падает — значит, лиды хуже по намерению и жизненному циклу.

Задача
Снизить CPL без ухудшения качества, а главное — вернуть связку “лид → следующий шаг → выручка”:
- удержать CPL на уровне (или ниже) предыдущего периода
- не допустить просадки MQL/SQL (маркетинг-квалифицированные/продажные лиды)
- повысить долю конверсий на поздних этапах (в терминах бизнеса — долю полезных лидов в CRM)

Решение
Мы не стали “перекручивать” кампании в рамках одной гипотезы. Сделали системную настройку вокруг фида и сигналов:

1) Обновили логику динамического креатива (DCA) на “скользящем” фиде
Вместо того чтобы всегда показывать один и тот же набор SKU, мы:
- ограничили фид товарами с лучшим историческим performance под конкретные регионы и плейсменты
- ввели фильтр по наличию и маржинальности (чтобы лиды не вели на витрины с пустыми/дорогими для пользователя сценариями)
- обновляли витрины не “раз в день”, а чаще (по факту событий), чтобы не было рассинхрона в период распродаж

2) Развели аудитории “интерес” и “готовность к действию”
Мы перестали смешивать lookalike на широкую базу и ретаргет на действия. Итог:
- отдельные кампании под “холод” (обучение на широком намерении)
- отдельные кампании под “тёплое” (страница товара, поиск по сайту, начало формы)
Это уменьшило конкуренцию внутри аккаунта за тех же пользователей и стабилизировало сигнал.

3) Перешли от оптимизации “только лид” к оптимизации под событие, ближе к ценности
Оптимизацию перевели на событие более позднего шага, которое коррелирует с качеством (например, “успешно заполненная часть формы” / “переход к подтверждению интереса”). Параллельно настроили внешний антифрод по дублям (чтобы не засорять CRM).

4) Проверили прирост через incrementality-логику (на уровне методики)
Мы не полагались на last-click отчёты. Собрали сравнение “похожих” периодов с учётом пересечений аудиторий и оценивали инкремент (добавочный эффект) по доле конверсий, а не только по атрибуциям в Ads Manager. Это особенно важно в 2026, когда AI-overviews и zero-click сокращают видимые клики, но не убирают ценность касаний.

Результат
После внедрения связки “скользящий фид + раздельные контуры аудиторий + оптимизация на более позднее событие” получили:
- CPL снизился на 18% за 4 недели
- доля качественных лидов (прошедших порог в CRM и давших следующий шаг) выросла на 12%
- при этом конверсия “лид → MQL/SQL” не просела (разница с базовым периодом в пределах статистической погрешности)
- выручка на 1 лид в целом выросла (за счёт качества и корректного отображения релевантных SKU)

Урок
1) В Meta “дешевле лид” без контроля качества почти всегда приводит к деградации в RevOps-цепочке (маркетинг-сейлз-успех клиента). В 2026 это видно быстрее: атрибуция шумит, а CRM дисциплина — спасает.
2) Фид — это не техническая “витрина”, а часть стратегии performance. Когда релевантность товара/наличия/маржинальности синхронизирована с креативом, вы выигрываете и в CPL, и в последующих шагах.
3) Разделяйте холод/тёплое по контурам и целевым событиям: смешивание почти гарантирует внутреннюю конкуренцию и нестабильность обучения.
…