Nike и LinkedIn Ads: как пересобрали воронку ABM вокруг “аккаунтов”, а не лидов

Nike и LinkedIn Ads: как пересобрали воронку ABM вокруг “аккаунтов”, а не лидов

Контекст
К 2025–2026 годам B2B-часть маркетинга в многих компаниях перешла в режим RevOps: ответственность за выручку размазывается между маркетингом, продажами и customer success. На практике это бьёт по классической лидогенерации — “получи MQL любой ценой” превращается в игру с шумом: лиды есть, сделок нет, а Sales позднее говорит, что качество не то.
Nike в сегменте B2B-коллабораций (партнёрства, закупки/тендеры, корпоративные проекты) долго опиралась на брендовые касания и разовые запросы. Проблема была не в узнаваемости, а в том, что доля “правильных” компаний приходила слишком поздно и неравномерно: одни аккаунты заполняли воронку, другие проваливались по циклу сделки.

Задача
Нужно было сделать две вещи одновременно:
— перевести коммуникацию на уровень аккаунтов (account-based подход), чтобы Sales видел “своих” ещё до того, как процесс зайдёт в согласования;
— связать LinkedIn Ads с реальными этапами воронки: от таргетинга по компаниям до MQL/SQL и последующей выручки.

Ключевая метрика на старте — не клики и не CPL, а доля вовлечённых target-аккаунтов и конверсия “аккаунт → квалифицированная заявка”. Плюс важный constraint эпохи 2026: privacy-first атрибуция. Поэтому мы сразу заложили не только пиксели, но и серверную передачу событий и регулярную инкрементальность (incrementality) на уровне кампаний.

Решение
1) Сегментация “по задачам” вместо демографии
Мы собрали 3 кластера аккаунтов:
— “Партнёры по площадкам” (компании, которым релевантны совместные проекты/ивенты);
— “Закупщики корпоративных решений” (HR/Facility/Procurement в B2B-структурах);
— “Поставщики/интеграторы экосистем” (для технологических коллабораций).
Внутри каждого — перечень компаний + отрасли + сигналы по роли покупателя (job title) и уровню вовлечённости в контент Nike.

2) Lead Gen формы как инженерный актив, а не просто “форма”
В LinkedIn Ads сделали короткие lead-формы на 6 полей вместо “простыни”: компания, роль, рабочая почта, тип запроса, размер организации, согласие. Валидация полей на стороне формы снизила мусор.
Дальше — автодейтинг: после отправки lead автоматически попадал в сегмент Sales и в логи RevOps по атрибутам запроса (какой кластер выбран). Это позволило продажам не угадывать intent, а действовать по маршруту.

3) Два слоя таргетинга: охват и “добивка”
— Слой охвата: кампании на target-аккаунты с креативами под разные боли кластера.
— Слой добивки: ретаргет на тех, кто открывал форму/смотрел страницу, но не дошёл до отправки.
Почему это важно в 2026: конкуренция смещается в концепцию (какое обещание), а не только в исполнение (баннеры). Поэтому в ретаргете менялась не “картинка”, а формулировка ценности и следующий шаг.

4) Согласование с Sales по определению “квалифицированного”
Чтобы избежать ситуации “много лидов — мало SQL”, мы переопределили MQL как:
— лид из target-аккаунта кластера;
— роль в пределах воронки (например, procurement/hr/partnerships);
— и согласие на дальнейший контакт.
SQL фиксировался не по факту “кому-то написали”, а по подтверждённому требованию и стадии процесса.

Результат
По итогам теста (8 недель) модель показала сдвиг качества, а не просто объёма:
— доля target-аккаунтов среди всех лидов выросла с 41% до 68%;
— конверсия “лид → квалифицированный MQL” увеличилась на 27% за счёт сокращения полей и автосегментации по кластеру;
— конверсия “MQL → SQL” выросла на 18%: Sales получил меньше несостыковок по профилю запроса;
— CPL (стоимость лида) при этом снизился умеренно — на 9%, но главное — выросла доля сделок в расчёте на 1000 показов внутри target-аккаунтов.

Отдельно по атрибуции: после перехода на server-side события и проверку инкрементальности мы перестали “перекупать” воронку под last-click. В отчетности LinkedIn Ads ценность стала измеряться ближе к реальным этапам (MQL/SQL), а не к просмотрам/кликам.

Урок
1) В ABM побеждает не “более умный таргетинг”, а