Разбор: как бренд косметики перевёл programmatic на прогноз LTV и обогнал last-click

Разбор: как бренд косметики перевёл programmatic на прогноз LTV и обогнал last-click

Контекст рынка 2026
Средний чек в e-com просел на 5–8%, рынок живёт в zero-click-эпохе (пользователь всё чаще получает ответ, не переходя на сайт), а last-click-атрибуция окончательно сдаёт позиции. Бренды перестраивают закупку под долгосрочную ценность клиента, а не под первую транзакцию. Разберём, как это выглядит на практике.

Задача
Сетевой бренд уходовой косметики столкнулся с типичной картиной: programmatic давал стабильный объём заказов, но реальный вклад канала в выручку был непрозрачен. Last-click завышал роль ретаргетинга и обнулял эффективность верхних этапов воронки. Закупка велась по CPL (стоимости лида) и ROAS (возврату расходов на рекламу) первой покупки, что толкало оптимизацию в дешёвые сегменты с низким LTV (пожизненной ценностью клиента).

Решение
Команда перевела кампании в DSP на value-based bidding — ставку по прогнозу LTV, а не по первой конверсии. Схема состояла из трёх слоёв.

— Сбор и объединение данных в DMP. CRM (система управления клиентами), исторические покупки, поведение на сайте, офлайн-чеки. Цель — единый профиль клиента с привязкой к выручке, а не только к заказу.

— Обучение предиктивной модели. Скоринг пользователей по вероятности повторной покупки в течение 90 дней и по среднему чеку следующего заказа. Вес признаков откалиброван по 24 месяцам истории.

— Загрузка сегментов в DSP. Банды (диапазоны ставок) по LTV-сегментам, отдельные кампании для look-alike (похожих) аудиторий по верхнему квартилю LTV, контекстуальный таргетинг (таргетинг по смыслу окружения, а не по cookie) для привлечения новых пользователей.

Результат
— CPA (стоимость привлечения клиента) на первый заказ вырос на 18%, но LTV когорты за 6 месяцев — на 41%.
— Доля ретаргетинга в общем расходе снизилась с 46% до 29%, доля верхневоронных кампаний выросла с 19% до 38%.
— При сопоставимом бюджете шестимесячная выручка с programmatic-канала выросла на 27%.
— Благодаря server-side атрибуции и MMM (моделирование маркетингового микса) команда смогла валидировать вклад канала в инкремент (дополнительную) выручку, а не только в атрибутированную.

Урок для читателя
Оптимизация по first-purchase ROAS (возврату с первой покупки) в зрелом e-com — ловушка. Она съедает бюджет на удержание и верх воронки. Если ваш DSP и DMP умеют работать с value-based bidding и прогнозом LTV, переходите на эту модель, даже если на первом отчёте метрика «просядет». Долгосрочная выручка важнее красивой строки в дашборде.

— @ProgrammaticGuidePro