Как мы перестроили структуру Search-кампаний и срезали CPL на 27% без увеличения бюджета

Как мы перестроили структуру Search-кампаний и срезали CPL на 27% без увеличения бюджета

В 2025–2026 у нас был типовой B2B-кейс: лиды шли из поиска, но качество плавало, а в отчётах всё выглядело «нормально» только на уровне last-click. Источником был бренд с длинным циклом сделки и несколькими продуктами в одной воронке. Бюджет не рос, задача была простая и жёсткая: удержать объём заявок и снизить стоимость качественного лида.

Проблема оказалась не в ставках как таковых, а в структуре аккаунта. Внутри одной кампании мешались:
— брендовые запросы;
— категории с разной маржой;
— запросы по продуктам для разных сегментов;
— информационные и коммерческие намерения.

Из-за этого алгоритм перераспределял деньги туда, где было больше кликов, а не выше вклад в выручку. В результате 38% бюджета съедали группы с CPL ниже среднего, но с конверсией в SQL почти в 2 раза хуже.

Что сделали:
— разнесли кампании по намерению и роли в воронке;
— отдельно выделили бренд, категории, конкурентов и high-intent запросы;
— ввели разные целевые CPA по сегментам;
— убрали автотаргетинг из «широких» групп, где он размывал сигнал;
— перевели ключевые фразы с низкой маржинальностью в ограниченный режим показов;
— для дорогих запросов включили защиту от лишнего расширения семантики.

Самое важное — мы перестали оптимизировать «лиды вообще» и начали смотреть на связку: заявка → SQL → выручка. Для этого связали рекламные данные с CRM и раз в неделю пересчитывали стоимость не лида, а квалифицированного обращения. Это уже ближе к логике RevOps, чем к старой модели «отдали лид и забыли».

Результат за 6 недель:
— CPL по качественным лидам снизился на 27%;
— доля SQL выросла с 31% до 44%;
— расход остался почти тем же: отклонение в пределах 4%;
— доля неэффективных кликов в поиске упала на 19%.

Урок простой: в 2026 году в платном поиске выигрывает не тот, кто сильнее крутит ставки, а тот, кто **правильно режет структуру аккаунта под намерение и ценность запроса**. Чем точнее сегментация, тем меньше мусора в обучении алгоритма и тем ближе оптимизация к деньгам, а не к красивым метрикам в кабинете.

— @PaidSearchRoom