Миграция спроса в «инфополе»: как FMCG‑бренд вытащил продажи из нулевых поисковых кликов

Миграция спроса в «инфополе»: как FMCG‑бренд вытащил продажи из нулевых поисковых кликов

Бренд/компания
Крупный производитель товаров повседневного спроса (FMCG) с широкой матрицей (категории: бытовая химия и средства для дома). Канал продаж — смешанный: офлайн-ритейл + e-com маркетплейсы и собственный магазин.

Задача
К 2026 году команда заметила типичную для рынка картину:
— доля «нулевых кликов» (когда пользователь получает ответ в поисковой выдаче/AI-обзоре и не переходит на сайт) растёт;
— стоимость привлечения на верхних уровнях воронки (информативный спрос) перестаёт окупаться;
— продажи поддерживаются скидками, но это бьёт по марже;
— retention (удержание) и повторные покупки проседают: люди уходят к «первому попавшемуся» предложению на фоне ценовой чувствительности (снижение среднего чека на рынке e-com оценивается рынком в 5–8% из‑за экономии).

Цель проекта: перейти от модели «привести на карточку товара» к модели «создать собственную Topical Authority (тематическую авторитетность) в категориях, чтобы быть выбранным в момент сравнения» — и вернуть управляемость спросом, не упираясь в last-click атрибуцию.

Решение
1) Разбор поведения по этапам выбора
Команда разложила путь пользователя не по каналу, а по задачам:
— первичное распознавание проблемы (например, «как убрать запах/пятна/налёт»);
— выбор формата (концентрат vs готовый продукт, тип покрытия/поверхности);
— сравнение свойств (безопасность для поверхностей, эффективность при разной степени загрязнения, совместимость с материалами);
— подтверждение покупки (отзывы, сценарии использования, “как применять”).
Здесь ключевое: в эпоху AI-overviews часть пользователей получает краткий ответ без перехода, поэтому “объяснение” нужно переносить в контент бренда — так, чтобы он был цитируем/учитываем в обзорных ответах и снижал неопределённость.

2) Пакет контента «под реальные вопросы», а не «под статьи»
Вместо потока публикаций сделали 30–40 опорных материалов на пересечении:
— запросов “как/чем/подойдёт ли” (информационный мотив);
— потребностей, которые чаще всего «ломают» выбор (совместимость с поверхностями, ограничения по применению, способы применения);
— повторяемых сценариев для удержания (как хранить, как получить нужный эффект, что делать при “не сработало”).
Тезисы материалов были устроены так, чтобы их можно было быстро извлечь в обзорных форматах: короткие выводы, таблицы «ситуация → средство», пошаговые инструкции, блоки “частые ошибки”.

3) Изменение структуры воронки на сайте и в контенте
Бренд перестроил навигацию: от «товарных карточек» к «решениям проблем».
На лендингах доминировали:
— подбор по типу поверхности/задаче;
— FAQ по совместимости и безопасности;
— связки “что купить вместе” (для сценариев повторной покупки).
Технически это снизило зависимость от первичного клика: даже если пользователь не сразу оформляет покупку, он сохраняет намерение через понятный следующий шаг.

4) RevOps-логика для измерения, а не только маркетинговая
Поскольку классическая лидогенерация (MQL/SQL) для FMCG не переносится напрямую, команда пересобрала цель кампаний вокруг выручки и повторных сценариев:
— маркетинг отвечает за долю вовлечённости в “решающие” страницы (решение проблемы → выбор формата);
— customer success/сервис — за качество ответов в обращениях (почему эффект не получился, как применять правильно);
— продажи/коммерция — за доступность связок (если контент ведёт на подбор, но нужного варианта нет в наличии, намерение умирает).
Для атрибуции они уменьшили ставку на last-click и начали анализировать инкрементальность по когортах: сравнение поведения групп “контактировали с тематическим контентом” vs “не контактировали”, с контролем сезонности и промо.
…