Университет им. Грибоедова: 1 473 заявкиКак мы привлекли заявки для московского вуза и снизили стоимость заявки в 2 раза с помощью Яндекс.Директа и VK Рекламы

О проекте

Ниша: Высшее коммерческое образование.
География: Москва, Санкт-Петербург и регионы.
Каналы: Яндекс.Директ, VK Реклама, Google Ads (тест).
Задача: Продвижение высокомаржинальных направлений (магистратура, второе высшее) в конкурентный осенний сезон
Результат (за 3 месяца): 1 473 заявки, 200 квалифицированных заявок, 43 продажи.
Главная победа: Снижение стоимости целевой заявки почти в 2 раза — с 16 874 ₽ до 8 670 ₽

Московский университет имени А.С. Грибоедова — крупный частный вуз с 30-летней историей, специализирующийся на качественном коммерческом образовании. Университет предлагает востребованные программы бакалавриата, магистратуры и второго высшего образования, сочетая классические академические традиции с актуальными дистанционными форматами обучения.

Проблематика

Работа началась в середине сентября 2022 года. На входе мы обнаружили три узких места, которые мешали достигать целевых показателей проекта:

• Технический “зоопарк”
  Связки между Tilda, VK, Envybox и Roistat постоянно ломались. Из-за ошибок в интеграциях данные терялись, а Marquiz периодически отключался, из-за чего терялись заявки с рекламы.
• Хаос в настройках
  Штатный специалист по рекламе параллельно с нами правил рекламные кабинеты. Это сбивало обучение автостратегий: система просто не понимала, какой стратегии следовать. Пришлось договориться: либо мы ведем проект полностью, либо не гарантируем результат.
• Слепая зона в системе учёта клиентов
  Отдел продаж в системе учёта клиентов складывал все заявки (и бакалавров, и тех, кому нужно второе высшее) в одну кучу под тегом «бакалавриат». Маркетинг не видел, сколько реально стоит привлечение заявки по конкретным факультетам, бюджет распределяли туда, где больше заявок, а не туда, где лучше цена и выше качество.

Наша задача была навести порядок в аналитике, «лечить» настройки и к 1 ноября подготовить всё для запуска зимнего набора, чтобы привлечь новых студентов.

Наша стратегия

Мы разработали и внедрили комплексную стратегию подготовки и оптимизации из пяти шагов.

Шаг 1. Технический аудит и выстраивание сквозной аналитики

Были устранены ошибки интеграции Tilda, Envybox и Marquiz, настроена передача данных Roistat и UIS в Яндекс Метрику. В рекламных кабинетах настроены корректные конверсионные цели, что позволило перевести кампании на автостратегии.

Шаг 2. Разработка сегментированных предложений

Совместно с клиентом были сформулированы предложения под зимний набор:

Шаг 3. Оптимизация контекстной рекламы (Яндекс.Директ)

Для повышения эффективности контекста мы провели реструктуризацию кампаний, сместив фокус с охвата на качество трафика:

• Брендовые запросы
  Расширили семантическое ядро (с 18 до 72 фраз) и вывели запросы с названием вуза в отдельные группы с повышенными ставками. Это позволило занять максимум целевого трафика и ограничить активность конкурентов.
• Второе высшее
  Отказались от общих запросов в пользу коммерческих и профильных (например, «второе высшее юридическое дистанционно»). Это отсекло «холодную» аудиторию, изучающую рынок, и сфокусировало бюджет на готовых к поступлению кандидатах.
• Магистратура
  Перенастроили таргетинг на запросы с конкретными параметрами (формы обучения, направления подготовки), повысив релевантность объявлений.

Также внедрили систему регулярного контроля, исключили из РСЯ неэффективные площадки и мобильные приложения, скорректировали ставки по устройствам и отключили геозоны с низкой конверсией. Это позволило сделать расход бюджета более целевым и управляемым.

Шаг 4. Смена формата работы по таргетированной рекламе в VK

Мы пересмотрели подход к работе с социальными сетями, отказавшись от прямого трафика на сайт в пользу форм заявки в VK Рекламе и опросников (Marquiz).

• Повышение качества заявок
  Отключение автозаполнения контактных данных в формах заявки заставило пользователей вводить номер телефона вручную. Это отсекло “случайные” заявки и спам, существенно снизив нагрузку на отдел продаж.
• Релевантный креатив
  Вместо стоковых изображений мы внедрили “живые” фото учебных пространств и реальных студентов, а также запустили видеоролики с демонстрацией преимуществ дистанционного формата.

Такие изменения позволили кардинально улучшить экономику канала, повысив качество поступающих заявок.

Шаг 5. Систематизация работы с отказами и настройка системы учёта клиентов

Чтобы повысить качество заявок, мы перестроили работу с системой учёта клиентов и внедрили глубокий анализ причин отказов.

• Настройка системы учёта клиентов
  В систему добавили обязательные поля для фиксации факультета и формы обучения. Это обеспечило прозрачность данных для оценки эффективности каждого направления.
• Анализ отказов
  Анализ данных за сентябрь-октябрь показал, что основными причинами отказов были планы абитуриентов на долгосрочную перспективу (не в этом году), недействительные контакты и запрос специальностей, отсутствующих в программе.
• Оптимизация
  На основе полученных данных мы скорректировали семантику в Директе, исключив нерелевантные запросы, и перераспределили бюджет в пользу наиболее конвертируемых направлений — юриспруденции, психологии и экономики.

Результаты работы

• Яндекс.Директ — основной источник объёма: обеспечил 88,5% квалифицированных заявок и 95% продаж.
• VK Реклама - показала лучшую экономику с ценой квалифицированной заявки 5 912 ₽, что в 2,5 раза дешевле Яндекса.
• Google Ads - канал для тестов: при минимальном бюджете показал самую низкую стоимость первичной заявки (523 ₽), требует масштабирования.

• Рост эффективности - при сокращении бюджета на 55,6%, количество квалифицированных заявок снизилось минимально (с 73 до 63).
• Оптимизация стоимости — цена квалифицированной заявки снизилась почти в 2 раза (с 16 874 ₽ до 8 670 ₽) за счет чистки трафика и работы с формами заявки.
• Фактор отставания — высокая стоимость продажи в ноябре обусловлен длинным циклом принятия решения: заявки ноября конвертируются в продажи в течение 2–3 месяцев.

Выводы

1. Длинный цикл сделки.
   В этой нише нельзя смотреть только на стоимость продажи сразу. Главный показатель успеха — снижение стоимости качественной заявки, так как решение о поступлении принимается долго.
2. Системный подход.
   Без порядка в системе учёта клиентов и сквозной аналитики алгоритмы рекламы не могут обучаться. Только когда мы дали системам чистые данные, реклама начала работать эффективно.
3. Качество заявок.
   Мы не стали гнаться за количеством заявок и сфокусировались на их качестве. Глубокий анализ причин отказов в системе учёта клиентов позволил нам очистить воронку: мы оперативно отключали нецелевые запросы и перенаправляли бюджет на те направления, где абитуриенты были наиболее лояльны и заинтересованы.