Unitiki: рост продаж в 2 раза

О проекте

• Ниша: Путешествия, автобусные перевозки.
• ГЕО: РФ.
• Канал: Яндекс Директ.
• Период: Апрель 2025 г. — Апрель 2026 г.
• Бизнес-цель: вырасти в 2 раза.

Unitiki — технологическая компания, работающая на рынке междугородних автобусных перевозок с 2014 года.

Компания разрабатывает не просто агрегатор билетов, а платформу для перевозчиков, которая обеспечивает их полную технологическую и операционную инфраструктуру. В сервисе представлены билеты на автобусы по 20 000 междугородним и пригородным направлениям от 2 500 перевозчиков, а также по множеству международных рейсов стран СНГ. Ежемесячная аудитория платформы достигает 4,5 млн посетителей.

С чем пришел клиент

На момент обращения к нам реклама в Яндекс Директе не давала нужного прироста, который был необходим для глобальных бизнес-задач компании. В рамках аудита мы выявили 2 основные проблемы:

• Ограниченный пул гипотез. Большая часть работы по контексту строилась вокруг товарных рекламных кампаний. Можно назвать это «базой», которая помогла проекту сначала вырасти, но для дальнейшего роста требовалась более глубокая аналитика данных и тестирование множества новых гипотез.
• Потолок масштабирования. В кабинете работали кампании с хорошими показателями, но попытки их масштабировать приводили к росту ДРР, выходу за целевые показатели проекта и нарушению юнит-экономики. То есть обеспечить рост не удавалось ни за счет тестирования новых гипотез, ни за счет прямого увеличения рекламного бюджета.

Подготовка

На таких крупных проектах, где цена ошибки исчисляется миллионами рублей, необходима комплексная подготовка. Мы разделили ее на 4 блока:

• Погружение в бизнес-логику и возможности. Задача — синхронизировать маркетинг с реальной экономикой бизнеса. Понять, какие и почему именно такие целевые показатели по объемам выручки, покупок и ДРР. Реально ли достичь таких показателей в контексте, или надо менять подход и набор каналов.
• Аналитика данных. Задача — проанализировать массив накопленных данных и найти, где есть потенциал для масштабирования, а где бюджет расходуется неэффективно. Мы рассматривали проект во всех возможных срезах: ТОТАЛ, поканально (реклама / органика / реферальный трафик и т.д.), ГЕО (страна / регион / область / город), конкретные маршруты, перевозчики, цены, рекламные кампании, форматы, площадки, объявления, ключевые слова и поисковые запросы.
• Техническая подготовка и сетап. Задача — построить систему анализа огромного объема данных, которая помогает быстро понять, что и где сломалось, где надо добавить бюджета, а где снизить ставку и как отработала гипотеза. Это позволило нам не тратить десятки часов в неделю на рутину, а уделять время стратегии.
• Стратегия запуска и бэклог гипотез. Задача — сформировать список правок и гипотез на тест, исходя из проведенной аналитики данных и ситуации на рынке в целом. Наложить это все на понятную дорожную карту с четкими сроками, срезами, точками А и Б. Тесты проводились в MVP-формате в порядке приоритета.

Что повлияло на результат

За год работы мы реализовали 1600+ задач, из которых выделили 6 крупных решений. Именно этот подход полностью поменял результаты и позволил достичь изначальной бизнес-цели клиента.

1. Собственная аналитика

• Рекламные показатели. Мы разработали под себя специальные таблицы, которые автоматически вытягивали данные из рекламного кабинета Директа и сводили их между собой. Далее мы могли делать все возможные срезы на уровне РК, групп, объявлений, ключей, запросов, ГЕО, таргетингов, Поиска, РСЯ, ретаргета. Это позволило ежедневно отслеживать изменения рекламных показателей и вовремя применять корректировки. Для клиента мы собрали отдельный BI-отчет с показателями проекта.
• Спрос. Также мы настроили автоматическую выгрузку спроса из Wordstat по основным категориям (направления, билет на автобус, расписание, автовокзалы). Это помогало понимать: какой объем трафика мы выкупаем, растем ли со спросом или отстаем, переплачиваем ли сейчас за конверсию, сработала ли наша гипотеза, или это рынок подскочил в моменте.
• Уведомления и отчеты. Чтобы контролировать алгоритмы Яндекса в моменты, когда бюджет может распределиться на нерелевантный трафик, мы создали скрипт и Telegram-бота. Каждые 10 минут он проверял расход по кампаниям и присылал уведомления, если траты резко возрастали и переходили определенный порог. Тогда мы точечно анализировали РК и оценивали: идут ли там покупки, или это пустой трафик, требующий корректировок. Дополнительно настроили ежедневные автоматические отчеты в ТГ с основными показателями за прошлый день и с начала месяца для контроля ситуации в моменте.
• Собственный ИИ-агент. Мы разработали и обучили ИИ-ассистента, который помогал специалисту по контексту анализировать огромный объем данных в 10-20 раз быстрее, чем если бы он сводил эти выгрузки вручную. Мы тратили минуты на то, что ранее требовало часов, без потери глубины выводов и с положительным влиянием на конечный результат. Также мы автоматизировали сборку ручных РК по конкретным маршрутам — от автоматического сбора семантики до генерации сотен уникальных релевантных объявлений.

2. Повышение кликабельности объявлений

Проанализировав рекламную выдачу Яндекса по топ-запросам с маршрутами с помощью нашего скринера, мы выявили проблему: автоматические объявления из товарных РК зачастую нерелевантны поисковому запросу пользователя. Например, вместо «Билет на автобус Москва — Саратов» отображалось просто «Купить билеты на автобус», в то время как конкуренты стояли рядом с релевантными заголовками.

• Сместили фокус с товарных кампаний на ЕПК. Разделили все маршруты на группы по объему выручки и покупок — от локомотивов до узких направлений. Под каждую группу вручную собрали тысячи объявлений. Тем самым удалось поднять кликабельность, повысить конверсию и увеличить объем выкупаемого трафика (алгоритмы Яндекса лучше продвигают кликабельные объявления). Кроме того, формат ЕПК позволил гибко и точечно управлять ставкой оптимизации ДРР. В товарных кампаниях этого сделать нельзя: при изменении ставки она меняется для всех направлений в фиде, из-за чего мы неизбежно переплачивали бы за трафик.
• Доработали фиды для ТК. Несмотря на смену фокуса, мы доработали фиды для товарных кампаний: добавили больше изображений, видео, поправили шаблоны заголовков и описаний, а также включили недостающие направления.
• Работа с креативами. Для каждого сезона в рамках года разрабатывали уникальные баннеры и видео. Тестировали форматы с текстом и без, ИИ-генерированные (нейросетевые) и реалистичные изображения.

3. Смена атрибуции

Мы перешли от оценки результата в Яндекс Метрике с атрибуции «Последний переход» на автоматическую. Это позволило не ограничивать РК по бюджету, давать больше данных алгоритмам Яндекса и, в итоге, выкупать больше конверсионного трафика и получать больше покупок.

При этом в некоторых РК-локомотивах мы, наоборот, сменили атрибуцию с автоматической на «Последний клик», чтобы избежать перерасхода бюджета на кросс-канальные конверсии, к которым эти кампании не имели прямого отношения. Это позволило перенаправить освободившийся бюджет на развитие других РК.

4. Плавающая ставка ДРР

Благодаря быстрой и прозрачной аналитике мы смогли выявить направления, которые требовали гораздо большей ставки по ДРР, чем подразумевали целевые показатели, и те, где ставка была ниже и клиент переплачивал. Оценка проекта не только в ТОТАЛе, но и в разрезе конкретных РК, позволила гибко управлять бюджетом и объемами покупок.

5. Работа с сезонными направлениями

Мы выделили популярные направления для каждого сезона, сформировали под них отдельные РК и усиливали их в нужный период, чтобы выкупать трафик по максимуму.

6. Работа с когортной аналитикой

После активного роста мы уперлись в объемы спроса на Поиске — трафик стал сильно дорожать. Было принято решение сместить фокус на работу с РСЯ, где много трафика и он дешевле. Исторически РСЯ был дорогим по ДРР каналом, превышая целевые показатели в 2-3 раза.

Мы провели когортную аналитику, чтобы понять: когда и через сколько покупок пользователь, пришедший, например, в июне, приблизится к целевым значениям. Это позволило выкупать больше трафика, не ограничиваясь показателем ДРР «в лоб», а оценивая результат в перспективе (по пожизненной ценности клиента). Также этот большой объем трафика косвенно растил другие источники и повышал общую узнаваемость бренда.

Выводы и результаты

«За год работы команда HeightLine показала себя как сильный партнёр: коллеги сделали детальный аудит, глубоко погрузились в экономику проекта, выстроили кастомную аналитику, нашли точки роста, умели гибко реагировать на изменения и подстраиваться под цели и темп Unitiki. Благодаря их системной работе мы достигли годовых целей по кратному росту продаж. Рекомендую HeightLine как надёжного партнёра для амбициозных проектов.»

Мы достигли изначальной бизнес-цели по росту проекта в 2 раза, выполнив целевые показатели и сохранив юнит-экономику. Годовая динамика роста в среднем достигала +140% в покупках.

Главные выводы по проекту:

• Собственная аналитика «под проект» решает. При управлении большим бюджетом и массивом кампаний стандартных отчетов недостаточно. Наша сквозная аналитика позволяла в пару кликов делать любые срезы, а автоматическая выгрузка спроса и уведомления в ТГ помогали оперативно реагировать на скачки рынка.
• ИИ — это уже необходимость. Пока аналитики и специалисты сводят данные руками, конкуренты вовсю используют ИИ-агентов, сокращая как время принятия решений, так и затраты на ФОТ.
• Жесткие целевые показатели мешают масштабированию. Если жестко ограничивать каждую РК рамками единых целевых показателей, масштабироваться не выйдет. Мы балансировали в ТОТАЛе: жирным РК-локомотивам давали ставку по ДРР выше нормы, чтобы выкупать максимум, и сглаживали общую картину дешевыми кампаниями. А в РСЯ выкупали трафик с оглядкой на когортный анализ, зная, что заявка там дороже, но по пожизненной ценности клиента она окупится через несколько месяцев.