Период проекта: январь - июль 2026 года. В начале года digital был одним из ключевых источников привлечения клиентов AVO банк. Банк развивал кредитную карту и выводил на рынок новый продукт - микрозайм, поэтому перед маркетингом стояла двойная задача: наращивать объем привлечения и одновременно сохранять экономическую эффективность. Исторически performance-модель была ориентирована прежде всего на верхнюю часть воронки: установки приложения, регистрации и стоимость нового пользователя. На определенном этапе этого было достаточно, но по мере масштабирования стало важно смотреть глубже. Регистрация сама по себе еще не означает, что клиент пройдет KYC и скоринг, получит одобрение, завершит оформление и действительно получит банковский продукт. Можно привести много дешевых пользователей наверх воронки и получить сравнительно немного конечных клиентов; можно привлечь меньше пользователей, но повысить качество трафика и получить больше клиентов с выпущенным продуктом. Для следующего этапа роста AVO банк выбрал второй сценарий и за семь месяцев последовательно перестроил performance вокруг конечной бизнес-ценности.
Проблема
Рост рекламных инвестиций приносил больше установок и регистраций, но не давал пропорционального роста клиентов, дошедших до выпуска банковского продукта. Часть аудитории терялась на KYC, скоринге, одобрении или оформлении, поэтому дешевый пользователь наверху воронки не обязательно становился дешевым клиентом для банка. Чем сильнее масштабировался performance, тем заметнее становился этот разрыв. Одновременно проявлялась вторая проблема - насыщение. Дополнительный бюджет продолжал приносить конверсии, но каждая следующая становилась дороже, а конечный бизнес-результат рос медленнее верхней части воронки. Масштабировать установки было проще, чем масштабировать количество клиентов с реальным продуктом. Поэтому задача заключалась не в отказе от верхнеуровневых метрик, а в изменении самого принципа управления performance. AVO банк нужно было научиться оценивать качество привлечения по тому, сколько пользователей действительно создают бизнес-ценность, масштабировать инвестиции так, чтобы рос конечный результат, и заранее понимать, где находится предел эффективного роста. Главная цель - увеличить количество клиентов, дошедших до выпуска банковского продукта, при контролируемой стоимости привлечения.
Решение
1. Построили сквозную воронку до реального банковского продукта. Команда связала рекламные данные с внутренней DWH банка и передала глубокие события в AppsFlyer, Firebase и рекламные системы. Вместо нескольких верхнеуровневых метрик появился единый путь клиента: установка - регистрация - KYC - скоринг и одобрение оффера - оформление - выпуск продукта - первая транзакция. Особое значение получили два события. Одобрение оффера означало, что клиент прошел идентификацию и скоринг и банк готов предложить ему кредитный продукт. Выпуск продукта означал, что клиент завершил оформление и фактически получил банковский продукт. Именно выпуск продукта стал главным бизнес-результатом digital: команда начала отвечать не только на вопрос, сколько стоит регистрация, но и сколько стоит клиент, который действительно дошел до продукта. 2. Перевели рекламные алгоритмы с объема трафика на качество клиента. Переход происходил поэтапно: сначала кампании переводились с установок и регистраций на KYC, затем - на одобрение оффера. Перейти сразу на самое глубокое событие было невозможно: чем дальше оно находится по воронке, тем меньше статистики получает рекламная система. Новые сценарии поэтому тестировались параллельно и масштабировались после подтверждения эффективности. В результате алгоритмы перестали искать только людей, склонных установить приложение, и начали обучаться на пользователях, похожих на тех, кто успешно проходит скоринг и получает одобрение. Одобрение оффера стало оптимальной точкой обучения - оно уже близко к бизнес-результату, но происходит достаточно часто для стабильной работы алгоритмов. На одобрении оффера учится реклама; выпуск продукта - результат, ради которого работает вся система. 3. Превратили 360° из охватной активности в инструмент масштабирования performance. После перехода на оптимизацию на глубокие события стало понятно, что простое увеличение performance-бюджета упирается в насыщение аудитории. Команда проверила другую гипотезу: не только покупать существующий спрос, а сначала расширять и прогревать его. С 1 апреля по 31 мая AVO банк провел двухмесячную 360°-кампанию, одним из ключевых инфоповодов которой стал запуск микрозайма. В медиамикс вошли TV, OOH/DOOH, indoor, транспорт и другие массовые точки контакта. Логика была следующей: 360° формирует и прогревает спрос, performance получает более подготовленную аудиторию, растет качество глубокой воронки, снижается стоимость конечного результата и появляется дополнительное пространство для масштабирования digital. При этом команда не приписывала весь эффект только 360°: чтобы отделить влияние охватной коммуникации от изменения performance-логики, отдельно сравнили период 360° и последующий Always On при одинаковой оптимизации на глубокие события воронки. 4. Научили модель отвечать, куда вложить следующий маркетинговый доллар. После сквозной аналитики и экспериментов с емкостью стало понятно, что текущий CAC не показывает, насколько хорошо кампания выдержит следующий прирост бюджета. Совместно с Data Science AVO банк разработал собственную прогнозную ML-модель оптимизации маркетинговых инвестиций. Она использует историю рекламных кампаний и глубокую банковскую воронку, оценивает эластичность каждой кампании и строит кривую насыщения: где еще есть зона эффективного роста, где находится оптимальный диапазон и где дополнительный бюджет становится невыгодным. Модель сравнивает кампании и рекомендует наиболее эффективный сплит, отвечая на практический вопрос: сколько дополнительных одобрений даст следующий прирост бюджета и сколько будет стоить дополнительная конверсия. Модель регулярно переобучается; в тестах команда не только следовала ее рекомендациям, но и сознательно отклонялась от них, проверяя, изменятся ли стоимость и объем конверсий так, как прогнозирует система.
Результаты
Главный итог всей трансформации - средневзвешенная расчетная стоимость клиента, дошедшего до выпуска банковского продукта, в общей банковской воронке снизилась на 40% после полного перехода на новую performance-модель по сравнению с периодом до ее полного внедрения. Именно конечный клиент с продуктом стал главной бизнес-метрикой. Конверсия из KYC в одобрение оффера выросла на 50%, а аналогичная динамика по платному performance-трафику подтвердила системность изменения. При сопоставимом уровне digital-инвестиций стоимость одобрения оффера в ключевых performance-каналах после перехода на оптимизацию на глубокие события снизилась вдвое относительно сопоставимых периодов до трансформации; верхняя часть воронки при этом могла становиться дороже, потому что эффект был достигнут за счет качества трафика, а не за счет покупки еще большего объема дешевых пользователей. В период совместной работы оптимизации на глубокие события и 360° performance-инвестиции были на 18% ниже среднего уровня сопоставимых периодов в начале года, а количество клиентов с выпущенным продуктом - на 56% выше. Поскольку одновременно работали два изменения, команда провела отдельную проверку эффекта 360°: при одинаковой логике оптимизации средняя стоимость одобрения по платному performance-трафику во время 360° была на 24% ниже, чем в post-360° Always On-периоде. Это показало, что охватная коммуникация стала частью общей performance-модели и расширяла ее эффективную емкость. Прогноз ML-модели совпал с фактической динамикой в 98% проверенных сценариев - по ожидаемому объему одобрений, изменению стоимости и реакции на перераспределение бюджета. В результате за семь месяцев AVO банк изменил четыре уровня digital-маркетинга: измерение - от верхней воронки к конечному продукту; оптимизацию - от объема трафика к качеству клиента; масштабирование - от покупки существующего спроса к его расширению; прогнозирование - от реакции на уже полученный результат к управлению будущей отдачей. Performance AVO банк перестал быть только системой закупки трафика и стал системой управляемого роста - от первого рекламного контакта до клиента с реальным банковским продуктом.
