Увеличили конверсии на 17% и снизили затраты на привлечение клиента (CAC) ещё на 14%

Клиент смог оптимизировать рекламную кампанию благодаря тому, что объявления не показывались в периоды наименьшей активности аудитории бренда.

Для этого мы использовали ML-модель, которая обучалась на данных компании в течение одного месяца. После обучения модель сформулировала рекомендации по настройке временного таргетинга на основе поведенческих паттернов клиентов..

Сервис определил время активности аудитории и отключил рекламу во время спада интереса для оптимизации рекламного бюджета.

Благодаря внедрению стратегии автооптимизации, банк достиг значительных результатов:

• Увеличение конверсий на 17%: Сокращение времени показа объявлений в периоды наименьшей активности позволило сосредоточить бюджет на наиболее эффективные временные интервалы, что привело к росту количества конверсий.

• Снижение затрат на привлечение клиента (CAC) на 14%: Оптимизация временного таргетинга и исключение нерезультативных периодов показов позволили значительно уменьшить расходы на привлечение одного клиента, делая кампанию более экономически эффективной.