Проект:
Infinity Logistix
Тематика:
Логистика / диспетчерский сервис (trucking, США)
География:
США
Модель:
B2B / C2C marketplace
Бюджет:
До 50$ на тест гипотезы (итеративный тестинг, 70+ гипотез за 14 месяцев)
Старт работ:
Не указан (период кейса — 14 месяцев работы)
Результат:
Стабильный поток 40–50 лидов в неделю с CPL 13–20$ за счёт сегментации кампаний и фокуса на рабочих связках (Car Hauler + B2C).
Результат:
Рост качества лидов и доли целевых заявок за счёт выделения конкретных сегментов (truck driver, car hauler) и усиления «тёплых» языковых аудиторий (русский, Таджикистан, Узбекистан).
Лидогенерация для диспетчерского сервиса в логистике
1
Привлекать водителей, доходящих до контракта
2
Удерживать CPL в диапазоне 15–20$
3
Повышать долю квалифицированных лидов
4
Быстро тестировать гипотезы (до 50$ на тест)
5
Исключать нецелевые заявки на раннем этапе
Сложности продвижения в логистике через Meta Ads
Дешевый трафик
Дешёвые лиды не доходили до контракта
Без реальных сделок
B2B-аудитории не давали реальных сделок
Нецелевой трафик
Алгоритмы приводили нецелевой трафик
Бюджет без результата
Широкие кампании сливали бюджет без результата
Этапы оптимизации: от «дешёвых лидов» к стабильным контрактам
- Этап 1. Осознание, что CPL ≠ результат
На старте кампании давали «красивые» лиды по 16–25$, но реальная воронка показывала провал: люди не брали трубку, не подходили по критериям и не доходили до сделки. Стало ясно, что CPL — это поверхностная метрика, которая не отражает бизнес-результат. С этого момента каждую гипотезу начали оценивать по движению лида до квалификации и контракта.
- Этап 2. Перебор гипотез и поиск качественной аудитории
Протестировали B2B, B2C, разные языковые сегменты и посадочные страницы. B2B выглядел хорошо по цифрам, но не давал контрактов, а Typeform оказался неэффективным по стоимости заявки. Зато русскоязычные и центральноазиатские аудитории показали более высокий CPL, но значительно лучшее качество лидов.
- Этап 3. Работа с look-alike и фильтрация по качеству
Запустили look-alike аудитории и отдельные события для оптимизации. Часть гипотез оказалась неэффективной: лиды либо были дорогими, либо не двигались по воронке. Лучше всего сработали LAL на посетителей сайта — именно там появилось сочетание заявок и реального прогресса до сделки.
- Этап 4. Оптимизация по воронке и отказ от «дешёвых лидов»
Перешли с цели «лиды» на более глубокие события (funnel_key_events) и скорректировали географию. CPL вырос, но вместе с этим выросло качество: стало больше квалификаций и отправленных контрактов. Это закрепило ключевой принцип — лучше дороже, но с реальным движением к выручке.
- Этап 5. Смена позиционирования и выделение сегмента Car Hauler
Перепаковали офферы под реальные задачи водителей и их мотивацию. В результате выделился отдельный сегмент — Car Hauler, под который сделали отдельные кампании, креативы и тексты. Это дало кратный рост: стабильные лиды, снижение CPL со временем и регулярные сделки.
- Этап 6. Неудачный эксперимент с широкой автоматизацией
Попробовали запустить одну широкую кампанию с автоматическим распределением бюджета (Andromeda). В результате получили рост CPM и стоимости клика без целевых лидов. Эксперимент показал, что в узких нишах нельзя полагаться только на алгоритмы — важна точечная сегментация и контроль.
Эффект от системной оптимизации Meta Ads
Выстроили не набор кампаний, а управляемую систему: от сегментации до воронки, где реклама оценивается не по CPL, а по контрактам и качеству лидов.
ROI и ключевые показатели: что дала системная работа с гипотезами
В результате реклама перестала быть источником случайных заявок и превратилась в предсказуемый канал привлечения: понятные сегменты, управляемая экономика и стабильный поток водителей, доходящих до контракта.
За 14 месяцев работы:
40–50
Лидов в неделю
до 13–20$
CPL снижен
70+
Гипотез протестировано
Сегменты
Выделены прибыльные сегменты