
Этот кейс - история селлера из ниши постельного белья (средний ценовой сегмент, 1 800-2 500 ₽ за комплект). На старте работы с ним ДРР составлял 25%, рекламный бюджет съедал почти всю маржу, а масштабирование упиралось в неэффективные кампании. Все цифры в материале - данные апреля 2025 года: тарифы и интерфейс кабинета WB с тех пор менялись, но методология разбора остаётся рабочей.
Автор - Артём Попов, эксперт по маркетплейсам: более 4 лет помогает селлерам на Wildberries, Ozon и Яндекс.Маркете расти на данных, а не на догадках.
Селлер вышел на Wildberries около двух лет назад. Ассортимент начинался с 5 SKU и вырос до 24, выручка стабилизировалась на уровне 1,5 млн ₽ в месяц. Но росла только «стоимость привлечения»: каждый новый запуск рекламы давал прирост заказов и пропорционально увеличивал расходы. ДРР полз вверх - с 15% на старте до 25% на момент обращения.
При марже 30% такой ДРР означал чистую прибыль после рекламы на уровне 5% от выручки, или около 75 000 ₽ в месяц. Любой сбой - сезонное падение спроса, рост тарифов, повышение комиссии - уводил бизнес в минус. Отключать рекламу целиком тоже было нельзя: падали продажи и позиции в органической выдаче. Нужен был не «откат назад», а системное решение.
За 3 месяца совместной работы мы снизили ДРР до 12%, увеличили выручку на 20% и экономили селлеру около 159 000 ₽ в месяц. Вот как это выглядело по шагам.
Исходные данные
| Показатель | Значение |
|---|---|
| Ниша | Постельное бельё, средний ценовой сегмент |
| Средний чек | 2 100 ₽ |
| Выручка в месяц | 1 500 000 ₽ |
| ДРР (факт) | 25% |
| Рекламный бюджет в месяц | 375 000 ₽ |
| Маржинальность | 30% |
| Чистая прибыль после рекламы | ~75 000 ₽ |
| Количество активных SKU | 24 (комплекты и отдельные позиции) |
| Рекламных кампаний | 6 (все смешанные) |
| Конкуренция в нише | Высокая, около 450 продавцов |
На первый взгляд - обычный селлер с «работающей» рекламой: продажи есть, бизнес не в минусе. Но при детальном анализе вскрылись системные проблемы, из-за которых половина бюджета тратилась впустую. Селлер чувствовал, что платит больше, чем должен, но не понимал, где именно теряет деньги.
Проблема: почему ДРР был высоким
Причина 1: неструктурированные кампании
Все 6 рекламных кампаний были собраны по одному шаблону: в одну кампанию добавляли все SKU подряд и 30-50 ключевых запросов без группировки, ставки были одинаковыми для всех товаров. В результате дорогие SKU с высокой маржой финансировали показы дешёвых позиций, которые давали много кликов, но мало заказов. Селлер не видел этого, потому что смотрел только на общий ДРР по всем кампаниям, а не на разбивку по товарам.
Типичная картина: по запросу «постельное бельё» показывались все 24 SKU одновременно - и позиции по 800 ₽ с маржой 15%, и премиум-комплекты по 3 500 ₽. Первые давали много кликов за счёт низкой цены, но конверсия у них была ниже, а ДРР - выше.
Причина 2: слабые минус-слова
Минус-слова либо отсутствовали, либо были собраны хаотично. Реклама показывалась по запросам вроде:
- «дешёвое постельное бельё» (цена 800-1 000 ₽ - не наш сегмент);
- «постельное бельё оптом» (B2B-запрос с долгим циклом и высокой вероятностью возврата);
- «простыни на резинке» (отдельный тип товара, которого не было в ассортименте);
- «детское постельное бельё» (товар есть, но цена и позиционирование другие);
- «постельное бельё с рисунком» - слишком широкая группа, внутри которой терялся конкретный товар.
Пока такие запросы не убрали, примерно каждый четвёртый клик уходил на человека, который заведомо не купит наш товар.
Причина 3: неоптимальные ставки
Селлер использовал фиксированные ставки: для всех ключей - единая стоимость клика. При этом часть запросов стабильно конвертировалась (ДРР 10-12%), а часть давала только расход без заказов. Деньги с эффективных запросов субсидировали неэффективные: на те же деньги можно было получать в 1,5-2 раза больше заказов.
Ставки также не корректировались под время суток: в выходные конверсия была на 20% выше при тех же ставках, а ночью реклама работала с той же интенсивностью при расходах заказов на 60% меньшем.
Шаг 1: Аудит текущих кампаний
Первым делом выгрузили данные по каждой кампании за 30 дней и разбили по запросам и SKU - штатная аналитика Wildberries плюс сводные таблицы, без внешних сервисов.
| Метрика | Значение |
|---|---|
| Всего уникальных запросов | 187 |
| Запросов, которые принесли заказы | 82 (44%) |
| Запросов без заказов | 105 (56%) |
| Расход на запросы без заказов | 150 000 ₽ (40% бюджета) |
| SKU с ДРР выше 30% | 7 (29%) |
| SKU с ДРР ниже 15% | 5 (21%) |
Ключевая находка: 40% рекламного бюджета уходило на запросы, которые ни разу не привели к заказу за месяц - 150 000 ₽ чистых потерь. Проблема была не в товаре: реклама показывалась не той аудитории.
Также выяснили, что 3 SKU из 24 «съедали» 35% бюджета и давали только 8% выручки. Один из них (комплект из бязи начального уровня) имел ДРР 38% - его приостановили, порекомендовав поднять цену или уйти из ценовой категории.
Шаг 2: Чистка семантики и ставок
На основе аудита собрали минус-словную базу и перераспределили запросы. Главный принцип: оставить только те запросы, по которым покупатель осознанно ищет товар нашего ценового сегмента.
Что исключили из рекламы
- Дешёвые запросы - «дешёвый», «бюджетный», «до 1000», «недорогой»: покупатели ищут товар до 1 000 ₽ при среднем чеке 2 100 ₽, конверсия была ниже 1%.
- B2B-запросы - «оптом», «для гостиниц», «хостел»: корпоративные закупки с единичными заказами.
- Не наш тип товара - «простыни на резинке», «пододеяльник-трансформер» и им подобные.
- Брендовые триггеры чужих брендов, географические запросы («постельное бельё Москва») и информационные («как выбрать постельное бельё»).
Всего исключили 47 запросов - 26% объёма. Это сразу дало экономию около 40 000 ₽ в неделю.
Кластеризация запросов
Оставшиеся 140 запросов разбили на смысловые кластеры по типу ткани, размеру и назначению. Каждый кластер получил свой уровень ставок и бюджет:
| Кластер | Запросов | Конверсия | Типичный ДРР | Стратегия |
|---|---|---|---|---|
| «Постельное бельё сатин» | 18 | 8,2% | 8-10% | Удержание топ-3 |
| «Постельное бельё поплин» | 15 | 7,1% | 10-12% | Удержание топ-5 |
| «Постельное бельё 2-спальное» | 22 | 5,6% | 12-14% | Стабильный рост |
| «КПБ евро» | 14 | 4,8% | 14-16% | Умеренный рост |
| «Постельное бельё в подарок» | 8 | 6,3% | 18-22% | Ниже ставка, выше чек |
| Смежные (наволочки, простыни) | 35 | 3,5% | 15-30% | Минимальные ставки |
| Конкурентные брендовые запросы | 28 | 2,8% | 20-35% | Отключены или сбор данных |
Кластеризация показала структуру спроса: «сатин» давал вдвое лучший ДРР, чем «поплин» при сопоставимых ценах, - разная чувствительность аудитории к цене.
Шаг 3: Ставки по ДРР и разделение кампаний
Вместо фиксированных ставок внедрили управление по ДРР: для каждого кластера определили целевой ДРР и выставили ставки, которые его обеспечивают, с корректировкой раз в 3-5 дней по свежей конверсии.
- Конверсионные кластеры (ДРР 8-14%) - ставки на уровне топ-5: основные драйверы продаж, здесь важнее удерживать охват, чем экономить.
- Средние кластеры (ДРР 14-20%) - ставки снижены на 15-20%, позиция в топ-10. Если кластер «съезжал» - проверяли карточку и цену, а не повышали ставку.
- Дорогие кластеры (ДРР 20-35%) - отключали или оставляли минимальными для сбора данных. Исключение - запросы «в подарок»: ДРР выше, но чек и лояльность выше, возвратов меньше.
Корректировку ставок по времени суток настроили так:
| Временной слот | Конверсия | Коэффициент ставки |
|---|---|---|
| Утро (7:00-10:00) | Средняя | 1.0 |
| День (10:00-17:00) | Ниже средней | 0.9 |
| Вечер буднего дня (17:00-19:00) | Средняя | 1.0 |
| Пик (19:00-23:00) | Высокая | 1.2 |
| Вечер пятницы + выходные | Высокая | 1.1 |
| Ночь (23:00-7:00) | Низкая | 0.5 |
Бюджет перераспределился на конверсионные часы без роста общего дневного лимита.
Дальше - структура: вместо 6 «каш» сделали 14 целевых кампаний по принципу горячие / тёплые / холодные запросы.
| Тип кампании | Пример | Ставка | Доля бюджета | Цель по ДРР |
|---|---|---|---|---|
| Горячие | «купить постельное бельё сатин» | Высокая | 30% | 8-10% |
| Тёплые | «постельное бельё 2-спальное» | Средняя | 40% | 12-15% |
| Холодные | «комплект белья в подарок» | Низкая | 20% | 18-22% |
| Автореклама | Сбор данных по новым запросам | Средняя | 10% | - |
Каждую кампанию привязали к конкретным SKU: дорогие комплекты из сатина - отдельно, бюджетные позиции - отдельно, с умеренными ставками. Плюс правило не более 5-7 ключевых запросов на кампанию, строго по тематике. Смешивание SKU разных ценовых категорий - одна из самых частых ошибок селлеров.
Результаты: 1 месяц и 3 месяца
Через месяц ДРР снизился на 7 процентных пунктов, экономия составила почти 100 000 ₽, выручка не упала, а выросла за счёт перераспределения бюджета на эффективные запросы.
| Показатель | Старт | 1 месяц | 3 месяца |
|---|---|---|---|
| Выручка | 1 500 000 ₽ | 1 550 000 ₽ | 1 800 000 ₽ |
| Рекламный бюджет | 375 000 ₽ | 279 000 ₽ | 216 000 ₽ |
| ДРР | 25% | 18% | 12% |
| Экономия в месяц | - | 96 000 ₽ | 159 000 ₽ |
| Количество заказов | 714 | 738 | 857 |
| Средний чек | 2 100 ₽ | 2 100 ₽ | 2 100 ₽ |
| Чистая прибыль | ~75 000 ₽ | ~186 000 ₽ | ~324 000 ₽ |
Итог за 3 месяца: выручка +20%, рекламный бюджет −42%, ДРР снизился более чем вдвое, экономия около 380 000 ₽, чистая прибыль выросла с 75 000 до 324 000 ₽ в месяц. Арифметика сходится: маржа 30% от 1,8 млн ₽ - 540 000 ₽ минус реклама 216 000 ₽ - это и есть около 324 000 ₽ чистой прибыли.
Важный нюанс: выручка росла не только за счёт рекламы. Когда перестали тратить бюджет на нерелевантные запросы, алгоритм Wildberries увидел конверсионные покупки и чаще показывал товар в органике: доля органических продаж выросла с 55% до 68%. Разбор механики - в статье про снижение ДРР на маркетплейсах.
Выводы
Что сработало лучше всего:
- Минус-слова - убрали 40% нецелевого расхода на старте: самый быстрый и дешёвый способ снизить ДРР.
- Группировка кампаний - горячие запросы перестали субсидировать холодные, каждая кампания получила свою зону ответственности.
- Ставки по ДРР вместо «ставки на глаз» - плавное снижение без потери объёмов: не бороться за топ-1 по каждому запросу, а находить позицию, где цена клика соответствует конверсии.
- Корректировка по времени - перераспределение на вечер дало около +15% к конверсии без роста бюджета.
Шестьдесят процентов результата дала организационная работа (разделение кампаний, минус-слова, кластеризация), остальное - дисциплина регулярных корректировок: без рутины даже настроенные кампании за 2-3 недели «расползаются» обратно. Похожую логику разбора рекламного бюджета смотрите в кейсе про экономию на внешнем продвижении.
Роль автоматизации
Ручное управление ставками трудозатратно: на поддержание 14 кампаний с ежедневной корректировкой уходило около часа в день. Логичным продолжением стало внедрение автобиддера: в MP Manager вы задаёте целевой ДРР (например, 12-15%), а система сама корректирует ставки под каждый ключевой запрос - контролировать общие показатели достаточно раз в неделю.
Автобиддер особенно полезен в сезонные пики (распродажи, предновогодний ажиотаж), когда ставки скачут каждый день и ручное управление не успевает за рынком. Позиции и расходы по кампаниям удобно держать под наблюдением через трекеры, а решения о перераспределении бюджета - принимать по аналитике.
Часто задаваемые вопросы
Какой ДРР считается нормальным на Wildberries?
Единой нормы нет: на старте кампании для новой карточки ДРР закономерно выше, у зрелых позиций - ниже. Ориентир - маржа товара: ДРР допустим только пока он заметно ниже маржинальности, иначе каждая продажа приближает бизнес к нулю. Формула и примеры расчёта - в статье про расчёт ДРР.
Сколько времени занимает снижение ДРР?
В кейсе через месяц было −7 п.п., через 3 месяца - выход на плато. Первые результаты от чистки минус-слов видны через 2-3 недели, устойчивый эффект от структуры кампаний - в горизонте 1-3 месяцев.
Можно ли снизить ДРР, просто урезав бюджет?
Нет: при простом урезании падают показы, заказы и позиции - часто быстрее, чем расходы. Снижение достигается перераспределением на конверсионные запросы и ставками по ДРР, а не сокращением суммы.
Помогут ли автоставки, если кампании не настроены вручную?
Автобиддер оптимизирует ставки, но не исправляет структуру: смешанные кампании, отсутствие минус-слов и мусорные запросы он сохранит. Сначала аудит и структура - затем автоматизация.
Снижение ДРР с 25% до 12% - закономерный результат системной работы: аудит выявил 40% нецелевых трат, минус-слова и кластеризация убрали семантический мусор, группировка кампаний и ставки по ДРР закрепили результат, а автобиддер MP Manager удерживает целевой ДРР без ежедневной ручной работы. Начните с аудита: выгрузите данные по запросам за 30 дней и найдите «чёрные дыры» бюджета.

