Поисковый ремаркетинг

Поисковый ремаркетинг — инструмент контекстной рекламы, который позволяет показывать объявления в поисковой выдаче только тем пользователям, кто уже посещал сайт или совершал целевые действия на нем. В отличие от стандартной поисковой рекламы, ставки и тексты объявлений здесь корректируются в зависимости от истории взаимодействия каждого пользователя с брендом: просматривал ли он товар, добавлял ли в корзину, возвращался ли повторно.

Что такое поисковый ремаркетинг

Поисковый ремаркетинг — это технология персонализации рекламы в поисковых системах, основанная на поведенческих данных аудитории. Суть проста: пользователь посещает сайт, не совершает целевое действие, и браузер запоминает его с помощью cookie или аналогичного идентификатора. При следующем поисковом запросе система распознает этого пользователя и показывает ему объявление с повышенной ставкой или персональным предложением. Рекламодатель работает не с холодной аудиторией, а с теми, кто уже знаком с брендом — это принципиально меняет экономику кампании. Конверсия теплой аудитории выше в 2-4 раза по сравнению с первичным трафиком, поэтому стоимость привлечения клиента снижается при том же бюджете. В Google инструмент называется RLSA (Remarketing Lists for Search Ads), в Яндекс Директ — ретаргетинг в поисковых кампаниях.

Google запустил RLSA в 2013 году, и это стало переломным моментом для индустрии контекстной рекламы. До этого ремаркетинг существовал только в медийных сетях — баннеры на сайтах-партнерах КМС или РСЯ, но не в поиске. Принципиальная техническая сложность состояла в том, чтобы связать cookie-данные с аукционом ставок в реальном времени, сохранив при этом конфиденциальность пользователей. Google решил эту задачу за счет анонимного сопоставления идентификаторов на серверной стороне — рекламодатель видит только агрегированные данные, не личности. Яндекс запустил аналогичный инструмент позже, глубоко интегрировав его с Яндекс.Метрикой и Яндекс.Аудиториями. Сегодня оба инструмента поддерживают не только cookie, но и загрузку CRM-баз, look-alike аудитории и кросс-девайсное отслеживание.

В digital-маркетинге поисковый ремаркетинг занимает уникальное место, потому что соединяет два разных источника сигнала. Первый сигнал — намерение пользователя, которое выражается через поисковый запрос прямо сейчас. Второй сигнал — история его взаимодействия с брендом, которую накапливает счетчик аналитики. Обычная поисковая реклама работает только с первым сигналом: все, кто ввел запрос «купить холодильник», видят одинаковые объявления с близкими ставками. Поисковый ремаркетинг добавляет второй слой: рекламодатель предлагает скидку тем, кто уже смотрел конкретную модель, и исключает из показов тех, кто уже купил. Это превращает поисковую рекламу из массовой трансляции в персонализированный диалог — и именно здесь кроется главное конкурентное преимущество инструмента.

Для бизнеса освоение поискового ремаркетинга давно перестало быть опцией — это базовая гигиена кампаний. По данным Google Think, 96-97% посетителей уходят с сайта без покупки при первом визите. Без ремаркетинга весь этот трафик просто теряется — деньги на привлечение потрачены, результата нет. Поисковый ремаркетинг позволяет системно возвращать эту аудиторию в момент, когда она активно ищет решение, то есть на пике намерения купить. Конкуренция за теплую аудиторию в поиске ниже, чем кажется: по оценкам WordStream, менее 30% рекламодателей используют корректировки по аудитории в поисковых кампаниях. Это значит, что освоение инструмента дает реальное конкурентное преимущество прямо сейчас, пока большинство конкурентов платит за ту же аудиторию по общим ставкам.

Как работает поисковый ремаркетинг

1. Установка тега и сбор аудитории. На сайт добавляется JavaScript-тег: пиксель ремаркетинга Google или счетчик Яндекс.Метрики. При посещении страницы в браузере пользователя сохраняется анонимный идентификатор (cookie), система автоматически добавляет его в нужные аудиторные списки: «все посетители», «посетители страницы корзины», «совершившие покупку». Минимальный размер списка для активации в Google — 1000 пользователей, в Яндексе — 100; пока порог не достигнут, корректировки не работают.
2. Сегментация аудитории по условиям. Рекламодатель настраивает правила вхождения в список: посетил URL с маской «/cart», провел на сайте более 3 минут, просмотрел более 5 страниц, не совершил покупку за последние 30 дней. Чем точнее сегментация, тем релевантнее реклама: пользователи, добавившие товар в корзину, но не оформившие заказ, конвертируются при возврате в 2-3 раза лучше, чем обычные посетители. Смешивать все визиты в один список — распространенная ошибка, которая убивает ценность инструмента.
3. Настройка корректировок ставок. В рекламном кабинете к выбранным аудиториям привязываются корректировки ставок: от -100% (полное исключение аудитории из показов) до +900% (увеличение базовой ставки в 10 раз). Повышение ставки для аудитории «посетил сайт, не купил» на 50-70% — стандартная практика для e-commerce. Алгоритм аукциона учитывает дополнительный бид именно для этого пользователя, повышая вероятность выигрыша рекламного места и более высокой позиции.
4. Персонализация объявлений. Для аудиторий ремаркетинга создаются отдельные варианты объявлений с адресным сообщением: «Вы смотрели этот диван — сегодня скидка 10%» или «Ваша корзина ждет — доставка бесплатно при заказе до пятницы». Персонализированные тексты повышают CTR в среднем на 20-35% по сравнению с универсальными объявлениями. В Google Ads это реализуется через разные группы объявлений с разными аудиториями; в Яндекс Директ — через условия ретаргетинга на уровне группы.
5. Аукцион в реальном времени. Когда пользователь из списка ремаркетинга вводит поисковый запрос, система за миллисекунды определяет его принадлежность к аудиториям и применяет все настроенные корректировки. Финальная ставка рассчитывается с учетом всех множителей: базовая ставка × корректировка по аудитории × корректировки по устройству, времени суток, географии. Пользователь видит объявление, рекламодатель платит только при клике — модель оплаты не меняется, меняется только персонализация и уровень конкурентности ставки.
6. Анализ и оптимизация. После накопления статистики (минимум 2-3 недели и 50-100 конверсий по аудитории) начинается оптимизация: снижение ставок для сегментов с высоким CPA, исключение уже конвертировавшихся пользователей во избежание лишних трат, тестирование новых текстов для каждого сегмента. Ключевые метрики: CPA по аудитории ремаркетинга в сравнении с обычной аудиторией, ROAS и частота контакта. Сегменты с CPA выше целевого либо понижают по ставке, либо полностью исключают.

Виды поискового ремаркетинга

• RLSA с корректировкой ставок (Bid-only). Классический формат от Google — корректировки ставок к существующим поисковым кампаниям на основе аудиторных списков. Рекламодатель создает список аудитории (например, «посетители за 30 дней») и применяет к нему корректировку +60% в кампании. Оптимален для старта: легко настроить, не требует новых объявлений, работает поверх существующей структуры без ее перестройки. Подходит для любого сайта с трафиком от 1000 уникальных посетителей в месяц.
• Target and Bid (только для аудитории). Режим таргетинга, при котором объявление показывается исключительно пользователям из списка ремаркетинга, вне зависимости от точного запроса. Используется, когда рекламодатель хочет охватить теплую аудиторию по широким запросам — например, показывать рекламу интернет-магазина всем, кто был на сайте, при любом их запросе на тему ремонта. При таком подходе минус-слова критически важны, иначе бюджет уйдет на нерелевантные запросы от знакомой аудитории.
• Customer Match (загрузка CRM-базы). Вместо cookie-аудитории используются e-mail адреса из собственной клиентской базы. Список загружается в Google Ads или Яндекс.Аудитории, система находит совпадения с авторизованными пользователями и формирует аудиторию. Идеально для B2B и услуг с долгим циклом сделки: можно таргетировать рекламу на потенциальных клиентов из CRM, которые ещe не конвертировались, или на существующих клиентов с целью допродажи. Средний процент совпадения (match rate) — 30-50% от загруженного списка.
• Look-alike (похожие аудитории). Алгоритм анализирует поведенческие паттерны пользователей из исходного списка (например, «покупатели за 90 дней») и находит новых пользователей с похожим поведением. По данным Google, look-alike аудитории на основе конвертировавшихся пользователей конвертируются на 30-40% лучше широкой аудитории. Исходный список нужно обновлять не реже раза в месяц, чтобы модель оставалась актуальной. Подходит для масштабирования кампаний, когда основной список ремаркетинга исчерпан.
• Динамический ремаркетинг в поиске. Продвинутый формат, при котором текст объявления автоматически формируется на основе просмотренных пользователем товаров или страниц. Требует подключения товарного фида. Пользователь, смотревший конкретную модель ноутбука, при следующем поиске видит объявление именно с этой моделью и актуальной ценой. CTR таких объявлений в e-commerce на 45-60% выше стандартных ремаркетинговых, по данным кейсов Google Marketing Platform.
• Ретаргетинг в Яндекс Директ. Российский аналог RLSA с интеграцией через Яндекс.Метрику и Яндекс.Аудитории. Условия ретаргетинга строятся на основе сегментов Метрики — это дает гибкость, потому что Метрика собирает данные глубже стандартного счетчика Google Analytics. Поддерживает геосегменты, сегменты по устройствам и сложные логические комбинации (И/ИЛИ/НЕ). Обязателен для всех рекламодателей, ориентированных на Россию: аудитория Яндекса по ряду тематик превышает аудиторию Google Ads.

Сравнение

Пример использования

Интернет-магазин строительных материалов с трафиком 22 000 визитов в месяц запускал стандартные поисковые кампании в Google Ads. CTR объявлений составлял 2.8%, конверсия в заказ — 1.2%, средняя стоимость привлечения клиента (CPA) — 1 400 рублей. Проблема: 38% посетителей возвращались на сайт повторно в течение 14 дней без конверсии — то есть они находились в процессе выбора. Рекламный бюджет при этом тратился одинаково на всех пользователей: на тех, кто заходил впервые, и на тех, кто уже просмотрел десятки карточек товаров. Никаких корректировок ставок по аудиториям настроено не было.

Маркетолог настроил три аудитории RLSA: «посетители страницы каталога без покупки (14 дней)», «добавили в корзину, не оформили (7 дней)», «совершили покупку 90+ дней назад» (для исключения из кампаний привлечения). К первым двум сегментам применили корректировки +50% и +80% соответственно, создали отдельные объявления с упоминанием бесплатной доставки от 5 000 рублей. Через шесть недель CTR по аудиториям ремаркетинга вырос до 5.1%, конверсия — до 2.9%, CPA снизился до 820 рублей (-41%). При том же рекламном бюджете количество заказов выросло на 63%. Ключевым инсайтом оказалось то, что сегмент «брошенная корзина» конвертировался с CPA 430 рублей — в три раза дешевле среднего по кампании.

Частые вопросы