Динамический ретаргетинг

Динамический ретаргетинг — технология персонализированной рекламы, которая автоматически формирует объявление с теми конкретными товарами или услугами, которые пользователь уже просматривал на вашем сайте. Каждый баннер собирается в реальном времени под конкретного человека — в отличие от стандартного ретаргетинга, где все видят один и тот же статичный макет.

Что такое динамический ретаргетинг

Когда пользователь заходит на страницу товара и уходит без покупки, он не исчезает из маркетинговой воронки — он становится аудиторией с известным намерением. Динамический ретаргетинг фиксирует это намерение и превращает его в рекламное сообщение: пользователь видит именно ту куртку, те наушники или тот тур, который смотрел вчера. Механизм работает через сопоставление пользовательского идентификатора с позициями товарного каталога — рекламная платформа в момент показа запрашивает актуальные данные из фида и генерирует уникальный баннер. По данным Google, динамические объявления показывают CTR в 2-3 раза выше, чем статичные ретаргетинговые баннеры. Это логично: человек видит то, что уже хотел купить, а не обобщенную рекламу категории. Для маркетолога это означает, что бюджет расходуется на пользователей с уже сформированным интересом, а не на холодную аудиторию.

Технология появилась как ответ на фундаментальную проблему e-commerce: по данным Baymard Institute, около 70% покупок бросают на этапе просмотра товара или добавления в корзину. Google запустил Dynamic Remarketing в Google Ads в 2012 году, открыв технологию для массового рынка. Яндекс добавил смарт-баннеры позже, адаптировав их под особенности рунета и поведение аудитории. Ключевым элементом технологии стал товарный фид — структурированный файл с актуальными ценами, наличием и характеристиками каждой позиции. Без синхронизированного фида динамический ретаргетинг невозможен — платформа просто не знает, что показывать.

В экосистеме digital-маркетинга динамический ретаргетинг занимает нишу между performance-рекламой и персонализацией. С одной стороны, он решает задачу возврата пользователей в воронку — это прямое влияние на конверсию и выручку. С другой стороны, каждый показ несет персональный контекст, что сближает его с email-маркетингом по степени релевантности. По данным eMarketer, ретаргетинговые объявления имеют вероятность клика на 76% выше, чем обычная медийная реклама. Смарт-баннеры Яндекса и динамический ремаркетинг Google позволяют работать не только с корзиной, но и с любым поведением на сайте — просмотром категорий, поиском по сайту, временем на странице. Это дает маркетологу возможность выстраивать многоуровневые сценарии: разные объявления для тех, кто добавил товар в корзину, и для тех, кто только посмотрел карточку.

Маркетологу важно понимать динамический ретаргетинг не как «продвинутый баннер», а как управляемую систему с несколькими переменными. Фид определяет качество контента объявления — устаревшие цены или отсутствие изображений убивают конверсию. Сегментация аудитории определяет, кому именно показывать рекламу — брошенная корзина и просмотр категории требуют разных ставок и разных сообщений. Алгоритм платформы влияет на то, какой именно товар из нескольких просмотренных будет показан первым. Понимание этих переменных отличает специалиста, который просто «включил ретаргетинг», от того, кто выжимает из него максимум.

Как работает динамический ретаргетинг

1. Установка отслеживающего пикселя. На каждую страницу сайта добавляется код пикселя — небольшой JavaScript-фрагмент от рекламной платформы (Google Tag, Яндекс.Пиксель или пиксель внешней сети). При посещении страницы пиксель фиксирует действие пользователя и передает в платформу идентификатор просмотренного товара или категории. Без пикселя платформа не знает, что именно смотрел пользователь, и не может сформировать персональное объявление. Пиксель устанавливается через Google Tag Manager или напрямую в код шаблона — в крупных проектах GTM используют для централизованного управления несколькими пикселями сразу.
2. Формирование пользовательского профиля и сегментов. Платформа накапливает данные о поведении каждого пользователя: какие страницы и товары он просматривал, добавлял ли в корзину, дошел ли до оформления заказа. На основе этих данных пользователи автоматически попадают в сегменты — например, «просмотрел товар, но не добавил в корзину», «добавил в корзину, но не купил», «купил товар X — вероятный покупатель товара Y». Для корректной работы сегментов нужно минимум 100-300 пользователей в каждом — иначе платформа не набирает достаточно данных для статистической значимости. Маркетолог задает правила формирования сегментов вручную или доверяет алгоритму автоматическое разделение.
3. Синхронизация товарного фида. Рекламная платформа периодически — обычно раз в 24 часа — загружает актуальный товарный фид: XML или CSV-файл с описанием каждой позиции каталога, включая ID, название, цену, URL, изображение, наличие и категорию. Именно из этого фида платформа берет контент для объявления в момент его генерации. Если товар закончился на складе, но в фиде помечен как «в наличии», пользователь увидит рекламу товара, который нельзя купить — это прямая потеря бюджета и источник негатива. Поэтому синхронизация фида с реальными данными CRM или 1С — критически важный технический этап настройки.
4. Сопоставление пользователя с товарами в момент аукциона. Когда пользователь открывает сайт с рекламным блоком — медийная сеть, социальная сеть — платформа за 100-200 миллисекунд проводит аукцион и определяет, показывать ли ему объявление. Для пользователей из целевых сегментов алгоритм обращается к истории просмотров, сравнивает ID просмотренных товаров с данными фида и формирует объявление с конкретными позициями. Если пользователь смотрел несколько товаров, алгоритм выбирает наиболее релевантный — обычно последний просмотренный или товар с наибольшей вероятностью конверсии по историческим данным платформы.
5. Генерация персонализированного объявления. На основе данных из фида платформа автоматически подставляет в шаблон объявления актуальное изображение, название, цену и ссылку на страницу конкретного товара. Маркетолог задает общий шаблон оформления — цвета, логотип, призыв к действию, — а платформа наполняет его индивидуальным контентом для каждого показа. В результате один шаблон может генерировать тысячи уникальных объявлений для разных пользователей. Качество шаблона напрямую влияет на конверсию: удачные варианты с четкой ценой и кнопкой «Купить» показывают на 15-25% более высокий CTR, чем перегруженные визуальным шумом макеты.
6. Управление частотой и обновление данных. После показа объявления платформа обновляет пользовательский профиль: учитывает факт показа, фиксирует клик или его отсутствие, отмечает конверсию, если пользователь вернулся и купил. На основе этих данных алгоритм корректирует следующие показы — снижает ставку для тех, кто уже совершил покупку, и повышает для тех, кто кликнул, но не конвертировался. Маркетолог устанавливает лимит показов на пользователя (частотный кепинг) — рекомендованный диапазон от 5 до 15 показов на пользователя в день, в зависимости от ниши и длины цикла покупки.

Виды динамического ретаргетинга

• Продуктовый ретаргетинг. Самый распространенный формат: пользователь видит именно те товары, которые просматривал на сайте. Работает на основе товарного фида и истории просмотров. Оптимален для интернет-магазинов с широким каталогом — при сотнях и тысячах SKU невозможно создавать статичные баннеры под каждый товар, а динамика решает эту задачу автоматически. Особенно эффективен в связке с сегментом «брошенная корзина» — конверсия таких объявлений в среднем на 40-60% выше, чем у объявлений по просмотренным товарам без добавления в корзину.
• Кросс-сельный ретаргетинг. Пользователю, который уже купил определенный товар, показываются не те позиции, которые он смотрел, а сопутствующие или дополнительные товары — аксессуары, расходные материалы, апгрейды. Алгоритм строит связки товаров на основе истории покупок всей базы клиентов: «покупатели этого ноутбука чаще всего добавляли мышь и сумку». Это позволяет работать с аудиторией, которая уже конвертировалась, и увеличивать средний чек за счет допродаж, а не только возвращать тех, кто не завершил первую покупку.
• Категорийный ретаргетинг. Вместо конкретного товара пользователю показываются лучшие позиции из категории, которую он изучал. Актуален, когда у пользователя еще нет четкого выбора — он просматривал раздел «детские коляски» и смотрел несколько моделей без выраженного предпочтения. В этом случае объявление с топ-3 колясками по отзывам или с акционными предложениями категории эффективнее, чем показ одной конкретной модели. Также категорийный ретаргетинг используют, когда конкретный товар закончился, но пользователя можно перевести на альтернативы.
• Ретаргетинг по поисковым запросам на сайте. Если на сайте есть внутренний поиск, запросы пользователя становятся мощным сигналом намерения. Человек, который искал «беспроводные наушники до 5000 рублей», демонстрирует не только интерес к категории, но и ценовые ожидания — и объявление можно сформировать с учетом этого бюджетного диапазона. Для настройки такого типа ретаргетинга нужно дополнительно передавать в пиксель данные поисковых запросов с сайта, что требует небольшой технической доработки счетчика, но дает заметное преимущество в релевантности.
• Ретаргетинг на основе CRM-данных. Технология позволяет загружать в рекламную платформу собственные данные о клиентах — email-адреса, номера телефонов — и показывать динамическую рекламу именно этим людям при их появлении в рекламной сети. Актуально для работы с существующей клиентской базой: можно показывать товары, которые человек смотрел в предыдущих визитах, или персональные предложения по случаю дня рождения. Google называет эту функцию Customer Match, Яндекс реализует ее через аудитории на основе CRM-данных.
• Ретаргетинг похожих аудиторий с динамическим контентом. Платформа находит пользователей, похожих по поведению на тех, кто уже конвертировался, и показывает им динамические объявления с популярными товарами категории — даже если они ни разу не были на вашем сайте. Эффективен для масштабирования аудитории при сохранении персонализации контента объявления.

Сравнение динамического и статичного ретаргетинга

Пример использования

Интернет-магазин детских товаров с каталогом около 3500 SKU получал 40 000 визитов в месяц, из которых 68% пользователей уходили после просмотра одной-двух карточек товара. Средняя конверсия сайта составляла 1,2%, а стоимость привлечения покупателя через контекст — 890 рублей. Запущенный статичный ретаргетинг с общим баннером «Вернитесь и купите» давал CTR 0,18% и конверсию возвращенных пользователей 1,4% — практически не отличающуюся от холодного трафика.

После внедрения динамического ретаргетинга через Яндекс смарт-баннеры с настроенным фидом и тремя сегментами — просмотр карточки, добавление в корзину, брошенная корзина — показатели изменились за 45 дней. CTR вырос до 1,7%, конверсия возвращенных пользователей из сегмента «брошенная корзина» достигла 6,8% против прежних 1,4%. Стоимость привлечения покупателя через динамический ретаргетинг составила 340 рублей — в 2,6 раза ниже, чем через контекстную рекламу. При бюджете 45 000 рублей в месяц на ретаргетинг магазин получил дополнительных 132 заказа, которые иначе были бы потеряны.

Частые вопросы