Содержание
Эксперты Kokoc Performance (входит в Kokoc Group) поделились тем, как они использовали ИИ в контекстной рекламе.
Кому подходит продвижение по геозапросам
Геозапросы приносят максимальную отдачу бизнесам, чья ценность напрямую зависит от местоположения клиента. Если ваша услуга или товар требуют физического присутствия или привязки к конкретному городу, будут работать запросы типа «топоним + ключевое слово». Клиент ищет решение рядом, здесь и сейчас. Задача бизнеса — быть первым, кого он найдет.
Итак, кому же подходит продвижение по запросам:
- Розничным магазинам, торговым центрам и отдельным бутикам в них, продуктовым супермаркетам, аптекам.
Примеры запросов: «магазин зоотоваров на Тверской», «аптека круглосуточно метро Трубная». - Предприятиям сферы услуг: салонам красоты, стоматологиям и медицинским центрам, автомойкам и шиномонтажкам, бытовым услугам, услугам для бизнеса, риэлторским агентствам и т.д..
Примеры запросов: «мужская стрижка метро Пролетарская», «замена масла проспект Мира», «рекламное агентство Пушкинская». - Службам доставки еды, воды, продуктов, цветов.
Пример запроса: «доставка пиццы на дом Черкизовская». - Гостиницам, отелям, апартаментам для посуточной аренды.
Пример запроса: «снять квартиру посуточно в центре Адлера у моря». - Региональным и нишевым специалистам.
Примеры запросов: «юрист недорого Московский проспект», «экскурсовод по крышам Питер Достоевская».
Кому геозапросы не принесут существенной пользы
Интернет-магазинам с доставкой по всей стране. Им важны общие запросы («купить телефон»), а гео используется реже («купить телефон с доставкой в Новосибирск»).
Бизнесам, работающим онлайн или с клиентами по всему миру (например, разработчикам SaaS-продуктов, фрилансерам, диджитал-агентствам, если у них нет офиса).
Крупным федеральным брендам, для которых важнее узнаваемость, чем точечные продажи в конкретном районе.
Почему геозапросы важны в контекстной рекламе
В контексте геозапросы становятся точнейшим инструментом для управления бюджетом и повышения конверсий.
Вот ключевые причины, почему геозапросы критически важны в контекстной рекламе.
1. Коммерческий интент. Человек, ищущий «аренда авто в Сочи», находится в самой горячей стадии воронки продаж — он готов к действию. Конкуренция за такого пользователя высока, но и отдача максимальна.
2. Снижение стоимости привлечения клиента (CPA и CPC). Это прямой результат фокусировки на теплых клиентах. Когда вы не тратите деньги на неподходящую аудиторию, вы автоматически:
Повышаете CTR. Пользователь из нужного города с большей вероятностью кликнет по объявлению «доставка суши в Омске», чем по общему «закажите суши где-то там».
Снижаете CPC. Яндекс.Директ видят, что ваше объявление релевантно для целевой аудитории, и вознаграждают вас более низкой ценой за клик.
Снижаете CPA (Cost Per Action): Поскольку кликают те, кто реально заинтересован в покупке, процент конверсий (звонков, заказов, заявок) растет, а стоимость одного целевого действия — падает.
3. Учет поведенческих паттернов. Геозапросы идеально ловят пользователей в момент принятия решения. Если человек ищет «кофе рядом» или «автомойка открыто сейчас» — это самый горячий спрос. Контекстная реклама с геопривязкой попадает в цель, предлагая мгновенное решение проблемы.
4. Возможность сегментации и гибких стратегий. Геозапросы позволяют не просто выбрать город, а создать эффективную рекламную стратегию. Например, если у вас сеть аптек, можно настроить рекламу так, чтобы для каждого района города показывался адрес ближайшего филиала. Или исключить из показов территории районы, где ваша целевая аудитория не проживает.
5. Синергия с офлайн-бизнесом. Яндекс.Директ позволяет привязывать объявления к конкретным точкам на карте и показывать рекламу пользователям, которые часто бывают или проживают в этом районе.
Подпишитесь на нашу рассылку — раз в неделю будем отправлять на ваш email свежую статью из блога и другие полезные материалы.
💌 Еженедельная рассылка
Как собирать геозапросы
Вы спросите — при чем же здесь ИИ? Терпение — мы подбираемся к сути кейса. Еще немного матчасти, и все станет понятно.
Итак, сбор геозапросов. Чаще всего конкретные связки подбираются ручным способом. Например, для подбора запросов в связке «топоним + ключевое слово» мы:
определяем нужный радиус —скажем, 2 километра,
загружаем Яндекс Карты,
выписываем в этом радиусе все улицы, переулки, проезды, проспекты и т.д. То есть все существующие топонимы, которые человек может набрать в поиске.
Также мы подбираем ключевое слово в зависимости от ниши. Если на условной Мясницкой находится салон красоты или медицинский центр — пользователь может забивать в поиск слова «врач, «салон», «клиника», «процедура», все виды услуг — «узи», «лифтинг», «консультация», «лечение кариеса»…
Понятно, что вручную перебирать запросы — долго и трудозатратно. Особенно если у компании несколько филиалов или — задача со звездочкой — все они в разных городах. Мы задумались, как оптимизировать время сотрудников, автоматизировать сбор геозапросов, и попросили помощи у ИИ.
Задача была поставлена следующая: сделать скрипт, который автоматически будет определять расстояние от заданных точек до каждого геомаркера.
Как мы заставили геоданные работать на бизнес: история одного скрипта
Изначально ведущий специалист по комплексной рекламе Kokoc Performance (входит в ГК Kokoc Group) Евгений Дьяконов хотел сделать скрипт исключительно с помощью ИИ, но ChatGPT и его аналоги не подошли для решения задачи из-за лимитов запросов и риска недостоверных данных.
Нейросеть выдавала классические галлюцинации — фантастические улицы и переулки, которых нет на карте. Нужен был инструмент, который работает с реальными картографическими данными, а не с вымыслом — например, Python.
С помощью ChatGPT Евгений написал скрипт на Python, который:
Собирает геоданные через Overpass API.
Берет из открытых источников все улицы, парки и станции метро.
Рассчитывает расстояние от каждого объекта до клиник.
Выдает готовую таблицу для настройки рекламы, где строки — геомаркеры, столбцы — адреса клиник, на пересечении — расстояние в метрах.
У меня не было специальных знаний в программировании. Скрипт был написан с помощью ChatGPT. Моей задачей была лишь установка Python и необходимых библиотек — всю основную работу выполнил ИИ.
Евгений Дьяконов
Не все было гладко: первая версия скрипта столкнулась с суровой правдой жизни. Оказалось, что улицы в базах данных пишутся по-разному: «ул. Ленина», «улица Ленина», «Ленина ул.» Нам же нужно, чтобы название улицы, по которой запрашиваем координаты, было полностью аналогичным названию улицы в базе геосервиса, иначе мы не получим координат от сервиса.
Была и другая проблема: изначально скрипт считал расстояние до начала улицы. Но Варшавское шоссе в Москве тянется на 22 километра! Представьте: вы живете в конце улицы, а вам показывают клинику у ее начала. Мы добились, чтобы Overpass API отдавал координаты улицы в виде координат точек, и теперь скрипт определяет их и ищет минимальное расстояние до улицы.
В итоге мы решили брать данные из Overpass API — парсили через API по конкретным городам. После доработок мы получили инструмент, который автоматически собирает до 5000 топонимов за минуту, считает расстояния с достаточной для рекламных целей точностью и автоматически выбирает ближайшую клинику для каждого геомаркера.
Сегодня наш скрипт работает для медицинских клиник, но подойдет также любому офлайн-бизнесу: от кофеен до автосервисов.
Важно понимать, что нейросеть — не волшебная палочка, а инструмент, который требует вдумчивого подхода. А лучшая автоматизация, как всегда, рождается на стыке экспертизы и технологий.
