Как увеличить конверсии в 4,5 раза с помощью in-image рекламы и ИИ

В современных условиях даже очень крупным брендам сложно достучаться до нужной аудитории. «Газпромбанку» был нужен не просто инструмент продвижения, а способ выделиться среди конкурентов. Решением стали нестандартные диджитал‑форматы и AI‑технологии. Компания протестировала in-image рекламу и оптимизацию рекламной кампании с помощью ML-алгоритмов на AI-Vision рекламной платформе VOX (входит в состав AdTech-экосистемы Hybrid ). Результатами команда агентства поделилась с Sostav.

Задачи

Российский рынок банковских услуг перенасыщен предложениями по дебетовым картам, кредитам и кэшбэку. Пользователи ежедневно сталкиваются с десятками рекламных сообщений, что приводит к баннерной слепоте и снижению кликабельности классических объявлений.

«Газпромбанк» вместе с рекламным агентством DIGITAL TWIGA обратились к команде VOX для проведения рекламной кампании по дебетовым картам. Основные задачи: привлечь внимание целевой аудитории, обеспечить качественный трафик на посадочные страницы и увеличить конверсии. KPI: CTR не ниже 0,3%, уровень отказов не выше 60%, среднее время на сайте не менее 40 секунд и совокупная конверсия (last-click + post-view) — не ниже 0,3%.

Для достижения этих целей требовалось решение, способное не только выделить бренд в перегруженном информационном поле, но и обеспечить персонализацию, креативную подачу и гибкую технологическую настройку под быстро меняющееся поведение пользователей.

Добивались мы этого с помощью in-image рекламы, которая органично встраивается в визуальный контент статей, а также автоматизированной AI-оптимизации рекламных связок. Здесь ML-модели анализировали не просто креативы и таргетинги отдельно, а их комбинации и закономерности в поведении пользователей, выявляя паттерны и рассчитывая вероятности того или иного действия в различных контекстах.

Почему выбрали VOX?

Преимущества формата in‑image:

• Оптимальное расположение. Креативы размещались в центре экрана или в зоне наиболее высокого внимания пользователя при просмотре контента.
• Нативное восприятие. Объявления выглядели как часть редакционного материала, снижая раздражение и баннерную слепоту.
• Яркие нестандартные креативы. Разнообразные in-image форматы и необычные механики позволили выйти за рамки классических рекламных баннеров и привлечь внимание пользователей.

Чтобы охватить именно ту аудиторию, которая планирует выпуск или активное использование дебетовых карт, VOX совместил несколько типов таргетинга:

Контекстуальный

• Ключевые слова: «дебетовая карта», «кэшбэк», «банковские услуги».
• Категории изображений: банковские карты, офисы банков, транзакции.
• Тематики статей: личные финансы, сбережения, инвестиции.

Аудиторные сегменты

• Готовые: интерес к банковским вкладам, сбережениям, инвестициям.
• Кастомные: «Интересующиеся дебетовыми картами», «Программы лояльности», «Кэшбэк‑программы конкурентов».

Демографические параметры

• Пол: мужчины и женщины.
• Возраст: от 25 до 54 года.

Каждое сочетание параметров проверялось AI‑моделями на этапе предварительного тестирования. Связки, где метрики наиболее успешны, получали приоритетное выделение бюджета.

AI‑алгоритмы VOX отвечали за автоматическую оптимизацию на всех этапах:

• Распознавание релевантного контента. Модели анализировали тысячи статей и картинок, автоматически выбирая те, где вероятность конверсии максимальна.
• Выявление скрытых закономерностей. Алгоритмы искали сочетания таргетингов, креативов и аудитории, приводящие к наилучшим показателям.
• Прогнозирование поведения. На основе исторических данных AI предсказывали, какие пользователи с наибольшей вероятностью совершат целевое действие.
• Масштабирование и тестирование гипотез. Алгоритмы одновременно тестировали десятки вариантов креативов и таргетингов, быстро отсекая неэффективные и перенаправляя бюджет на наиболее успешные комбинации.

Кампания была реализована в два двухмесячных флайта. Мы проводили поэтапную оптимизацию флайтов:

• В рамках первого флайта мы выяснили, как in‑image креативы влияют на CTR и время на сайте, и провели настройку AI‑алгоритмов на основе данных о первых 100 тыс. пользователях. Также мы выявили наиболее эффективные сочетания таргетинга и креативов и снизили долю площадок с низкой конверсией и перенаправили бюджеты на успешные сегменты.
• В рамках второго флайта мы масштабировали успешные гипотезы и расширяли охват. Кроме того, мы дообучили AI‑модели в соответствии с сезонным спросом и финально адаптировали контент к праздничной тематике.

Благодаря постоянному обучению моделей между флайтами достигалось систематическое улучшение метрик: каждое новое тестирование шло на базе накопленных данных и успешно подтверждало или корректировало сделанные гипотезы.

Каждый из показателей был значительно превышен уже в первом флайте, аудитория демонстрировала еще более высокую вовлеченность и готовность к целевым действиям на сайте банка.

Для оценки универсальности решения VOX, входящего в состав AdTech-экосистемы Hybrid, были проанализированы результаты и других рекламных кампаний «Газпромбанка» в рамках данной экосистемы:

Во всех случаях CR в модели last‑click + post‑view вырастал минимум в два раза, что говорит о стабильности и масштабируемости подхода.