Кейс провала: −20% на квартал. Что я сделал не так в гипотезе сегментирования
Не все мои кейсы — успехи. Этот — провал на 20% к плану квартала. И именно поэтому он мне до сих пор полезен. Сегментировал по демографии — должен был по поведению. Это стоило выручки.
Не все мои кейсы — успехи. Этот — провал на 20% к плану квартала. И именно поэтому он мне до сих пор полезен. Расскажу, что я сделал не так в гипотезе сегментирования и какой урок забрал. Без эмоций, по цифрам. Для контекста — у меня есть и отдельный 6-шаговый чеклист, как диагностировать упавшую кампанию, но в этом кейсе ошибка была в самой стратегической гипотезе, не в исполнении.
Меня бесит, когда маркетологи в портфолио показывают только успехи. ««Я вырос с +25%, +18%, +30%»». На таких графиках я понимаю одну из двух вещей: либо человек ничего значимого не пробовал и получал гарантированный результат, либо умалчивает половину опыта. И то и другое — слабая позиция. Поэтому свой провал разбираю открыто.
Сегментировал по демографии — должен был сегментировать по поведению. Это стоило 20% выручки квартала и научило меня, что демография в 2025-м — это самая ленивая категоризация ICP.
Контекст: проект и задача
E-com проект в категории «премиум-аксессуары для smart-home». Средний чек — 18 000 ₽, маржа — 35%, стандартный покупатель в начале 2025-го — мужчина 28–45 лет, доход выше среднего, городской житель.
Performance-бюджет на квартал — 3.6M ₽. KPI — выручка 24M ₽ (т.е. ROAS 6.7×). К этому моменту у проекта была годовая история: ROAS стабильно колебался в районе 5.5–7×, KPI исторически выполнялся.
В январе 2025-го я взялся за квартальный план. Решил, что текущие кампании работают «нормально, но не оптимально», и предложил гипотезу: углубить сегментирование аудитории.
Гипотеза, которая казалась рабочей
Текущее сегментирование на момент моего прихода — сплит по 3 широким группам:
- Мужчины 28–35 (молодые семьи, новостройки)
- Мужчины 35–45 (готовый ремонт, апгрейд)
- Женщины 30–45 (impulse-покупка для подарка)
Я предложил разбить на 6 групп по более тонким демографическим осям:
- М 28–32 «новая квартира» — старт smart-home с нуля
- М 33–38 «семья, дети» — приоритет на безопасность (камеры, датчики)
- М 39–45 «премиум-апгрейд» — замена существующих устройств на топ-уровень
- Ж 28–35 «подарок мужу/партнёру» — emotional driver
- Ж 36–45 «подарок сыну/брату» — для подростка
- Уни 25–35 «технари-энтузиасты» — без гендера, focus на тех-характеристики
Логика: углубление сегментирования = более точный креатив = выше CTR = ниже CPL. Под каждый сегмент — отдельный набор креативов с уникальным offer'ом и отдельный лендинг.
План бюджета: 600K ₽ на каждый сегмент, по 100K ₽ на креативный продакшн на сегмент, остальное в трафик.
Что показали данные через 4 недели
Через месяц после запуска — выручка ниже плана на 22%. Конкретно:
| Метрика | До эксперимента | После 4 недель | Δ |
|---|---|---|---|
| ROAS | 6.2× | 4.8× | −23% |
| CPL средний | 520 ₽ | 730 ₽ | +40% |
| Конверсия в продажу | 4.2% | 3.4% | −19% |
| Выручка месяц | ~7M ₽ | ~5.4M ₽ | −23% |
Это не «стандартное колебание». Это уверенный провал по всем трём метрикам одновременно. И провал коррелировал с переходом на новое сегментирование — старая система перед этим работала стабильно 6+ месяцев.
Что я сделал, чтобы понять причину
Первая реакция — типичная: ««креативы выгорают, обновим»». Откатил часть на старую версию для контроля. Через неделю старая версия в контроле подтянулась к историческим показателям, новая — продолжала проседать. Значит, проблема не в креативах.
Дальше — глубже. Поднял CRM, выгрузил всех клиентов проекта за последние 12 месяцев и начал смотреть на паттерны покупок, а не на демографию.
Что обнаружилось:
- Реальные крупные покупатели (чек 30K+) — это не молодые мужчины 28–32 в новостройках, как я предполагал.
- Большие средние чеки концентрируются у «серийных smart-home строителей» — людей, которые покупают 2–4 раза в год, наращивая систему.
- Эта группа не локализована по полу/возрасту — там и М 30, и М 50, и Ж 35.
- Их объединяет поведение: уже покупали в прошлом, открывают email-рассылки, заходят на сайт с прямого источника, не с рекламы.
- Моё новое сегментирование пропускало эту группу — она «размывалась» между 4 разных демографических корзин.
Корневая ошибка
Главная ошибка: я применил демографическое сегментирование к продукту, который требует поведенческого.
Демографическое сегментирование (возраст / пол / геолокация) работает для:
- Низкого среднего чека (где импульсивная покупка)
- Узкого ICP с явными возрастными ограничениями (детские товары, пенсионные продукты)
- Brand-кампаний с целью awareness, а не продаж
Для премиум smart-home с повторными покупками и средним чеком 18K ₽ — нужно поведенческое:
- Новички (никогда не покупали) vs повторные клиенты
- Активные на сайте (3+ визита за квартал) vs одноразовые
- Корзина брошена vs корзина не была собрана
- Email-engagement (открывают рассылки) vs только реклама
Моя гипотеза «6 демо-сегментов = выше CTR» сломалась о реальность: «серийные строители» не покупают по демо-таргетингу — они покупают по триггерам поведения.
Что я сделал в следующем квартале
После 4 недель — закрыл новое сегментирование. Признал ошибку перед клиентом, представил план фикса.
Q2-2025 переделал на 4 поведенческих сегмента:
- «Серийные строители» — повторные покупатели, look-alike по их поведению (40% бюджета)
- «Активные исследователи» — заходили 3+ раз, не купили (30% бюджета)
- «Новички с потенциалом» — холодная аудитория, разбитая по интересам, не по демо (25% бюджета)
- «Email-active без покупки» — реактивация через ремаркетинг (5% бюджета)
Результаты Q2:
| Метрика | Q1 (провал) | Q2 (фикс) | Δ |
|---|---|---|---|
| ROAS | 4.8× | 7.4× | +54% |
| CPL средний | 730 ₽ | 410 ₽ | −44% |
| Конверсия в продажу | 3.4% | 5.1% | +50% |
| Выручка квартал | 16.4M ₽ | 26.8M ₽ | +63% |
Q2 не только закрыл недобор Q1, но и обогнал KPI на 12%. Клиент остался — урок принят, доверие восстановлено через результат.
Какой урок остался — для всех проектов после
Главный урок прозаичный: прежде чем менять стратегию, разберись, по какой оси на самом деле сегментируется покупатель. Это не всегда демография. Это может быть:
- Поведение (повторные/новые/исследующие)
- Контекст покупки (jobs-to-be-done — «зачем человек это купил»)
- Уровень осведомлённости (cold/warm/hot)
- Финансовый профиль (размер чека, частота)
- Источник прихода (реклама/органика/реферал)
Демография — самая ленивая ось. Её удобно делать, потому что она доступна в любом рекламном кабинете. Но это не значит, что она работает для вашего продукта.
Что я делаю теперь перед любым новым сегментированием
- Custdev на CRM-данных. Беру топ-50 клиентов по выручке, ищу паттерны в их пути. Это занимает 1 рабочий день и даёт 80% инсайтов.
- Гипотеза «по какой оси сегментировать». Не «как разбить демографически», а «что отличает покупателей друг от друга в реальности».
- Тест на 30% бюджета, не на 100%. Прежде чем переводить весь performance — проверяю гипотезу на четверти бюджета 4 недели. Если работает — масштабирую. Если нет — теряю 4 недели на одной четверти, а не квартал на всём.
- Контрольная группа. Никогда не снимаю старую сетку 100%. Оставляю 20–30% на старом сегментировании как baseline. Без контроля невозможно понять, реально ли новое лучше.
Что забрать в понедельник
Если вы завтра запускаете новое сегментирование:
- Не начинай с демографии. Сначала — поведенческие данные из CRM.
- Custdev топ-50 клиентов = 1 день работы = 80% правильных гипотез.
- Гипотеза тестируется на 30% бюджета, не на 100%. Никогда.
- Контрольная группа на старом сегментировании — обязательно.
- 4 недели тестового периода. Меньше — рано судить, больше — теряешь время.
- Если не пошло — признай ошибку клиенту через 4 недели, не через квартал. Это сложно, но репутация требует.
Если у вас сейчас задача «пересмотреть сегментирование» и не хочется наступить на те же грабли — пишите @dipustovalov. На custdev и гипотезу обычно уходит неделя, дальше — план тестирования и контроль.
Связанные материалы: калькулятор ROAS, калькулятор юнит-экономики, бенчмарки ROAS для e-com.