КЛЮЧЕВОЙ ВЫВОД СТРАТЕГИИ
Товарная галерея над поисковой выдачей и динамические смарт-баннеры в РСЯ — ключевые performance-инструменты для fashion e-commerce в 2026 году. Они сокращают путь до покупки в 2 раза, дают CTR до 8-12% за счет визуальной демонстрации фасонов и цен, а при грамотной фильтрации YML-фида удерживают ДРР в пределах 10–18%.
Рынок fashion e-commerce в 2026 году находится в состоянии предельной конкуренции. Стоимость привлечения покупателя через классический текстовый контекст растет из-за агрессивных аукционов мультикатегорийных маркетплейсов и федеральных ритейлеров. В условиях, когда решение о покупке платья, куртки или обуви принимается на основе визуального соответствия ожиданиям, стандартные объявления без изображения теряют свою эффективность. Покупатель не хочет читать текстовые дифирамбы о «высоком качестве тканей» — он хочет мгновенно увидеть силуэт, посадку, расцветку, актуальный размерный ряд и точную стоимость изделия.
Для решения этой задачи экосистема Яндекс Директа предлагает мощный дуэт инструментов товарного маркетинга: Товарную галерею над результатами органического поиска и динамические смарт-баннеры в Рекламной сети Яндекса (РСЯ). В агентстве «Гибкий маркетинг» мы управляем рекламными бюджетами свыше 500 млн рублей и на практике убедились, что грамотная интеграция фидовых кампаний способна трансформировать юнит-экономику бренда одежды, обеспечивая возврат маркетинговых инвестиций на уровне 2.7x–8x.
В этом фундаментальном руководстве мы подробно разберем все этапы построения товарной рекламы для ритейла одежды: от корректной сборки валидного YML-фида со специфическими fashion-атрибутами до выбора продвинутых стратегий машинного обучения и настройки сквозной аналитики с учетом примерки и возвратов.
Содержание руководства
Что такое товарная галерея Яндекса и смарт-баннеры в 2026 году?
Как устроена товарная карусель под поисковой строкой?
В чем специфика динамических смарт-баннеров в РСЯ?
Почему интернет-магазинам одежды необходима товарная реклама?
Как визуальный поиск снижает стоимость привлечения покупателя (CAC)?
Как бороться с высокой конкуренцией маркетплейсов в выдаче?
Как подготовить YML-фид одежды: ключевые теги и атрибуты?
Какие теги являются строго обязательными для fashion e-commerce?
Как правильно настроить теги param для размеров, цветов и составов?
Каковы стандарты фотоконтента для Товарной галереи и смарт-баннеров?
Почему обтравка и фон имеют решающее значение для CTR?
Как избежать отклонения карточек роботом модерации?
Как сегментировать ассортимент и настроить фильтры фида?
По каким критериям делить каталог (маржинальность, новинки, сейл)?
Как автоматически исключать товары с неполной размерной сеткой?
Пошаговая настройка Единой перфоманс-кампании (ЕПК) для магазина одежды
Как выбрать места показа: объединять поиск и РСЯ или разделять?
Как настроить комбинаторные объявления для каталогов одежды?
Какие автостратегии выбрать для максимизации ДРР и ROMI?
Как работает стратегия «Оптимизация рентабельности» на данных электронной коммерции?
Что делать, если кампания не набирает 10-20 конверсий в неделю для самообучения?
Как динамический смарт-ретаргетинг возвращает брошенные корзины?
Каковы оптимальные окна атрибуции и тайминги показа ретаргетинга в fashion?
Как избежать навязчивости и выгорания аудитории смарт-баннеров?
Как настроить сквозную аналитику и учет процента выкупа одежды?
Почему оптимизация по оформленным заказам в корзине обманчива?
Как передавать офлайн-конверсии и статусы выкупа из CRM в Яндекс Метрику?
Разбор реального кейса агентства: продвижение магазина одежды
Какая стратегия фида и автотаргетинга принесла окупаемость 8x?
Какие гипотезы не сработали и как вовремя скорректировали связки?
Топ-7 ошибок при настройке товарной рекламы одежды, сливающих бюджет
Почему реклама товаров с 1 оставшимся размером убивает конверсию?
Как автотаргетинг в Товарной галерее сливает бюджет на мусорные запросы?
Часто задаваемые вопросы по товарной рекламе одежды в Яндексе (FAQ)
Заключение
Что такое товарная галерея Яндекса и смарт-баннеры в 2026 году?
Товарная галерея Яндекса и динамические смарт-баннеры представляют собой основу высококонверсионного трафика для интернет-магазинов одежды, забирая свыше 40% всех коммерческих кликов в поисковой выдаче. Это не просто разновидности рекламных объявлений, а полноценная автоматизированная экосистема, которая генерирует карточки товаров в режиме реального времени на основе данных из товарного фида магазина. Подробно о взаимодействии этих инструментов мы рассказывали в материале гид по e-commerce каналам.
В основе работы обоих форматов лежит использование структурированных массивов данных (YML-фидов). Алгоритмы машинного обучения Яндекса считывают параметры каждого артикула — наименование, категорию, бренд, стоимость, фотографию, размеры и состав — и сопоставляют их с текущим поисковым запросом или цифровым следом конкретного пользователя. В результате рекламодатель освобождается от необходимости вручную собирать десятки тысяч поисковых ключей под каждый фасон платья или размер брюк.
Система самостоятельно определяет, какой именно товар из каталога показать человеку в тот момент, когда уровень его покупательской готовности максимален. Для эффективной работы fashion-ритейлеру необходимо понимать принципиальные различия в механике показа на поиске и в рекламных сетях.
Исторический факт
2026 год
Доминирование Товарной галереи в кликах e-commerce
По данным Яндекса, внедрение карусели Товарной галереи над результатами органической выдачи увеличило совокупную кликабельность (CTR) первого экрана на 38%, а средняя конверсия из клика по товарной карточке на 25% превышает показатели классических текстово-графических блоков.
Как устроена товарная карусель под поисковой строкой?
Товарная галерея Яндекса — это интерактивная горизонтальная карусель карточек, которая отображается непосредственно под поисковой строкой над основными результатами поиска и спецразмещением. Пользователь, вводящий транзакционный запрос вроде «купить женское оливковое пальто оверсайз», мгновенно видит подборку релевантных товаров с фотографиями высокого разрешения, точными ценами, названием бренда и информацией о действующих скидках.
Карусель способна вмещать до 36 карточек товаров при горизонтальной прокрутке. При этом один интернет-магазин при условии качественной структуры фида может занять сразу несколько позиций в ленте (до 5+ карточек одновременно), полностью вытесняя конкурентов из зоны первичной видимости пользователя.
Ранжирование карточек внутри галереи осуществляется аукционным алгоритмом VCG в связке с ML-моделью качества. На позицию карточки влияют четыре фактора:
- Релевантность заголовка и описания товара поисковому намерению пользователя;
- Привлекательность и контрастность изображения на обложке;
- Конкурентоспособность цены (наличие перечеркнутой старой цены дает дополнительный визуальный приоритет);
- Рейтинг магазина и качество посадочной страницы, фиксируемые счетчиком Яндекс Метрики.
В чем специфика динамических смарт-баннеров в РСЯ?
Динамические смарт-баннеры функционируют в пространстве Рекламной сети Яндекса (РСЯ), охватывающей более 50 000 партнерских сайтов, мобильных приложений и сервисов корпорации. В отличие от галереи, смарт-баннеры работают с уже сформированным интересом или аудиторией ретаргетинга, формируя адаптивные графические блоки различных форматов — от боковых вертикальных небоскребов до нативных мультиплиток внутри контента.
Главная сила смарт-баннеров заключается в алгоритмах Smart Design и технологии предиктивного ретаргетинга. Система анализирует микроповедение посетителя на сайте вашего интернет-магазина одежды: какие категории он просматривал, какие артикулы добавил в корзину, но не выкупил, на каких размерах задержал внимание.
Когда пользователь покидает магазин и переходит на другие площадки в интернете, смарт-баннер автоматически генерирует персональную витрину. В ней показываются именно те позиции, которые он изучал, дополненные альтернативными моделями из той же коллекции или сопутствующими аксессуарами (сумки, ремни, шарфы), рассчитанными на допродажу и увеличение среднего чека.
Чтобы наглядно оценить различия между поисковой галереей и смарт-баннерами в сетях, рассмотрим их сравнительные характеристики в разрезе маркетинговой воронки fashion-ритейла.
Сравнение Товарной галереи и Смарт-баннеров
Товарная галерея (Поиск)
Плюсы
- +Максимально горячий интент: пользователь прямо сейчас ищет одежду
- +Высокий средний CTR: от 6% до 12% за счет первого экрана
- +Мгновенная фильтрация по цене и внешнему виду до клика
- +Возможность занять до 5-6 позиций в карусели одним доменом
Минусы
- -Высокая стоимость клика в пиковые сезоны распродаж
- -Ограниченное пространство для текстового УТП бренда
- -Требует идеальной точности поисковых атрибутов в фиде
Смарт-баннеры (РСЯ)
Плюсы
- +Низкая стоимость перехода (CPC в 2-4 раза ниже поиска)
- +Глубокая персонализация креативов под историю визитов
- +Автоматический возврат брошенных корзин и брошенных просмотров
- +Предиктивный кросс-сейл сопутствующих товаров и луков
Минусы
- -Более холодный пользовательский интент во время серфинга
- -Зависимость от накопленной емкости аудитории ретаргетинга
- -Риск показа неактуальных остатков без частой синхронизации
Вывод
Товарная галерея идеально работает на захват первичного горячего спроса и быстрое привлечение новых покупателей, тогда как смарт-баннеры являются незаменимым инструментом прогрева, дожима корзин и максимизации LTV через повторные покупки.
Почему интернет-магазинам одежды необходима товарная реклама?
Покупка предметов гардероба в 9 случаях из 10 является эмоциональным решением, основанным на мгновенной визуальной оценке силуэта, фактуры ткани и гармонии цветовой гаммы. Классические текстовые контекстные объявления в сфере моды морально устарели: формулировка «Купить стильное женское платье с доставкой по Москве» не несет никакой информации о том, как это платье выглядит на фигуре, какой у него крой рукава и подходит ли оно под конкретное событие. В результате пользователь кликает наугад, разочаровывается на посадочной странице и уходит, сжигая ваш маркетинговый бюджет.
Фидовые форматы Яндекса полностью устраняют эту когнитивную неопределенность. Покупатель принимает решение о клике, уже зная, как выглядит вещь, сколько она стоит и есть ли на нее скидка. О том, как выстраивать комплексное привлечение покупателей в этой нише, подробно описано в статье Подробное руководство.
Переход на товарные кампании позволяет интернет-магазину одежды кардинально улучшить экономические показатели воронки, трансформируя холодный интерес в оплаченные заказы с прогнозируемой рентабельностью.
ИсследованиеЖурнал / Источник: McKinsey State of Fashion & Data Insight
Исследование потребительского поведения в fashion e-commerce
Резюме
Около 74% покупателей одежды в онлайне отмечают наличие качественного визуального превью с ценой в поисковой выдаче как определяющий фактор перехода на сайт. Использование товарных фидов снижает показатель отказов на первом экране интернет-магазина на 32%.
Практика ведения более 40 одновременных проектов в агентстве «Гибкий маркетинг» демонстрирует устойчивые бенчмарки эффективности товарного трафика в индустрии моды.
65%
Доля мобильного трафика в заказах одежды
2.7x–8.0x
Окупаемость инвестиций (ROMI) при сегментации фида
-35%
Снижение ДРР при исключении карточек с 1 размером
8-12%
Средний CTR Товарной галереи на поиске
Как визуальный поиск снижает стоимость привлечения покупателя (CAC)?
Снижение CAC (Customer Acquisition Cost) при использовании Товарной галереи достигается за счет эффекта предварительной квалификации трафика. Когда человек видит карточку товара, происходит многоуровневая фильтрация:
- Ценовой фильтр: пользователь, рассчитывающий на масс-маркет за 3 000 рублей, не станет кликать по карточке премиального пальто за 45 000 рублей. Клик совершает только платежеспособная целевая аудитория;
- Стилистический фильтр: фасон изделия (оверсайз, приталенный, мини, макси) оценивается мгновенно, что отсекает пользователей с другими вкусовыми предпочтениями;
- Фактор доверия: наличие актуальной скидочной плашки (например, -30%) и отображение рейтинга магазина повышают конверсию из клика в добавление в корзину на 15–25%.
В результате интернет-магазин не платит за нецелевой исследовательский трафик. Каждый рубль списанного рекламного бюджета конвертируется в визит с высокой готовностью к оформлению заказа.
Как бороться с высокой конкуренцией маркетплейсов в выдаче?
Маркетплейсы (Wildberries, Ozon, Яндекс Маркет, Lamoda) обладают колоссальными рекламными бюджетами и доминируют в текстовой контекстной рекламе по широким ключам. Однако в Товарной галерее и смарт-баннерах монополия маркетплейсов ослабевает.
Собственный интернет-магазин бренда одежды может успешно выигрывать аукцион за счет следующих рычагов:
- Эксклюзивный фотоконтент: авторский лукбук с профессиональными моделями выглядит в галерее привлекательнее шаблонных предметных фотографий селлеров;
- Прямой брендовый трафик: по запросам конкретного бренда или уникальных линеек алгоритмы Яндекса отдают приоритет официальному магазину;
- Управление юнит-экономикой: в собственном интернет-магазине нет грабительских комиссий маркетплейсов (до 25–40%), что позволяет инвестировать больше маржинального дохода в аукцион и удерживать более высокую ставку за заказ;
- Программы лояльности и сбор клиентской базы: возможность получить контакты покупателя для последующих бесплатных повторных продаж через e-mail и мессенджеры.
Как подготовить YML-фид одежды: ключевые теги и атрибуты?
YML-фид (Yandex Market Language) — это фундамент всей товарной рекламы. Если фид сформирован некорректно, содержит устаревшие остатки или не включает специфические атрибуты одежды, кампании либо не пройдут модерацию, либо будут показываться по нерелевантным запросам, стремительно сливая бюджет.
В 2026 году требования Яндекса к качеству данных в категории Одежда, обувь и аксессуары стали максимально строгими. Алгоритмам автотаргетинга требуются детализированные параметры для точного сопоставления товара с намерениями пользователей.
Качественная разметка фида базируется на пяти ключевых столпах fashion-атрибутики, представленных ниже.
Размерная сетка (size, unit)
Передача конкретных размеров (42, 44, S, M, XL) и систем измерения (RU, INT, EU). Позволяет алгоритмам показывать рекламу пользователям с фильтром по их размеру.
Цветовая гамма (color)
Указание чистого базового цвета (синий, бежевый) и оригинального оттенка (индиго, пыльная роза) для попадания в колористические запросы.
Материал и состав (material)
Детальная фиксация состава (100% шерсть мериноса, натуральный шелк, экокожа), формирующая доверие у требовательной аудитории.
Пол и возраст (gender, age)
Четкое разделение ассортимента на мужской, женский, унисекс и детский для исключения нецелевых показов в смежных сегментах.
Скидки и акции (oldprice, price)
Корректная пара цен. При наличии тега oldprice Яндекс автоматически генерирует привлекательную яркую плашку с процентом скидки.
Какие теги являются строго обязательными для fashion e-commerce?
Каждая товарная позиция (
<offer>) в вашем YML-файле должна содержать исчерпывающий набор системных тегов:id: уникальный идентификатор торгового предложения (SKU). Критически важно: для каждого размера и цвета одной модели должен формироваться собственный уникальныйidлибо передаваться родительскийgroup_id;available: статус наличия товара на складе (trueилиfalse). Позиции со значениемfalseдолжны мгновенно исключаться из показов;url: прямая ссылка на карточку товара на сайте с автоматической простановкой динамических UTM-меток;price: актуальная цена продажи в рублях (целое или дробное число без пробелов);oldprice: зачеркнутая цена до применения скидки (должна быть строго вышеprice);currencyId: валюта (для РФ — строгоRUB);categoryId: идентификатор категории каталога, привязанный к общему дереву ``;picture: прямая ссылка на высококачественное изображение товара (допускается передача до 10 ссылок на фото одного артикула в разных ракурсах);nameили связкаvendor+model: наименование товара, оптимизированное под поисковые интенты (например: «Женский тренчкот двубортный оверсайз бежевый»);description: подробное описание фасона, особенностей кроя, посадки и рекомендаций по уходу (длиной от 150 до 500 символов).
Как правильно настроить теги param для размеров, цветов и составов?
Тег `` предназначен для передачи произвольных характеристик изделия. В нише одежды наличие этих параметров напрямую определяет объем целевого поискового охвата.
Ниже приведен эталонный пример структуры товарного предложения для женского пальто:
Пример товарного оффера в фиде:
← Прокрутите вправо →
При формировании рекламных кампаний и фидов крайне важно соблюдать нормы действующего законодательства о рекламе и требования к передаче данных операторам рекламных данных (ОРД).
Закон / ГОСТСтатья 18.1 Федерального закона № 38-ФЗ «О рекламе»
Обязательная маркировка интернет-рекламы
Все товарные объявления в Яндекс Директе подлежат обязательной автоматической маркировке с присвоением уникального идентификатора (erid) через ОРД Яндекса и последующей передачей сведений о сделках и актах в Единый реестр интернет-рекламы (ЕРИР).
Каковы стандарты фотоконтента для Товарной галереи и смарт-баннеров?
Визуальный контент в fashion-рекламе определяет до 80% успеха кампании. Даже при безупречно настроенных ставках и привлекательной цене размытая, перегруженная или неэстетичная фотография приведет к критическому падению кликабельности (CTR), что автоматически повысит стоимость клика в аукционе Яндекса.
Практика показывает, что различные типы подачи изображений демонстрируют диаметрально противоположную конверсионную отдачу. Мы проанализировали более 10 000 товарных объявлений в сегменте одежды и сформировали объективный рейтинг визуальных форматов.
Эффективность форматов фотоконтента в fashion-рекламе
Фото на профессиональной модели в полный рост (Lookbook)
Студийная съемка на модели со средней дистанции с фокусом на деталях
Интерьерная лайфстайл-съемка в реальной городской среде
Каталожная съемка на невидимом манекене (Ghost Mannequin)
Предметная раскладка на плоскости без человека (Flatlay)
Почему обтравка и фон имеют решающее значение для CTR?
Товарная галерея отображается как на десктопных экранах, так и в мобильных браузерах и мобильном приложении Яндекса, при этом миллионы пользователей используют темную тему интерфейса.
При подготовке изображений для фида необходимо придерживаться следующих правил:
- Контрастный нейтральный фон: используйте однородный светло-серый, мягкий бежевый или студийный графитовый фон. Чисто белый фон (
#FFFFFF) часто выглядит блекло, а пестрый интерьерный фон рассеивает внимание; - Масштаб объекта в кадре: изделие должно занимать не менее 75–85% площади изображения. Избегайте общих планов, где модель находится далеко, а фасон платья невозможно рассмотреть без лупы;
- Кадрирование и центрирование: фигура модели должна располагаться строго по центру без обрезки ключевых деталей кроя (подол, воротник, манжеты);
- Цветопередача: калибруйте снимки так, чтобы оттенок ткани на экране максимально соответствовал реальности. Искажение цвета — главная причина возвратов на этапе примерки.
Как избежать отклонения карточек роботом модерации?
Автоматические алгоритмы модерации Яндекс Директа мгновенно блокируют карточки, нарушающие визуальные стандарты экосистемы.
Строгие стоп-факторы для товарных изображений:
- Текстовые наложения поверх фото: категорически запрещено наносить на изображение надписи «Распродажа», «Хит продаж», «Скидка 50%», размерные сетки или номера телефонов. Скидка должна передаваться исключительно через тег ``;
- Водяные знаки и логотипы: сторонние вотермарки, логотипы маркетплейсов или значки авторских прав ведут к отклонению оффера;
- Коллажи: запрещено склеивать несколько ракурсов в один кадр. Передавайте дополнительные ракурсы отдельными ссылками в тегах ``;
- Низкое разрешение и артефакты: минимальное разрешение для галереи — 600x600 px (рекомендуемое — 1200x1200 px в формате JPG или WebP без пикселизации);
- Чрезмерная откровенность: в категориях нижнего белья и купальников модерация отклоняет снимки с явным эротическим подтекстом или неестественными позами моделей.
Как сегментировать ассортимент и настроить фильтры фида?
Запуск всего ассортимента интернет-магазина одежды единой кампанией с общим бюджетом — фатальная ошибка, гарантирующая быстрый слив спенда. В каталоге любого модного бренда присутствуют товары с принципиально разной маржинальностью, сезонным спросом и складскими остатками.
Если вы смешаете в одной группе шелковые вечерние платья с маржой 70% и базовые хлопковые носки за 300 рублей, умный алгоритм Яндекса найдет самый дешевый кликабельный товар (носки) и направит на него 80% дневного бюджета, не принеся магазину никакой чистой прибыли. Детальные алгоритмы настройки таких фильтров описаны в руководстве по настройке товарной галереи и смарт-баннеров.
«В e-commerce одежде 20% топовых позиций генерят 80% выручки. Если не настроить кастомные фильтры по маржинальности и размерным остаткам, алгоритмы Яндекса сольют 70% спенда на неходовые единичные размеры, где нет шанса на повторные продажи.
Александр АнтощенкоМаркетолог-аналитик агентства «Гибкий маркетинг»
По каким критериям делить каталог (маржинальность, новинки, сейл)?
Для максимизации отдачи от инвестиций мы рекомендуем разделить товарный каталог на четыре стратегических сегмента при помощи фильтров по тегам ``,
<discount> или пользовательским ярлыкам custom_label:- Сегмент «Локомотивы и High-Margin»: флагманские модели сезона с маржинальностью от 60% и чеком выше среднего (пальто, костюмы, тренчи, премиальный трикотаж). На эту группу выделяется до 50% общего бюджета с установкой более высокого целевого ДРР (до 18–20%);
- Сегмент «Новая коллекция (New In)»: свежие поступления, требующие быстрого набора поведенческих факторов и охвата. Кампания настраивается на максимальный охват с оптимизацией по конверсиям;
- Сегмент «Распродажа и аутлет (Sale)»: позиции со скидками от 30%, для которых ключевым триггером выступает цена. Здесь идеально работают связки с динамическими плашками скидок;
- Сегмент «Базовый гардероб и аксессуары (Low-Ticket)»: футболки, ремни, белье. Эти товары рекламируются либо комплектами (бандлами), либо используются исключительно в смарт-баннерах для сопутствующего дожима покупателей, уже оформивших основной заказ.
Как автоматически исключать товары с неполной размерной сеткой?
Реклама артикулов, у которых на складе остался единственный неходовой размер (например, только XS или только 3XL), приводит к моментальному отказу: покупатель переходит по карточке ходового фасона, видит отсутствие своего размера и закрывает вкладку.
Для решения этой проблемы используются два подхода:
- На уровне генерации фида (Backend CMS): настройка скрипта выгрузки, который автоматически присваивает тегу `` значение
falseили исключает offer из YML, если количество доступных размеров меньше трех (например, осталось менее 3 SKU в рамках одногоgroup_id); - На уровне фильтров Яндекс Директа: использование составных правил фильтрации в параметрах группы объявлений:
Наличие = В наличииANDКоличество размеров > 2(при передаче соответствующего кастомного параметра).
Пошаговая настройка Единой перфоманс-кампании (ЕПК) для магазина одежды
В 2026 году Единая перфоманс-кампания (ЕПК) стала базовым форматом для запуска товарного трафика в Яндекс Директе, полностью объединив функционал смарт-баннеров, товарных галерей, динамических объявлений и классических текстово-графических блоков в рамках единого интерфейса.
Процесс технической сборки высокоэффективной ЕПК для интернет-магазина одежды строится по четкому пятиэтапному пайплайну.
5 шагов запуска Единой перфоманс-кампании для fashion
1
Валидация и загрузка фида
Загрузка YML-файла по ссылке в раздел 'Библиотека -> Фиды' с настройкой автоматического обновления каждые 1–2 часа.
2
Интеграция Ecommerce Метрики
Проверка корректности передачи событий 'detail', 'add', 'purchase' с динамической суммой корзины в счетчик.
3
Структурирование групп объявлений
Создание отдельных групп под каждую категорию одежды с применением кастомных условий фильтрации фида.
4
Генерация смарт-плиток и текстов
Настройка динамических шаблонов заголовков с подстановкой макросов '#name#' и цен '#price#'.
5
Выбор стратегии и запуск
Установка стратегии 'Оптимизация конверсий' с целевым ДРР и запуск тестового спринта на 14 дней.
Как выбрать места показа: объединять поиск и РСЯ или разделять?
Директ позволяет запустить ЕПК с одновременным показом на поиске (включая Товарную галерею) и в Рекламной сети Яндекса (смарт-баннеры). Однако для магазинов одежды с бюджетом от 100 000 рублей в месяц мы настоятельно рекомендуем строго разделять кампании по местам показа:
- Кампания 1: «ЕПК — Только Поиск (Товарная галерея)»: направлена на перехват горячего спроса. Здесь используются максимальные ставки, жесткие минус-слова и точечная фильтрация по категориям;
- Кампания 2: «ЕПК — Только Сети (Смарт-баннеры и ретаргетинг)»: ориентирована на возврат посетителей и кросс-сейл. В ней выставляются более мягкие ограничения по стоимости конверсии и подключаются смарт-плитки больших форматов.
Объединение поиска и сетей в одну кампанию допустимо только при минимальных бюджетах (до 30 000–50 000 руб./мес.), когда алгоритму машинного обучения L-Boost требуется собрать суммарный объем данных для быстрого выхода из фазы обучения.
Как настроить комбинаторные объявления для каталогов одежды?
Помимо отображения отдельных товаров, ЕПК в Товарной галерее позволяет показывать так называемые комбинаторные объявления (страницы каталога). Вместо одной конкретной блузки пользователь видит карточку-подборку: «Женские блузки из шелка — более 120 моделей со скидкой до 30%» с каруселью мини-превью.
Для их активации в параметрах группы товарных объявлений включите опцию «Страницы каталога» и укажите релевантные посадочные страницы категорий сайта. Такие объявления демонстрируют конверсию в покупку на 20–35% выше стандартных карточек по среднечастотным категорийным запросам («каталог женской одежды оверсайз», «купить деловой женский костюм»), так как дают пользователю свободу выбора без привязки к единственному артикулу.
Какие автостратегии выбрать для максимизации ДРР и ROMI?
Управление ставками вручную в товарной рекламе одежды окончательно потеряло актуальность. При каталоге в 5 000–20 000 SKU человек физически не способен ежесекундно пересчитывать ставки с учетом изменения конкурентной среды, погоды за окном и вероятности конверсии конкретного пользователя. Всю работу выполняют автостратегии на основе нейросетей Яндекса.
Однако эффективность машинного обучения напрямую зависит от того, какую цель и финансовые ограничения вы зададите алгоритму.
Перед тем как погрузиться в технические нюансы автостратегий, важно познакомиться с экспертным взглядом на масштабирование бюджетов.
10 лет опыта | 700+ проектов
Илья Калмыков
Маркеолог-стратегГибкий Маркетинг/ Вконтакте, Яндекс, Авито
Маркетолог и эксперт в сфере digital-рекламы с глубокими техническими знаниями, развитым творческим мышлением и значительным практическим опытом. Реализую полный цикл продвижения: от разработки контент-стратегии и создания рекламных материалов до аналитики, оптимизации кампаний и масштабирования результатов. Официальный партнёр и амбассадор ВКонтакте.
Реализовал 485+ млн руб. бюджета
Заработал клиентам 1.3+ млрд руб
Официальный амбассадор ВК
700+ проектов, 3+ млн лидов
Expert Verified · E-E-A-T
Как работает стратегия «Оптимизация рентабельности» на данных электронной коммерции?
Стратегия «Оптимизация рентабельности (Целевой ДРР)» — золотой стандарт для интернет-магазинов одежды. Алгоритм обучается на динамических данных электронной торговли (Ecommerce), получаемых из Яндекс Метрики.
Механика работы:
- Пользователь оформляет заказ на пальто стоимостью 20 000 рублей;
- Метрика передает в Директ доход по транзакции (
revenue = 20000); - Если в кампании установлен целевой ДРР 15%, система рассчитывает допустимый расход на привлечение этого заказа:
20 000 × 0.15 = 3 000 рублей; - Нейросеть автоматически повышает ставки на пользователей с паттернами поведения, схожими с покупателями дорогих вещей, и снижает ставки на аудиторию с низким средним чеком.
Формула
ДРР = (Рекламные расходы) / (Выручка от рекламы) × 100%
Пример расчета: если за неделю кампания потратила 150 000 рублей и принесла заказов на сумму 1 000 000 рублей, фактический ДРР составит:
Формула
(150 000) / (1 000 000) × 100% = 15%
Что полностью укладывается в целевой показатель рентабельности модного ритейла.
Что делать, если кампания не набирает 10-20 конверсий в неделю для самообучения?
Автостратегиям Яндекса для стабильной калибровки требуется минимум 10–20 целевых действий в неделю на одну кампанию. Если магазин одежды узконишевый или запускается с нуля, транзакций типа «Покупка» может не хватать, из-за чего кампания «засыпает» и перестает откручивать бюджет.
В такой ситуации в агентстве «Гибкий маркетинг» мы используем алгоритм ступенчатой оптимизации:
- Переход на промежуточные микроконверсии: временно переключите оптимизацию со статуса «Покупка» на цель «Добавление в корзину» или «Переход в чекаут». Этих действий в 4–6 раз больше, что дает алгоритму достаточно данных для обучения;
- Укрупнение кампаний: объедините мелкие группы категорий в одну общую кампанию, чтобы сконцентрировать конверсионные сигналы;
- Использование пакетных стратегий: объедините несколько ЕПК под управление единой пакетной автостратегией с общим недельным бюджетом.
Как динамический смарт-ретаргетинг возвращает брошенные корзины?
В сфере онлайн-продаж одежды показатель брошенных корзин достигает колоссальных 70–75%. Покупатели используют корзину как примерочную или вишлист: добавляют 5–7 понравившихся моделей, сравнивают цены с конкурентами, советуются с близкими или отвлекаются на входящие уведомления.
Динамический смарт-ретаргетинг — это инструмент, позволяющий автоматически вернуть до 30% этих ушедших пользователей и довести их до оплаты. Подробные сценарии возврата брошенного трафика мы разбирали в статье о ретаргетинге.
Смарт-баннеры автоматически распознают, какой именно артикул забыл пользователь, и генерируют персональное объявление, дополненное триггерами срочности или персонального бонуса.
Каковы оптимальные окна атрибуции и тайминги показа ретаргетинга в fashion?
Цикл принятия решения о покупке одежды имеет четкую временную структуру, под которую необходимо выстраивать сценарии ретаргетинга:
- Тайминг 1: «Горячий след» (1–3 дня после визита): показ смарт-баннера с забытым товаром. В креативе делается упор на сервис: «Ваш размер еще в наличии. Бесплатная доставка и примерка перед покупкой»;
- Тайминг 2: «Ценовой дожим» (4–7 дней после визита): если заказ не оформлен, включается смарт-плитка с акцентом на выгоду: «Завершите оформление и получите скидку 10% по промокоду FASHION10»;
- Тайминг 3: «Альтернатива и аксессуары» (8–14 дней): показ похожих моделей из той же категории другого кроя или комплементарных товаров (сумка к ранее купленному тренчу);
- Тайминг 4: «Сезонный реактиватор» (30–60 дней): показ новинок следующего сезона покупателям, совершившим заказ месяц назад.
Как избежать навязчивости и выгорания аудитории смарт-баннеров?
Агрессивный ретаргетинг, преследующий человека одинаковыми баннерами по всему интернету в течение трех месяцев, вызывает раздражение и формирует негативное отношение к бренду.
Для исключения выгорания аудитории применяются жесткие технические правила:
- Автоматическое исключение покупателей: настройте сегмент Метрики «Оформил заказ за последние 14 дней» и добавьте его в запрещающие условия ретаргетинга;
- Ограничение частоты показов: установите лимит не более 3–5 показов баннера на одного уникального пользователя в сутки;
- Ротация форматов Smart Design: используйте автоматическую смену шаблонов отображения (карусель, плитка, одиночный товар, мозаика).
Как настроить сквозную аналитику и учет процента выкупа одежды?
Главная специфика и экономическая ловушка fashion e-commerce заключается в проценте выкупа заказов, который в среднем по рынку составляет от 45% до 70%. Если интернет-магазин оценивает эффективность рекламы исключительно по онлайн-конверсиям на сайте, он видит искаженную картину реальности и рискует масштабировать убыточные кампании.
При сборе данных и интеграции сквозной аналитики бизнес обязан строго следовать нормам безопасности хранения информации клиентов.
Закон / ГОСТФедеральный закон № 152-ФЗ «О персональных данных»
Защита данных при сквозной аналитике
Передача идентификаторов клиентов (ClientID, хэшированных телефонов и email) из CRM в аналитические системы требует обязательного получения согласия пользователя на обработку персональных данных на сайте.
Почему оптимизация по оформленным заказам в корзине обманчива?
Типичный сценарий поведения покупательницы одежды: заказ двух смежных размеров одного платья (44 и 46) и трех разных расцветок для примерки дома или в ПВЗ.
Разбор на реальных цифрах:
- Сумма оформленного заказа на сайте:
45 000 рублей(3 платья по15 000 руб.); - Расход на рекламу для привлечения этого заказа:
3 000 рублей; - Кажущийся ДРР в кабинете Директа:
(3 000) / (45 000) × 100% = 6.6%(блестящий результат); - Реальность после примерки: выкуплено только 1 платье на сумму
15 000 рублей, 2 платья вернулись на склад; - Фактический ДРР с учетом выкупа:
(3 000) / (15 000) × 100% = 20%(предел рентабельности).
Если кампания оптимизируется по первичным заказам, автостратегия будет стремиться привлекать пользователей, оформляющих огромные корзины с нулевым итоговым выкупом.
Как передавать офлайн-конверсии и статусы выкупа из CRM в Яндекс Метрику?
Чтобы обучать автостратегии на реальных деньгах, в агентстве «Гибкий маркетинг» мы выстраиваем сквозную передачу офлайн-конверсий по следующему алгоритму:
- В момент оформления заказа на сайте счетчик Метрики фиксирует уникальный
ClientIDи передает его в CRM-систему (Битрикс24, RetailCRM, МойСклад) вместе с номером заказаTransactionID; - Курьерская служба или ПВЗ фиксирует факт примерки, частичного выкупа и оплаты по онлайн-кассе (54-ФЗ);
- Спустя 7–14 дней (после завершения примерки) CRM-система через API или автоматическую CSV-выгрузку отправляет в Яндекс Метрику файл офлайн-конверсий со статусом
Оплачени фактической суммой выкупа; - Автостратегия Директа получает реальные финансовые данные и переобучается, повышая ставки на категории и аудитории с максимальным процентом выкупа.
Ниже представлен базовый технологический стек сквозного учета для ритейла одежды.
Архитектура сквозной аналитики Fashion e-com
Связка рекламных источников с реальной кассой
ТрафикЯндекс Директ (ЕПК, Галерея, Смарт-баннеры)
Веб-аналитикаЯндекс Метрика с Ecommerce и ClientID трекингом
Учет заказовRetailCRM / 1C / МойСклад (статусы примерок)
ФискализацияОнлайн-кассы по 54-ФЗ (фактический доход)
BI-отчетностьЯндекс DataLens (дашборды реального ДРР и ROMI)
Разбор реального кейса агентства: продвижение магазина одежды
Теория обретает ценность только тогда, когда она подтверждена масштабной практикой. В портфолио агентства «Гибкий маркетинг» продвижение fashion-брендов занимает особое место. Один из наиболее показательных проектов — комплексное масштабирование российского бренда горнолыжной и городской одежды CHUKCHA, подробности которого также освещены в отчете Кейс | 61 млн рублей реализовали в нише E-commerce.
Какая стратегия фида и автотаргетинга принесла окупаемость 8x?
На старте проекта бренд сталкивался с типичной проблемой: высокая стоимость заказа (CPO) в контекстной рекламе и неконтролируемый ДРР на уровне 28–32%.
Команда агентства полностью перестроила товарный маркетинг:
- Кастомизация YML-фида: каталог был обогащен профессиональными lookbook-фотографиями на моделях и подробными параметрами кроя (мембрана, влагозащита, утеплитель);
- Сегментация по сценариям потребления: фид разделили на горнолыжную экипировку (комбинезоны, анораки) и городскую коллекцию (худи, оверсайз-штаны);
- Запуск Товарной галереи с фокусом на брендовые и категорийные ключи: карточки заняли верхнюю строку выдачи по запросам «горнолыжный комбинезон», вытеснив ритейл-агрегаторы;
- Смарт-ретаргетинг в РСЯ: настроены сценарии дожима брошенных корзин с демонстрацией аксессуаров (варежки, балаклавы) к просмотренным комбинезонам.
Итоги кампании: при реализованном рекламном бюджете свыше 50 000 000 рублей суммарная выручка магазина превысила 400 000 000 рублей, обеспечив окупаемость вложений ROMI 800% (x8) и снижение итогового ДРР до рекордных 12.5%.
Кейс из практики
Кейс масштабирования бренда одежды CHUKCHA
Комплексный запуск фидовых кампаний, Товарной галереи и динамических смарт-баннеров позволил российскому бренду дизайнерской одежды выйти на федеральный уровень продаж с рекордной рентабельностью.
Реализованный рекламный бюджет: 50 000 000 рублей
Суммарная выручка интернет-магазина: 400 000 000 рублей
Итоговая окупаемость инвестиций: ROMI 800% (х8)
Снижение ДРР с 28% до 12.5% за счет фильтрации неликвидных SKU
Какие гипотезы не сработали и как вовремя скорректировали связки?
В ходе двухнедельных спринтов мы выявили и оперативно устранили две критические гипотезы-ошибки:
- Неудачная гипотеза: показ в Товарной галерее дешевых аксессуаров (носки, шапки) с целью набора первичных кликов. Результат: высокий расход бюджета при мизерном чеке. Корректировка: исключили товары с ценой ниже 2 500 руб. из поиска и перенесли их в кросс-сейл ретаргетинг;
- Неудачная гипотеза: реклама остатков прошлогодних коллекций с 1–2 неходовыми размерами. Результат: всплеск отказов на сайте до 42%. Корректировка: внедрили скрипт автоматического отключения карточек при остатке менее 3 ходовых размеров.
Топ-7 ошибок при настройке товарной рекламы одежды, сливающих бюджет
Проводя регулярные аудиты рекламных кабинетов для новых клиентов, специалисты агентства «Гибкий маркетинг» сталкиваются с повторяющимся набором типичных ошибок, из-за которых ритейлеры теряют до 60% маркетингового бюджета.
Ниже собраны фундаментальные правила защиты рекламных инвестиций от нецелевого расхода.
Автосинхронизация остатков
Обновление YML-фида должно происходить не реже 1 раза в 1-2 часа, чтобы исключить показ раскупленных моделей.
Минусация мусорного спроса
Регулярная чистка поисковых отчетов автотаргетинга от некоммерческих слов (выкройки, бу, ремонт, даром).
Контроль битых ссылок (404)
Автоматический мониторинг доступности посадочных страниц из фида с остановкой показа при ошибках сервера.
Разделение поиска и сетей
Разведение горячей Товарной галереи и дожимающих смарт-баннеров по отдельным кампаниям с индивидуальным ДРР.
Почему реклама товаров с 1 оставшимся размером убивает конверсию?
Когда интернет-магазин выгружает в фид весь каталог без фильтрации остатков, возникает так называемая «ловушка единственного размера».
Механика потери денег:
- В Товарной галерее показывается стильный женский тренч по привлекательной цене;
- По объявлению кликают сотни девушек со стандартными размерами S, M и L;
- Перейдя на карточку, они обнаруживают, что в наличии остался единственный экземпляр размера XXL;
- 98% пользователей мгновенно закрывают сайт, время на странице падает ниже 10 секунд, поведенческий фактор домена ухудшается, а магазин платит за каждый нецелевой клик.
Как автотаргетинг в Товарной галерее сливает бюджет на мусорные запросы?
В Товарной галерее ключевые слова не задаются вручную — показы полностью управляются автотаргетингом Яндекса на основе анализа тегов фида. Без регулярной минусации система начинает сопоставлять товары с мусорными или информационными запросами.
Примеры нецелевых сливов в fashion:
- Премиальное шерстяное пальто за 40 000 руб. показывается по запросам: «сшить пальто своими руками выкройка», «пальто бу на авито бесплатно», «почему скатывается шерстяное пальто»;
- Вечернее шелковое платье рекламируется по ключам: «аренда платья на фотосессию на 1 час», «эскизы платьев карандашом».
Для предотвращения таких ситуаций необходимо еженедельно выгружать отчет «Поисковые запросы» в Мастере отчетов Директа и пополнять единый список минус-слов на уровне кампании.
Часто задаваемые вопросы по товарной рекламе одежды в Яндексе (FAQ)
Часто задаваемые вопросы о товарной рекламе одежды
Сколько времени обучается Товарная галерея в ЕПК?
Сколько времени обучается Товарная галерея в ЕПК?
Период первичного машинного обучения автостратегий Яндекса занимает от 7 до 14 дней. Критически важно в этот период не вносить резких правок в фид, не менять целевой ДРР более чем на 10-15% и обеспечить накопление от 10-20 целевых конверсий в неделю.
Можно ли запустить Товарную галерею без сайта только на маркетплейс?
Можно ли запустить Товарную галерею без сайта только на маркетплейс?
Прямой запуск Товарной галереи на карточки Wildberries или Ozon технически невозможен, так как требуется установка счетчика Яндекс Метрики на домен для валидации фида. Для маркетплейсов используются промежуточные посадочные страницы (мультиссылки, витрины) либо специализированные инструменты внешнего трафика.
Какой минимальный бюджет нужен магазину одежды для старта?
Какой минимальный бюджет нужен магазину одежды для старта?
Для полноценного теста связки 'Товарная галерея + Смарт-баннеры' необходим бюджет от 60 000 - 100 000 рублей в месяц. Этого объема достаточно для сбора 3000-5000 кликов, обучения алгоритмов и выхода на стабильные показатели окупаемости.
Чем Товарная кампания отличается от Единой перфоманс-кампании (ЕПК)?
Чем Товарная кампания отличается от Единой перфоманс-кампании (ЕПК)?
Товарная кампания (в Мастере кампаний) — это упрощенный инструмент с автоматическим выбором настроек, где нельзя гибко управлять фильтрами фида и минус-словами. ЕПК — это профессиональный инструмент с глубокой сегментацией каталога, комбинаторными объявлениями и точечным контролем мест показа.
Как отслеживать продажи, если клиент заказал по телефону или через мессенджер?
Как отслеживать продажи, если клиент заказал по телефону или через мессенджер?
Для фиксации таких заказов подключается динамический коллтрекинг и трекинг обращений в чаты. Данные о звонках и переписках связываются с ClientID пользователя и передаются в CRM, а после выкупа фискализируются и отправляются в Метрику как офлайн-конверсии.
Заключение
ИТОГОВЫЙ ВЕРДИКТ КОМАНДЫ
Товарная галерея и смарт-баннеры в Яндекс Директе в 2026 году — это фундамент рентабельного трафика для любого интернет-магазина одежды. Успех кампаний на 80% зависит от безупречности YML-фида (полнота тегов param, качественные фото на моделях, фильтрация неликвида) и грамотной связки автостратегий с CRM-данными о реальном выкупе заказов. Команда «Гибкий маркетинг» готова выстроить управляемую систему товарного маркетинга с гарантией окупаемости и контролем ДРР.
Материалы и источники
- 1
- 2
- 3
- 4
- 5
Свяжитесь с нами
Заявка на настройку Товарной галереи и смарт-баннеров
Оставьте контактные данные, и мы свяжемся с вами для проведения бесплатного аудита фида и расчета окупаемости вашего интернет-магазина.