Как мы использовали AMO CRM, чтобы повысить качество лидов в недвижимости

Когда речь идёт о продаже домов в коттеджных посёлках, поток заявок сам по себе мало что значит. На рынке слишком много случайных пользователей, пустых лидов и откровенного спама. Клиент пришёл к нам именно с такой проблемой: заявки есть, но качество низкое, а конверсия в следующие этапы воронки растёт медленно. Чтобы перестать работать вслепую и получать именно квалифицированные лиды, мы выстроили процесс вокруг AMO CRM — и за счёт этого смогли увидеть настоящую картину, почистить трафик и дать рекламным стратегиям данные для обучения.

Чтобы решить задачу, мы сразу сделали ставку на AMO CRM. Благодаря ей можно видеть не только то, что пользователь делает на сайте, но и весь дальнейший путь заявки — кто оставил заявку, что с ней дальше произошло и как менялся статус, целевое это обращение или нет, дошло ли до встречи и сделки, является спамом, что дополнительно узнал менеджер. Это позволяет реально оценивать эффективность кампаний, собирать аудитории и бороться со спамом

На старте нам было важно обучать рекламные кампании в Яндексе, но не на все заявки, а на целевые из CRM. Чтобы стратегия привлекала больше целевых пользователей, ей нужны были данные о том, кто действительно оказался заинтересованным, а кто — спамом или случайным обращением.

В тот момент официальной интеграции Метрики с AMO CRM ещё не было, поэтому мы использовали сторонний виджет F5. Он связывал сделки в AMO с визитами в Метрике по client_id и передавал этапы воронки как достижения целей. На этих данных обучались кампании. Ограничение было одно: если в сделке не было client_id, цель не передавалась — такие случаи всё же встречались.

С появлением официальной интеграции мы полностью отказались от стороннего софта. Новый виджет оказался и быстрее, и точнее. Передача данных шла значительно оперативнее, что помогало стратегиям обучаться в реальном времени. Плюс повысилась точность: система начала матчить пользователей одновременно по номеру телефона, email и client_id. Это заметно сократило количество нестыковок, а стабильность работы стала выше за счёт уменьшения технических поломок.

Скорость передачи данных особенно важна для обучения рекламных кампаний. Мы должны были выбрать этап воронки, который достигается достаточно быстро, но при этом чётко разделяет целевой трафик и нецелевой. Таким этапом стала «Квалифицированная заявка» — заявка, по которой менеджер уже успел связаться с человеком и понял, что интерес к покупке реальный. Между отправкой формы и этим статусом проходит немного времени, поэтому данные почти сразу попадали в Метрику, что делало работу кампаний в разы эффективнее.

Интеграция — только половина задачи. Вторая половина — постоянный разбор самих заявок. Мы внимательно изучаем причины отказов: не то направление, слишком далеко, слишком дорого. Эти сигналы помогают корректировать объявления и отсеивать нецелевой трафик ещё до того, как человек перейдёт на сайт.

Отдельно отслеживаем спамные заявки — смотрим, с каких площадок приходит мусор, и отключаем их в рекламных кампаниях, если ситуация повторяется. Анализируем, где «ломается» воронка: на каком этапе конверсия падает заметнее всего, что именно мешает заявкам двигаться дальше и какие паттерны повторяются. Это помогает не только улучшать рекламу, но и вовремя замечать операционные проблемы.

После интеграции с AMO CRM мы получили возможность видеть, с каких площадок пришла каждая заявка. Это позволило гораздо внимательнее отслеживать источник спама. Если по конкретной площадке появлялись сделки со статусом «спам», мы брали её под наблюдение: смотрели динамику, проверяли следующую волну трафика и оценивали, насколько ситуация повторяется. Когда отрицательная тенденция сохранялась, площадку отключали в рекламных кампаниях. Это дало эффект гораздо быстрее, чем фильтровать трафик только по поведению в Метрике.

Параллельно мы тестировали дополнительные инструменты для борьбы со спамом. Первым был сервис с усложнённой капчей: для отправки формы нужно было подтвердить номер через SMS. Логика была в том, чтобы отсечь людей, которые указывают заведомо несуществующие телефоны. В реальности же тест вызвал проблемы с работой целей — корректные отправки начали фиксироваться нестабильно. Поэтому мы отказались от этого решения.

Вторым сервисом стал Botfaqtor — инструмент, который ведёт собственную базу ботов и автоматически расширяет её, анализируя трафик. Мы протестировали его в течение двух недель. Результат был заметным: количество спам-заявок уменьшилось, а качество трафика стабилизировалось.

Постепенно мы начали углубляться не только в источники трафика, но и в поведение пользователей. Анализ показал, что чем больше времени пользователи проводят на сайте, тем выше у них конверсия в целевую заявку.

Из этого наблюдения выросла отдельная техническая настройка: через GTM мы создали цель по активному времени на сайте и затем собрали составную цель, объединив активные секунды и отправку формы.

Здесь важно, что для «активной» цели мы использовали не пять минут, а 60 секунд — так в Метрику попадало достаточно достижений, и стратегия успевала на них обучаться. В отличие от обычной цели «Время на сайте», для которой достаточно просто открыть страницу и оставить вкладку активной, цель с активными секундами требует, чтобы пользователь каждые десять секунд совершал действие. Это исключало ситуации, когда человек просто бездействует на странице, и делало метрику более чистой.

Перед тем как менять настройки по аудиториям или вводить корректировки, мы добавляли нужные сегменты в кампании с нулевой корректировкой. Такой мягкий метод позволял проверять гипотезы без дополнительного бюджета и без запуска отдельной рекламной кампании. Например, мы собирали аудитории по географии — отдельно юг, север, запад и восток Москвы — и наблюдали, как эти сегменты ведут себя в общей статистике. По результатам уже принимали решение о корректировках или о запуске отдельных кампаний — в нашем случае мы делали положительные корректировки на жителей юга Москвы.

Мы также работали с look-alike аудиториями. Делали подборки по каждому этапу воронки — от квалифицированной заявки до заключённого договора. Параллельно собирали look-alike по спаму, чтобы стратегия уменьшала вероятность привлечения похожих пользователей. При этом важно учитывать специфику недвижимости: цикл выбора здесь длительный, и когда человек уже определился с объектом, его интересы начинают резко меняться. Поэтому классический look-alike не всегда точный. В таких случаях лучше фокусироваться на верхних этапах воронки, пока интересы ещё стабильны. Как аналог, можно использовать инструмент от Яндекса «ЛАЛ в прошлом» — он помогает строить портрет пользователя на момент выбора недвижимости.

Отдельной гипотезой стала товарная кампания для вспомогательного сайта, где собраны все КП. Мы предложили использовать его как ретаргетинговую точку: собирать трафик с основных сайтов, а затем возвращать людей на дополнительный ресурс, показывая им разные варианты КП и напоминая об объектах, которые они уже смотрели. Такая модель давала пользователю выбор и удерживала внимание.

Ещё один важный блок — медийная поддержка перед высоким сезоном. Мы запускаем медийную кампанию в ноябре, когда спрос только начинает формироваться. В этот период транслируем самые базовые преимущества: расположение, лес, водоём. Для таргетинга используем точечные, узкие интересы.

В декабре переключаемся на тех, кто видел ноябрьскую кампанию, и показываем уже инфраструктурные преимущества: охрана, коммуникации, рестораны, внутренняя инфраструктура. Таким образом аудитория прогревается постепенно.

Когда в январе начинается высокий спрос, мы запускаем сетевую кампанию и используем аудиторию из декабрьской медийки. Это люди, которые уже знакомы с брендом, у них хорошие поведенческие характеристики, и часть из них уже достигала промежуточных целей. Такой подход позволяет одновременно повышать узнаваемость и получать заявки с гораздо более тёплого трафика.

Опыт работы с этим проектом показал главное: в недвижимости выигрывают не те, кто привлекает больше лидов, а те, кто умеет быстро отделять ценные заявки от шумового трафика. Интеграция AMO CRM с Метрикой, корректная передача статусов воронки и постоянный разбор причин отказов позволяют рекламным кампаниям работать не на количество, а на качество. 

Этот подход особенно важен на длинном и сложном рынке, где цена ошибки высока, а спама много.