Привет, Хабр.

Меня зовут Артемий, я руковожу командой, которая сфокусирована на одной из самых неоднозначных и технически сложных рекламных платформ — Telegram Ads. Мы не занимаемся «посевами» или закупкой рекламы у блогеров. Наша область — это performance‑маркетинг внутри официальной рекламной платформы Telegram, работа с ее ограничениями, неочевидными механиками и аналитикой.

Эта статья — не хвастливый кейс, а детальный технический отчет о проекте, который стал для нас настоящим полигоном для тестов. Мы столкнулись с задачей на грани выполнимости: продвижение privacy‑инструмента в условиях жесткой модерации и перегретого рынка. Я подробно, с разбором методологии, реальных ошибок и финальных цифр, расскажу, как мы построили data‑driven систему, которая позволила найти рабочую модель там, где классический маркетинг оказался бессилен.

Исходная диспозиция. Когда юнит-экономика начинает трещать по швам

Проект, о котором пойдет речь, можно отнести к категории «privacy tools». Это был сервис, предоставляющий пользователям инструмент для обеспечения приватности и безопасного доступа к сети, реализованный в виде Telegram‑бота. Назовем его условно «Guardian».

• Архитектура продукта: Технически грамотно реализованный Telegram‑бот на Python с использованием библиотеки aiogram. Бэкенд управлял пулом серверов в нескольких локациях (Нидерланды, США, Франция) и динамически выдавал пользователям конфигурационные файлы. Оплата подписки была реализована через интегрированный платежный шлюз. Продукт был стабилен и получал хорошие отзывы от органических пользователей.

  

• Корневая проблема: Продукт терял деньги на платном привлечении. Команда проекта уже испробовала стандартные каналы (Яндекс.Директ и таргет VK по «белым» запросам вроде «защита данных в сети», а также посевы в Telegram‑каналах), но столкнулась с двумя системными проблемами:

  • Перегретый аукцион: Конкуренция в нише огромная, что приводило к запредельной стоимости клика (CPC). В Директе цена за клик по релевантным запросам легко доходила до 200–300 рублей.

  • Низкая конверсия: Трафик был либо слишком «холодным» (люди интересовались темой в целом, но не были готовы платить), либо нецелевым. Посевы в каналах давали всплески подписок, но эти пользователи почти не конвертировались в платящих.

• В итоге итоговая стоимость привлечения платящего клиента (CAC) была на грани рентабельности. Юнит‑экономика выглядела удручающе: CAC ≈ LTV за первые 2–3 месяца. Это означало, что бизнес не рос, а просто «работал в ноль» на привлечении, и о масштабировании не могло быть и речи.

• Постановка задачи: Найти новый, масштабируемый канал, который позволил бы снизить CAC минимум вдвое и обеспечить стабильный приток платящих пользователей. Метрики верхнего уровня воронки, такие как CPF (Cost Per Follower), нас интересовали в последнюю очередь. Нужна была система, которая генерирует прибыль.

Выбор арены и первые инженерные задачи. Как говорить о том, о чем говорить нельзя?

Выбор пал на Telegram Ads. Гипотеза была проста: наша аудитория — технически подкованные пользователи, которые не просто сидят в Telegram, они его используют как основной рабочий и информационный инструмент. Теоретически, мы могли бы «поймать» их в максимально релевантном контексте.

Но тут же возникла инженерная задача № 1: прохождение модерации. Любые упоминания триггерных слов, прямо указывающих на функционал продукта, привели бы к отклонению объявлений.

Наше решение было в смене парадигмы с «рекламы функционала» на «рекламу ценности». Мы изучили механику работы модерационных ботов и поняли, что они реагируют на конкретные семантические триггеры, а не на общий смысл. Поэтому мы составили таблицу «стоп‑слов» и их «белых» аналогов.

Это позволило нам говорить на языке, понятном ЦА (которая и так знает, зачем ей это нужно), но при этом оставаться в рамках правил платформы. Без решения этой задачи дальнейшие шаги были бы невозможны.

Разведка боем. Провальный тест, который сэкономил нам бюджет в будущем

Мы решили начать с малого и проверить несколько гипотез по сегментации аудитории. Чтобы получить максимально вовлеченную аудиторию, привыкшую к интерактиву, мы сфокусировались исключительно на плейсментах внутри ботов.

Были выделены 4 сегмента для теста:

1. Боты‑конкуренты: Предоставляющие аналогичные услуги.

2. AI‑боты (ChatGPT, Midjourney и т. д.): Гипотеза — их пользователи часто сталкиваются с гео‑ограничениями.

3. Боты‑конструкторы стикеров: Гипотеза — широкая, технически продвинутая аудитория.

4. Travel‑боты: Гипотеза — путешественники нуждаются в безопасном интернете.

Мы запустили первый флайт с бюджетом около 100 000 рублей. Результаты по сегментам 2, 3 и 4 были, мягко говоря, удручающими. Мы получали подписчиков, их стоимость была приемлемой. Но они не покупали. Совсем.

Анализ провала: Аудитория из этих сегментов имела другую мотивацию. Они заходили в бот из любопытства, «посмотреть», но у них не было сформированной, острой потребности в продукте прямо сейчас. Конверсия в покупку из этих сегментов была в 4 раза ниже, чем из первого.

Ключевой вывод № 1: Дешевый подписчик — не значит хороший подписчик. Отсутствие прямой корреляции между CPF и LTV (Lifetime Value) — это самая дорогая ошибка, которую можно совершить. Мы приняли решение полностью отказаться от этих сегментов, несмотря на кажущуюся привлекательность метрик верхнего уровня воронки.

Перегруппировка. Data-driven подход и построение системы

Осознав, что наш «золотой» сегмент — это пользователи ботов‑конкурентов, мы перестроили всю стратегию.

Сбор данных и скоринг каналов

Мы перестали действовать наугад. С помощью TGStat и Telemetr мы спарсили и проанализировали более 200 ботов из нашей ниши. Каждый бот оценивался по нескольким параметрам:

• Количество активных пользователей.

• Динамика роста/падения.

• ERR (Engagement Rate by Reach).

• Наличие «мертвых душ» и накруток.

В итоге у нас остался отфильтрованный список из ~50 «здоровых» ботов, который мы разбили на тиры (Tier-1, Tier-2, Tier-3) в зависимости от качества аудитории.

Контекстуализация креативов

Мы поняли, что даже внутри одного сегмента аудитория разная. Пользователь бота «А», где акцент на скорости, и бота «Б», где акцент на безопасности, — это люди с разными триггерами. Мы разработали несколько веток креативов:

• Для ботов, делающих упор на цену: «Самая честная цена за премиум‑качество. Всего 150Р в месяц за полную свободу. Попробуй!»

• Для ботов с акцентом на «для игр»: «Никаких лагов и ограничений. Стабильный пинг и высокая скорость для твоих любимых игр и стримов.»

• Для «универсальных» ботов: «4 страны, двойное шифрование, поддержка 24/7. Все, что нужно от современного инструмента безопасности.»

Система отслеживания: От UTM к Telegram Deep Links

Изначально мы планировали использовать стандартные UTM‑метки, но быстро поняли их неэффективность для трекинга внутри Telegram. Веб‑аналитика здесь бессильна. Нам нужно было отслеживать пользователя внутри мессенджера.

Решением стали Telegram Deep Links. Это фундаментальный механизм платформы, позволяющий передавать параметры при запуске бота.

Вместо реальной ссылки, я покажу ее анонимизированную структуру, объяснив принцип:
https://t.me/YourGuardianBot?start=[payload]

Как это работает на техническом уровне:

1. Генерация Payload: Для каждой связки [бот‑донор] + [креатив] мы генерировали уникальный хэшированный payload. Например, md5('donor_turbopromo_creative_price') давал нам уникальную строку, допустим, a1b2c3d4e5.

2. Формирование Deep Link: Ссылка в рекламе имела вид https://t.me/YourGuardianBot?start=a1b2c3d4e5.

3. Обработка на стороне бэкенда: Бэкенд нашего бота «Guardian» был настроен на обработку команды /start. Он извлекал этот payload из message.get_args(), находил его в нашей внутренней базе данных кампаний (которая велась в простом Google Sheets, а затем была перенесена в PostgreSQL) и немедленно атрибутировал user_id этого пользователя к конкретному источнику и креативу.

4. Сквозная аналитика: Все последующие действия этого пользователя (например, покупка подписки) уже в нашей CRM и BI‑системе (мы использовали self‑hosted Metabase) связывались с исходной рекламной кампанией.

Это позволило нам построить сквозную аналитику и видеть не просто клики, а реальные продажи с каждого объявления. Без этого механизма вся оптимизация была бы невозможна.

Неочевидная тактика. Экономика защиты собственного периметра

Работая с таргетингом на конкурентов, мы постоянно задавали себе вопрос: «А что мешает им делать то же самое с нами?». Ответ, очевидно, — ничего. Единственный способ гарантированно защитить свой бот или канал от рекламы конкурентов в Telegram Ads — это самому выкупить там рекламное место.

Мы предложили клиенту эту оборонительную стратегию. Запустили рекламную кампанию с таргетингом на собственный бот «Guardian». В объявлениях мы не продавали, а укрепляли лояльность: рассказывали о новых фичах, проводили закрытые акции для «своих» или просто напоминали о ключевых преимуществах нашего сервиса. По сути, мы использовали рекламный инструмент для CRM‑маркетинга.

Теперь самое интересное — экономика этого решения.

Шаг 1. Считаем затраты на «оборону»

Экономика этого решения:

• Средняя цена за 1000 показов (CPM) в ботах на тот момент составляла около $8.

• Наша активная база в боте — 30 000 пользователей.

• Чтобы каждый пользователь увидел наше объявление 1–2 раза в месяц, нам требовалось 30–60 тыс. показов. Возьмем среднее — 2 показа на пользователя.

• Итоговые затраты в месяц: (30 000 пользователей / 1000) 2 показа $8/CPM = $480.

  • По курсу на тот момент это было примерно 48 000 рублей.

Итак, мы тратим 48 000 рублей в месяц. Кажется, немало. А теперь посчитаем, что мы получаем взамен.

Шаг 2. Считаем потенциальные потери (то, что мы предотвращаем)

Давайте посчитаем потенциальные потери, если мы не будем этого делать. Возьмем самые скромные, пессимистичные цифры:

• Допустим, LTV (Lifetime Value) одного клиента за год составляет всего 2000 рублей (на самом деле он был выше, но для чистоты расчетов берем по минимуму).

• Предположим, что реклама конкурентов, показанная в нашем боте, сможет увести у нас всего 1% нашей аудитории в месяц. Это 300 человек (от 30 000).

Теперь считаем недополученную прибыль:

Потенциальные потери в месяц = 300 пользователей * 2000 руб/LTV = 600 000 рублей.

Шаг 3. Сводим дебет с кредитом

Теперь экономика становится абсолютно прозрачной:

Мы инвестируем ~48 000 рублей в месяц, чтобы предотвратить потенциальные потери в ~600 000 рублей.

Разница — более чем на порядок. ROI этой «оборонительной» кампании огромен, и она окупает себя многократно, не говоря уже о косвенных выгодах вроде повышения лояльности и LTV текущей базы.

Вывод: Защита своего «периметра» — это не расход, а одна из самых высокодоходных инвестиций в удержание. Это просчитываемый и экономически обоснованный шаг, который позволяет сохранить самый ценный актив — вашу текущую базу платящих клиентов.

Что получилось "на выходе"

После внедрения всех этих шагов и масштабирования рабочих связок, мы получили следующую картину:

• Общий бюджет: 710 410 ₽

• Привлечено подписчиков в бот: 25 954

• Средняя стоимость подписчика (CPF): 27,37 ₽

• Ключевой бизнес‑показатель (CAC): За счет фокусировки на конверсионных связках нам удалось снизить итоговую стоимость привлечения платящего клиента почти в 4 раза по сравнению с первоначальными каналами.

• ROI: Проект вышел на стабильную положительную окупаемость, что позволило ему дальше масштабироваться.

Основные выводы из нашего эксперимента

1. Сложные ниши требуют нетривиальных подходов. Прямолинейные стратегии здесь не работают. Ключ к успеху — в глубоком понимании контекста, аудитории и правил платформы.

2. Не все лиды одинаково полезны. Необходимо выстраивать аналитику так, чтобы отслеживать всю воронку до продажи. Отказ от неконверсионных, пусть и дешевых, источников трафика — это не потеря, а оптимизация.

3. Таргетинг внутри ботов — мощнейший инструмент для работы с максимально теплой аудиторией, особенно в нишах с уже сформированным спросом.

4. Оборона не менее важна, чем атака. Инвестиции в удержание собственной аудитории путем выкупа рекламных мест — это просчитанный и экономически оправданный шаг.

Надеюсь, этот подробный разбор был полезен. Telegram Ads — это не просто рекламная площадка, а целый конструктор, из которого при правильном подходе можно собрать очень эффективную машину для лидогенерации.

Буду рад обсудить в комментариях ваши кейсы и мысли. Сталкивались ли вы с подобными задачами? Какие неочевидные механики находили в Telegram или других рекламных системах?