1. Посчитали, сколько бюджета уходит в никуда. Выгрузили отчёт по поисковым запросам за весь предыдущий период и разобрали вручную. Обнаружили характерный для металлообработки мусорный трафик: «станок для лазерной резки цена», «лазерный станок б/у», «оператор ЧПУ вакансии», «как резать металл болгаркой», «курсы лазерной резки».
2. Разделили запросы по намерению, а не по названию услуги. Горячие («цена», «заказать», «под ключ», «по чертежу») пошли в одни кампании, тёплые («какая толщина металла», «какие материалы режет лазер») — в другие, со своими ставками. Третья группа — «своими руками», «купить станок», «работа» — целиком в минус-слова.
3. Осознанно сузили показы. Главное решение кейса, и оно контринтуитивное: мы сделали так, чтобы реклама показывалась реже. Ограничили географию левым берегом — реальным радиусом, в пределах которого заказчик готов везти лист металла. Убрали широкое соответствие там, где оно тянуло не те запросы. Отключили показы вне рабочего графика цеха, потому что заявка, которую некому рассчитать, — это просто списанный клик.
4. Переписали объявления под этап пути клиента. Для «холодной» группы — примеры работ, перечень материалов и толщин, бесплатный расчёт по чертежу. Для «горячей» — цена за метр реза, сроки, работа из металла заказчика, полный цикл на одной площадке: резка, гибка, покраска.
5. Привязали производство к геотаргетингу. Цех на левом берегу — и в объявлениях это проговаривается прямо. В B2B-металлообработке, где деталь нужно физически привезти и забрать, близость производства влияет на решение не меньше цены.
6. Развели разовые заказы и серийные партии. Одна деталь по чертежу и партия на несколько сотен позиций — разный чек, разный цикл согласования, разная коммуникация. Раньше они жили в одной кампании и конкурировали за один бюджет.
7. Не трогали то, что работает. Кампании, которые стабильно давали заявки в пределах целевой стоимости, оставили как есть. Оптимизация велась точечно, по данным, а не «пересборкой с нуля» — при ограниченном бюджете каждый перезапуск стоит двух недель обучения алгоритма.