Как «Дипана» выросла в продажах на 118% без исторических данных

У бренда не было ни истории размещений, ни референсов: «Дипана» выходила в digital с нуля. Строить прогноз привычным способом — от прошлых кампаний — было не из чего.

Мы сделали модель на данных категории, посчитали от целевых продаж необходимые охваты и запустились. Через четыре месяца увидели, что креатив работает иначе, чем предполагала модель, и уточнили коэффициенты.

Идея: от продаж к охватам, а не наоборот

Модель переводит охват в продажи через цепочку «охват → внимание → знание → продажи». Дальше она работает в обратную сторону: от целевого объёма продаж мы получаем необходимые охваты и на их основе собираем медиаплан.

Модель, которую пришлось поправить

Именно поэтому точность 9,8%, а не 4%: первая версия модели опиралась на категорию, а не на бренд. Обновление коэффициентов по ходу кампании — не сбой, а штатная часть подхода.

Что сделали

• Построили модель «охват → внимание → знание → продажи» на данных категории.
• От целевых продаж рассчитали необходимые охваты и собрали медиаплан с настройками по каналам.
• Разместили кампанию в digital и отслеживали фактические продажи по ходу.
• Через четыре месяца уточнили конверсии под реальное поведение креатива и пересобрали прогноз.
• Довели кампанию до планового объёма продаж.

Результаты

• Продажи за январь—август 2025: 46 114 упаковок против 21 090 годом ранее — рост на 118%.
• За двенадцать месяцев: 64 657 против 28 564 — рост на 126%.
• Доля рынка выросла с 0,3% до 0,8%.
• Прогноз на период кампании — 35 229 упаковок, факт — 38 693. Точность 9,8%.

Что это значит

Кейс показывает, что модель — не документ, написанный до старта, а рабочий инструмент. Первый прогноз может быть неточным, и это нормально: важно, что коэффициенты уточняются по факту, а кампания всё равно приходит к плановым продажам.