Проблема
IBG Property - одно из крупнейших агентств недвижимости в Таиланде, портфель от студий $100K до вилл $5M+. Реклама работала, бюджеты тратились, но не масштабировались. Аудит выявил четыре системные проблемы. Первая - охват только трех языков из шести возможных, при этом самые дешевые рынки (арабский, испанский, польский) игнорировались. Вторая - оффер «ипотека в Таиланде» на русскоязычной аудитории привлекал людей без денег, конверсия в квалификацию падала до 5-10%. Третья - размытое определение квала: квалом считали любого кто просто ответил на сообщение, поэтому невозможно было понять какие кампании реально работают. Четвертая - редкие запуски новых объектов: один объект крутился неделями, выгорал, потом запускали следующий, и не было потока данных для оптимизации.
Решение
Расширили географию с 3 до 6 языков, добавили арабский ($4-6 CPL), испанский и польский ($6-8). Параллельно снизили CPL на существующих рынках: английский с $8-11 до $6-8, русский и украинский с $21-28 до $15-20. Сменили оффер для русскоязычных с «ипотеки» на инвестиционную привлекательность с конкретикой: ROI 8-12%, гарантированный арендный доход. Переработали определение квала: реальный запрос плюс бюджет от $100K плюс готовность внести депозит в ближайшие 3 месяца. Поставили на регулярный запуск - новый объект каждые 2-3 дня, видеокреативы с дронов и интерьеров вместо статики. Параллельно построили Telegram-воронку с конверсией подписчика в лида 20-30% за 10 дней через бот с пятью касаниями: лид-магнит на первый день, кейс клиента на второй, проработка возражений на четвертый, оффер на седьмой, дедлайн на десятый.
Главное открытие - не оптимизация существующих кампаний, а пересмотр базовой архитектуры рекламы. Расширение на новые языки сразу дало доступ к арабскому рынку с CPL в 2-3 раза дешевле русского. Жесткие критерии квала отсекли тех кто не платит, и алгоритм Meta начал учиться на реальных покупателях, а не на тех кто просто ответил «привет». Telegram-канал стал отдельным активом: подписчик за $1.10 при стоимости лида $34 - это вход в долгую игру, человек прогревается через контент и созревает до сделки за месяцы.
Результат
Контекст
IBG Property - одно из крупнейших агентств недвижимости в Таиланде. Портфель объектов широкий: от студий за $100K до вилл за $5M+. Клиенты со всего мира. На момент старта сотрудничества реклама работала, но без масштабирования: бюджеты тратились, но при росте объемов CPL рос непропорционально, а качество лидов падало.
Что нашли при аудите
Ошибка первая - охват 3 языка из 6 возможных. Работали только с английским, русским и украинским. Польский, испанский и арабский рынки игнорировались. При этом арабский - самый дешевый по CPL в нише.
Ошибка вторая - оффер привлекал не тех. На русскоязычный рынок крутили рекламу с оффером «ипотека в Таиланде». Этот оффер магнитом притягивал людей без денег, которые рассчитывали купить недвижимость в долг. Конверсия в квал падала до 5-10%.
Ошибка третья - размытый учет квалов. Квалифицированным считали любого, кто просто ответил на сообщение. «Привет» - квал. «Не интересно» - тоже квал. Невозможно было понять, какие кампании реально работают, и алгоритм оптимизации Meta получал нерелевантные сигналы.
Ошибка четвертая - редкие запуски. Один объект крутился неделями, выгорал, после этого запускали следующий. Нет потока свежих кампаний - значит нет данных для оптимизации, нет материала для A/B-тестов, нет возможности быстро находить рабочие связки.
Что сделали в лидогенерации
Расширили географию до 6 языков. Добавили польский, испанский и арабский рынки.
| Язык | CPL до нас | Наш CPL | Изменение |
|---|---|---|---|
| Английский | $8-11 | $6-8 | -27% |
| Русский | $21-28 | $15-20 | -29% |
| Украинский | $21-28 | $15-20 | -29% |
| Польский | - | $6-8 | новый рынок |
| Испанский | - | $6-8 | новый рынок |
| Арабский | - | $4-6 | новый рынок |
Переработали систему квалификации. Новое определение квала: реальный запрос плюс бюджет от $100K плюс готовность внести депозит в ближайшие 3 месяца. Жесткие критерии вместо «просто ответил». Параллельно начали оптимизировать кампании по квалам, а не по заявкам: еженедельная выгрузка из CRM, анализ источников, масштабирование того что работает.
Сменили оффер для русскоязычных. С «ипотеки» на инвестиционную привлекательность: ROI 8-12%, гарантированный арендный доход, конкретные цифры по доходности. Это сразу подняло конверсию в квал.
Регулярные запуски. Новый объект каждые 2-3 дня. Постоянный поток свежих кампаний - материал для A/B-тестов и данные для оптимизации.
Видеокреативы вместо статики. Съемки с дрона, интерьеры с людьми, короткие форматы под Reels. CTR вырос в среднем в три раза.
Что сделали с Telegram-каналом
Воронка прогрева в боте - 5 касаний за 10 дней.
- День 0: лид-магнит
- День 2: кейс клиента
- День 4: проработка возражений
- День 7: оффер
- День 10: дедлайн
Лид-магниты под каждый сегмент: «15 объектов с ROI от 10%», «Как купить недвижимость в Таиланде: 7 шагов», чек-листы проверки застройщика.
Оптимизация на подписку через интеграцию. Передаем событие подписки в Meta Ads, алгоритм оптимизируется на тех кто реально подписывается, а не просто кликает. Стоимость подписчика стабилизировалась на $1.10.
Результат за 9 месяцев
Лидогенерация:
- $58,514 потрачено на лидген
- 1,721 квал. лидов
- $34 стоимость квала (-30% к предыдущему уровню)
Telegram-канал:
- $17,500 потрачено на привлечение подписчиков
- 16,370 подписчиков
- $1.10 за подписчика
- 20-30% конверсия в лида в течение 10 дней
- Отток ~20% (среднерыночный около 30%)
Что сработало
Расширение на новые рынки сразу. Не последовательное «сначала наладим существующие, потом добавим новые», а параллельный запуск трех новых языков. Это дало доступ к арабскому рынку с самым дешевым CPL и быстро снизило среднюю стоимость квала по портфелю.
Жесткие критерии квала. Когда квалом считается «бюджет от $100K + готовность внести депозит», алгоритм Meta получает чистый сигнал и начинает учиться на реальных покупателях. Это эффективнее любых попыток оптимизировать кампании на размытых критериях.
Telegram как отдельный длинный канал. Подписчик за $1.10 - это инвестиция в будущие сделки. Человек получает контент о рынке месяцами, видит кейсы, прорабатывает возражения, и в момент когда созревает до покупки уже знает агентство.