Блог

Как привлечь 30 тысяч регистраций в дейтинг-приложение: кейс Badanga

2026-09-17 19:22 Кейсы
Дейтинг остается одной из самых сложных вертикалей для performance-маркетинга. Здесь на результат влияет не только качество рекламного источника, но и то, как быстро пользователь понимает ценность продукта и готов ли переходить к платным функциям.

Описание кампании

В начале 2025 года к нам в WEON обратился сервис знакомств Badanga. Клиент хотел протестировать новый источник трафика и привлекать пользователей, которые не ограничиваются установкой и регистрацией, а продолжают взаимодействовать с продуктом.
  • Вертикаль: дейтинг
  • Период, описанный в кейсе: февраль 2025 — настоящее время, с перерывом в рекламной кампании
  • География: РФ
  • Услуга: Привлечение пользователей
  • Трекинг: AppMetrica
  • Основная платформа для закупки рекламы: Aitera

О клиенте

Badanga — сервис знакомств и общения, где пользователи создают профили, находят интересных людей и общаются внутри приложения. Монетизация сервиса строится на подписке и премиум-функциях, расширяющих возможности общения.

Задача

Ранее клиент уже тестировал продвижение в социальных сетях, но стоимость привлечения оказалась слишком высокой. Поэтому новый источник должен был дать дополнительный объем и при этом приводить пользователей, которые не ограничиваются регистрацией, а продолжают взаимодействовать с приложением.
В качестве события оптимизации на старте рассматривался запуск триала — как действие, наиболее близкое к выручке. В ходе теста основной целью оптимизации стала завершённая регистрация с фиксированной целевой стоимостью.

Основной вызов

На старте клиент предложил оптимизировать кампанию по началу триала. С точки зрения бизнеса это выглядело логично: триал находился ближе к платной подписке и выручке, чем регистрация. Однако для рекламного алгоритма событие оказалось достаточно редким.
Чтобы платформа для автоматизированной закупки рекламы могла полноценно обучаться, ей необходим регулярный поток конверсий. Алгоритм сравнивает площадки, время показов, рекламные форматы и характеристики пользователей, а затем перераспределяет объем в пользу наиболее эффективных связок.
При оптимизации по триалу данных было недостаточно. Из-за этого несколько случайных конверсий могли сделать площадку перспективной в глазах алгоритма, хотя статистики для такого вывода еще не было. И наоборот, источник с потенциально качественной аудиторией мог быть отключен слишком рано, если пользователи не сразу доходили до пробного доступа.
Кроме того, переход к триалу зависел не только от источника трафика, но и от множества факторов внутри пользовательского пути. Для обучения рекламного алгоритма это событие оказалось слишком глубоким и редким.

Почему мы перешли на регистрацию

Перед тем как скорректировать стратегию, мы самостоятельно протестировали приложение и прошли путь нового пользователя — от установки до предложения подключить пробный доступ.
Регистрация оказалась достаточно значимым событием для бизнеса. К этому моменту пользователь уже открыл приложение, познакомился с продуктом и совершил осознанное действие, необходимое для дальнейшего использования сервиса.
При этом регистраций происходило значительно больше, чем триалов. Это давало рекламной платформе необходимый объем данных.
Логика была простой: алгоритму легче обучаться на условных 100 регистрациях, чем на пяти триалах. Чем больше подтвержденных событий получает система, тем быстрее она может определить эффективные источники и закономерности в поведении аудитории.
Поэтому мы разделили события по их роли:
  • регистрация стала основной целью для закупки и обучения алгоритма;
  • триал и подписка остались показателями качества привлеченных пользователей.
В результате алгоритм получил больше данных для обучения, при этом сохранилась возможность оценивать, доходят ли привлеченные пользователи до пробного периода и подписки.

На чем построили дальнейшую работу

После перехода на регистрацию команда сосредоточилась на двух задачах: дать алгоритму достаточно данных для обучения и сохранить стоимость привлечения в рамках целевых показателей клиента.
Кампания работала по фиксированной CPA-модели. Мы тестировали несколько SSP, сравнивали площадки по конверсии в регистрацию и постепенно перераспределяли объем в пользу источников, которые стабильно укладывались в заданную стоимость. Площадки с низкой конверсией, резкими отклонениями или аномальным поведением ограничивали.
По мере накопления данных результаты становились более предсказуемыми. Наиболее эффективные связки стабильно давали регистрации в рамках условий кампании, поэтому объем на них постепенно увеличивался. Переходы к пробному доступу и подписке при этом оставались дополнительными показателями качества аудитории.
После этого кампания вышла из тестового режима и продолжила работать на постоянной основе.

Работа с креативами

На старте мы использовали готовые материалы клиента и иконку приложения. Вместо того чтобы сразу запускать десятки новых концепций, сначала проверили, как существующие креативы работают на разных площадках и через разных поставщиков рекламного инвентаря.
Коммуникация была максимально прямой: знакомство, общение и возможность быстро найти интересного человека. Для дейтинга это особенно важно — слишком громкие обещания могут повысить кликабельность, но привести менее заинтересованную аудиторию и снизить конверсию уже после установки.
При оценке эффективности учитывали не только количество кликов, но и дальнейшее движение пользователей по воронке: установка приложения, завершение регистрации и переход к пробному доступу. Это позволило отделить действительно рабочие креативы от тех, которые давали хороший отклик на верхнем уровне воронки, но не приводили качественных пользователей.
Лучше всего показали себя простые сообщения, которые сразу объясняли назначение приложения и не создавали ложных ожиданий. После этого мы масштабировали наиболее стабильные сочетания креатива и рекламной площадки.

Выбор платформы

Основной платформой для закупки и оптимизации трафика стала Aitera. Она решала несколько задач:
  • закупала мобильный рекламный инвентарь;
  • позволяла тестировать разные источники рекламного инвентаря;
  • оптимизировала кампанию на событие регистрации;
  • отслеживала аномалии в поведении площадок.
А для атрибуции команда использовала AppMetrica, через нее отслеживались установки, регистрации и последующие события внутри приложения. Это позволяло оценивать кампанию не только по рекламным показателям, но и по движению пользователей по продуктовой воронке.

Контроль качества трафика

Для контроля качества рекламного трафика мы использовали собственную платформу Aitera и экспертизу команды.
Платформа отслеживала трафик в реальном времени и реагировала на несколько типов аномалий:
  • слишком короткий или слишком длинный промежуток времени между кликом по рекламе и установкой приложения;
  • резкие изменения конверсии;
  • высокий объем кликов при небольшом количестве установок или регистраций;
  • несоответствие географии;
  • нетипичные всплески активности;
  • повторяющиеся технические паттерны.
При выявлении отклонений команда могла оперативно проверить источник и ограничить поступающий с него трафик. Кроме того, система оценивала поведение кампании в динамике. Она учитывала привычные часы и дни пользовательской активности и сигнализировала, если показатели источника начинали заметно отклоняться от сложившейся картины.
При этом низкая конверсия не считалась автоматическим признаком фрода. Решение принималось на основании совокупности сигналов.

Результаты

За 10 месяцев активного продвижения мы привлекли более 30 тысяч регистраций. Переход на это событие дал алгоритму больше данных, помог быстрее сравнивать источники и масштабировать связки, которые стабильно укладывались в условия кампании.
Регистрация не стала конечной точкой. Клиент получил аудиторию, с которой можно продолжать работать внутри продукта: возвращать пользователей через push-уведомления, рекомендации анкет, сообщения о новой активности и персональные предложения.
В результате кампания решала сразу две задачи: обеспечивала стабильный приток новых пользователей в рамках целевых показателей и формировала базу для их дальнейшего перехода к пробному доступу и подписке.

Сергей Нефёдов, руководитель группы закупки трафика WEON:
«Дейтинг — довольно требовательная вертикаль с точки зрения закупки трафика: здесь легко получить хорошие цифры на верхнем уровне воронки, которые в итоге не дают нужного результата для бизнеса. Поэтому важно смотреть на кампанию целиком: хватает ли алгоритму данных для обучения, как пользователи проходят воронку после установки и как меняются показатели при масштабировании. В проекте с Badanga нам удалось найти рабочую модель и постепенно нарастить объем без потери качества. Кампания давно вышла за рамки первоначального теста и продолжает работать сегодня — значит, найденная связка действительно решает задачу клиента, а не дает краткосрочный результат»

Пресс-служба Badanga:
«Когда работаешь с новым источником трафика, результат во многом зависит от того, насколько быстро команда замечает точки, которые можно улучшить по ходу кампании. В нашем случае WEON вовремя предложили скорректировать стратегию, что позволило постепенно наращивать объем привлечения и при этом оставаться в рамках целевых показателей. В итоге за 10 месяцев активного продвижения нам удалось привлечь более 30 тысяч пользователей. Полученный результат стал хорошей основой для дальнейшей работы — кампанию продолжаем и видим возможности для ее масштабирования вместе с WEON»