Как ручная настройка ставок сократила расход на рекламу на Wildberries и Ozon вдвое

Ручная настройка ставок в контексте рекламы на маркетплейсах в 2026 году - это не подбор цифры на глаз, а установка лимита ставки для каждого SKU на основе его реальной маржи (SKU-P&L), в отличие от автопилота, который распределяет единый бюджет на весь магазин без разбивки по прибыльности конкретных товаров. Важная оговорка: с 2025 года Wildberries скрыл ставки конкурентов в открытом виде, из-за чего чисто интуитивная ручная торговля вслепую перестала работать - речь идет не о ручном угадывании цифр, а о ручном контроле лимитов и правил, даже если сама ставка технически рассчитывается инструментом.

Представьте селлера, который годами запускал рекламу "на весь магазин" одним бюджетом, не разделяя SKU по марже и роли в ассортименте. Реклама крутилась равномерно на всех товарах - и на тех, что приносили прибыль с запасом, и на тех, что едва окупали расходы на клик. Общий ДРР магазина выглядел приемлемо, но именно эта усредненность и скрывала главную проблему: часть бюджета уходила на позиции, где реклама объективно не могла окупиться при их марже.

Дальше - гипотетический пример того, как переход от бюджета на магазин к ставкам по SKU может сократить расход на рекламу вдвое без потери заказов. Такой пересчет - стандартная часть аудита рекламных бюджетов у A3 marketplace.

Когда рекламный бюджет управляется на уровне всего магазина, а не отдельных SKU, система оптимизирует общий результат, а не прибыльность каждой позиции. В 2026 году правильный подход - считать максимально допустимую ставку или CPO для каждого товара исходя из его собственной P&L, а не из усредненной по ассортименту логики. Ключевой инструмент - максимально допустимая ставка, рассчитанная от прибыльности конкретного SKU, а не от общего рекламного бюджета магазина.

Без такой разбивки невозможно понять, какие товары тянут ROI кампании вниз - высокий расход на низкомаржинальные позиции маскируется приемлемыми показателями у высокомаржинальных, и в сумме магазин выглядит нормально при том, что часть бюджета тратится впустую.

Представьте магазин с 30 активными SKU и общим рекламным бюджетом, который распределялся автоматически без разбивки по марже. При разборе оказалось, что треть позиций имела маржу ниже средней по ассортименту, но получала почти такую же долю рекламного бюджета, как более прибыльные товары - просто потому, что общий алгоритм распределения не видел разницы в экономике между ними.

После пересчета максимально допустимой ставки для каждого SKU по его собственной марже реклама на низкомаржинальных позициях была либо отключена, либо ограничена жестким лимитом, а освободившийся бюджет перераспределен на карточки с доказанной экономикой - товары, где ROI рекламы был стабильно положительным. Итоговый расход на рекламу снизился примерно вдвое при сопоставимом количестве заказов, потому что бюджет перестал распыляться на позиции, которые физически не могли окупить рекламу при своей марже.

Помимо прямого сокращения расходов, разбивка по SKU дает три побочных эффекта, которые часто не замечают сразу. Во-первых, становится видно, какие карточки объективно требуют доработки контента - если реклама не окупается даже при разумной ставке, часто причина не в самой рекламе, а в слабой конверсии карточки, и это решается через фото, рич-контент и инфографику, а не через дальнейшее урезание бюджета. Во-вторых, освободившийся от неэффективных SKU бюджет можно направить на позиции с доказанной экономикой, что увеличивает отдачу без роста общих трат. В-третьих, такой подход упрощает решение об исключении товара из ассортимента - если даже при максимально разумной ставке реклама не окупается, а органика тоже не растет, это сигнал, что позиция изначально была слабым выбором.

С 2025 года ставки конкурентов на Wildberries скрыты, что делает интуитивную ручную торговлю практически невозможной - невозможно просто "посмотреть на конкурента и поставить чуть выше". Реальный ручной контроль в 2026 году означает не подбор цифры вслепую, а системный расчет лимита по марже каждого SKU и дисциплинированное соблюдение этого лимита, даже когда алгоритм площадки предлагает поднять ставку для лучшей позиции. Здесь чаще всего и происходит слив бюджета - не из-за отсутствия инструментов, а из-за того, что кто-то в моменте решает "чуть-чуть переплатить ради топа", разрушая всю дисциплину расчета.

Оценить, где именно проходит грань между оправданной ставкой и переплатой для конкретного ассортимента, без детального расчета P&L по каждому SKU практически невозможно - решение "чуть выше конкурента" перестает быть надежным ориентиром, когда сами ставки конкурентов не видны.

Сокращение расходов на рекламу вдвое не требует магии или скрытых лайфхаков - чаще всего оно требует дисциплины в расчете лимитов по каждому SKU вместо интуитивного управления бюджетом на весь магазин целиком. Это больше работы на старте, но именно она защищает маржу там, где общий бюджет её скрывает.

Если реклама съедает заметную долю выручки, а понять, какие именно товары тянут расходы вниз, не получается по общему отчету - вероятно, не хватает именно разбивки по SKU. Напишите в мессенджер A3 marketplace - разберем рекламный бюджет по каждой позиции и покажем, где реально есть пространство для экономии.