Ложная заявка — заявка без реального покупателя за ней: её оставил бот, кликер-мошенник, конкурент или случайный посетитель, попавший на форму без цели купить. Она приходит с теми же полями, что и целевая, но съедает бюджет, время менеджера и искажает отчёт по рекламе. Отсекают её тремя рубежами: настройками Директа, фильтрами на лендинге и проверкой в CRM до передачи в отдел продаж.
Что такое ложные заявки и чем они отличаются от плохих
Ложная заявка — обращение, за которым нет живого человека с намерением купить: бот, скрипт, случайный клик или недобросовестный кликер, откручивающий бюджет конкурента. От «плохой» заявки — целевой, но некачественной (нет денег, рано, передумал) — она отличается принципиально: там есть реальный человек, с которым можно работать, а здесь работать не с кем. Смешивать эти два типа в отчёте — ошибка: она искажает и конверсию в продажу, и картину по каналам трафика.
Путаница чаще всего происходит на уровне отдела продаж: менеджер помечает «не дозвонился» и ложную заявку, и целевую, до которой просто не достучались с третьего раза. В итоге в CRM обе группы лежат в одной графе брака, и директолог не видит, где резать бюджет — в настройках кампании или в скрипте звонка. Если клиент жалуется на «плохие заявки», первый шаг — не оптимизация ставок, а разбор каждой заявки по трём вопросам: был ли реальный номер, отвечал ли человек, было ли обращение по теме объявления. Так плохие заявки отделяются от ложных, и разговор с клиентом строится на фактах, а не на эмоциях.
Ботов можно резать до того, как они съедят бюджет
Антибот-скрипт ставится на сайт клиента, помечает мусорные визиты и отдаёт Директу только живых. Плюс балл «звони первым» по каждой заявке.
Откуда берутся ложные заявки
Ложные заявки приходят из четырёх источников: боты и скрипты, которые кликают по объявлениям и заполняют формы автоматически; недобросовестные кликеры — люди или сервисы, скликивающие бюджет конкурента; случайные посетители, попавшие на сайт по нерелевантному запросу или из-за агрессивного таргетинга; и утечки самого рекламного алгоритма — например, показ по автотаргетингу в Мастере кампаний по слишком широкой аудитории.
Автотаргетинг и Мастер кампаний Яндекс Директа расширяют охват сами, опираясь на цель — конверсии, а не релевантность, поэтому вместе с целевым трафиком система иногда захватывает нецелевые сегменты: пользователей, у которых интерес уже угас, или тех, кто ищет вакансии, а не услугу. Разобрать, как это работает и когда стоит ограничивать автоматику, помогает разбор фейковых заявок из Мастера кампаний. Второй крупный источник — площадки РСЯ и партнёрские сети с низким качеством трафика: часть из них накручивают показы и клики, чтобы получить долю рекламного дохода. Третий — конкуренты, которые скликивают объявления вручную или через сервисы автоматизации, стараясь исчерпать дневной бюджет до обеда.
<!-- inline-cta -->Виды ложных заявок
Ложные заявки делятся на четыре типа по источнику и по тому, каким фильтром их ловят: боты-заполнители форм, скликивание объявлений, спам-обращения и случайные заявки от нецелевой аудитории. У каждого типа свой набор признаков и свой способ отсечения — единого фильтра, который ловит все сразу, не существует.
| Тип ложной заявки | Как выглядит | Где чаще возникает | Основной фильтр |
|---|---|---|---|
| Боты-заполнители форм | Одинаковые ФИО и номера, заявки идут пачками ночью | Формы без капчи на лендинге | Капча, honeypot-поле, проверка скорости заполнения |
| Скликивание | Резкий рост кликов без заявок, много кликов с одного IP или устройства | РСЯ, поиск по конкурентным фразам | Встроенная защита Директа, ручная блокировка IP |
| Спам-обращения | Ссылки, реклама сторонних услуг в поле «сообщение» | Формы с открытым текстовым полем | Модерация текста, стоп-слова |
| Случайные, нецелевые | Реальный человек, но без интереса к продукту | Широкий автотаргетинг, нерелевантные ключи | Минус-слова, сужение аудитории, корректировки |
Стоимость исправления растёт в этом же порядке: минус-слова и корректировки в Директе — самое дешёвое и быстрое решение, а вычищать спам и случайные заявки из отчёта клиенту вручную — самое затратное по времени. Поэтому сначала закрывайте источники, которые дешевле фильтровать на входе: скликивание — через встроенную защиту Яндекса, ботов на форме — через техническую фильтрацию, а не через ручную проверку каждой заявки менеджером.
Как распознать ложную заявку по признакам
Ложную заявку выдают пять признаков, которые проверяются за минуту до звонка: нерабочий или явно нереальный номер телефона, имя из одного символа или набора цифр, время заявки — глубокая ночь при местной аудитории, повтор одного и того же IP или устройства несколько раз подряд, и полное несовпадение текста обращения с тематикой объявления.
Отдельно смотрите на скорость заполнения формы: человек тратит на три-четыре поля от 15 секунд, бот — доли секунды, это видно в большинстве конструкторов лендингов и в вебвизоре Яндекс Метрики. Второй маркер — источник перехода: если заявка пришла с площадки РСЯ, которая не приносит продаж ни по одной кампании клиента, это повод добавить площадку в исключения, а не разбирать каждую заявку с неё отдельно. Третий маркер — гео: заявка из региона, куда услуга физически не доставляется или не оказывается, почти всегда ложная, даже если остальные поля выглядят правдоподобно.
Фильтрация ложных заявок в Яндекс Директе
В Директе ложные заявки отсекают на уровне показа рекламы, а не после клика: минус-слова закрывают нецелевые запросы, корректировки по устройствам и времени убирают сегменты с наибольшим числом ложных обращений, а исключение площадок в РСЯ останавливает накрутку с конкретных сайтов. Дополняет это встроенная защита Яндекса от скликивания, которая автоматически не тарифицирует часть подозрительных кликов.
Встроенная защита ловит не всё: часть накрутки распознаётся постфактум и компенсируется возвратом средств, а не блокировкой в моменте. Поэтому вручную ведите список площадок и IP с аномальной активностью и раз в неделю добавляйте их в исключения кампании. Если ложные заявки идут волнами и совпадают с резким ростом расхода без роста конверсий, это чаще всего разовая атака скликивания, а не системная проблема настроек — тогда быстрее помогает реанимация слитого бюджета, чем перенастройка кампании с нуля. Отдельно проверяйте автотаргетинг и Мастер кампаний: там нецелевые сегменты растут первыми, если не задать явные ограничения по аудитории и площадкам.
Фильтрация на лендинге и в форме заявки
На лендинге ложные заявки отсекают до того, как форма отправится в CRM: honeypot-поле, невидимое для человека, но заметное для бота, капча или её более мягкий аналог, проверка номера по маске и минимальное время заполнения формы — три-пять технических барьеров, которые не мешают целевому посетителю, но останавливают автоматику.
Открытое текстовое поле «сообщение» без модерации — источник спама номер один: туда вставляют ссылки на сторонние сайты и рекламу через форму обратной связи. Решение простое: либо убрать поле совсем, оставив только контакты, либо проверять текст на стоп-слова и ссылки перед отправкой в CRM. Отдельно помогает фильтрация спам-заявок по регулярным выражениям на номер телефона — она отсеивает заведомо нерабочие форматы (одинаковые цифры, короткие номера) ещё на уровне формы, без участия менеджера. Технические фильтры дешевле в обслуживании, чем ручная проверка: их настраивают один раз, и они работают на всех источниках трафика одинаково, а не только в Директе.
Роль сквозной аналитики и колл-трекинга
Сквозная аналитика и колл-трекинг закрывают то, что не видно на этапе клика: они привязывают заявку к конкретному объявлению, ключевой фразе и площадке, показывая, откуда именно приходит основная масса ложных обращений. Без этой связки директолог видит только общую цифру заявок и не может отличить кампанию с ботами от кампании с живыми, но холодными лидами.
Колл-трекинг дополнительно фиксирует длительность звонка и его результат: разговор короче 10 секунд с неизвестного источника — почти всегда ошибочный набор или проверка номера ботом, а не интерес к продукту. Сопоставление этих данных с рекламным кабинетом превращает разбор ложных заявок из ручной работы в еженедельный отчёт: инструменты по заявкам и продажам собирают звонки, заявки и расход в одной таблице, и видно, какая площадка или ключевая фраза генерирует брак систематически, а не разово. Это меняет решение: вместо того чтобы снижать ставки везде, отключают конкретный источник.
Что делать, если ложные заявки уже пришли
С уже пришедшей ложной заявкой поступают в три шага: проверяют номер и текст обращения по признакам из чек-листа, помечают в CRM отдельным статусом «брак — бот/спам» (не тем же, что и отказ клиента), и исключают источник — площадку, ключевую фразу или IP — из показа рекламы, чтобы заявка не повторилась завтра.
Разделение статусов в CRM критично для отчёта: если ложные и просто неудачные заявки лежат в одной графе, конверсия кампании занижается искусственно, и решение об отключении объявления принимается на неверных данных. Целевые заявки при этом обрабатывайте быстро — чем дольше человек ждёт звонка, тем выше шанс, что он уйдёт к конкуренту; за это отвечает скорость обработки заявки, а не фильтрация. Раз в неделю сверяйте список исключённых площадок и IP с текущим расходом — если ложные заявки продолжают идти с уже заблокированного источника, форму или CRM обходят через новый IP, и барьер нужно усиливать.
Частые ошибки в борьбе с ложными заявками
Три ошибки встречаются чаще остальных: списывать в брак сразу все заявки с одной площадки без проверки (среди них попадаются целевые), ставить капчу на каждом шаге формы и терять из-за неё часть живых заявок, и не сообщать клиенту о найденном источнике ложных заявок — тогда возврат бюджета от Яндекса или пересчёт статистики выглядит как оправдание, а не как результат работы.
Четвёртая ошибка — сравнивать конверсию в продажу без очистки от ложных заявок при отчёте клиенту: если в графе «всего заявок» лежат боты, а в графе «продажи» — только реальные сделки, процент конверсии выглядит заниженным, и клиент делает вывод о плохой рекламе, хотя реклама работает штатно. Правильная подача — показывать очищенную воронку и объяснять, что именно отсеяно и почему; за структуру такого разговора отвечает отчёт клиенту по рекламе. Пятая ошибка — разовая чистка вместо регулярной: список исключений устаревает за несколько недель, потому что источники накрутки меняются быстрее, чем настройки кампании.
Дальше по теме — Качество заявок: слой предиректа.
Частые вопросы
▸Можно ли полностью исключить ложные заявки?
Нет. Даже встроенные системы защиты признают, что часть накрутки распознаётся только постфактум. Реалистичная цель — держать долю ложных заявок на уровне, который не искажает отчёт и не съедает заметную часть бюджета, а не свести её к нулю.
▸Как быстро понять, что заявка ложная, если некогда проверять все признаки?
Достаточно двух проверок: набирает ли номер (если недоступен сразу — явный признак) и совпадает ли текст обращения с тематикой объявления. Это отсекает большинство спама и ботов без полного чек-листа.
▸Нужно ли ставить капчу на все формы?
Нет, только там, где заявки уже показывают признаки автоматической накрутки. Капча повышает отказы у части живой аудитории, особенно на мобильных, поэтому её ставят точечно после того, как проблема подтверждена цифрами, а не заранее «на всякий случай».
▸Возвращает ли Яндекс деньги за скликанные клики?
По кликам, которые система сама признаёт недействительными, деньги не списываются или возвращаются автоматически — это часть встроенной защиты Директа. Заявки, дошедшие до формы через живой, но нецелевой клик, под эту защиту не попадают, их фильтруют отдельно.
▸Кто должен вести учёт ложных заявок — директолог или отдел продаж клиента?
Обе стороны, но за разные данные: директолог помечает и исключает источники в рекламном кабинете, отдел продаж — фиксирует статус каждой заявки в CRM с указанием причины брака. Без данных от продаж директолог видит только косвенные признаки.
