Кампания с недельным бюджетом 10 000 ₽ в нише, где заявка стоит около 5 000, не обучится никогда — и автостратегия тут ни при чём. Ей просто не на чем учиться: за неделю она не наберёт даже двух заявок, а без набранных заявок look-alike нечем строить закономерность. Это школьная арифметика, и желание заказчика на неё не влияет.
Я веду Яндекс Директ в недвижимости, и почти любой спор «автостратегии всё сливают» против «ручное управление умерло» у меня на глазах сводится к одному инженерному вопросу: наберёт ли алгоритм достаточно размеченных данных, чтобы обучиться в этих конкретных условиях. Стоит посмотреть на автостратегию как на классификатор, которому нужна минимальная обучающая выборка положительных примеров за единицу времени, — и половина мифов вокруг неё отваливается сама.
Дальше — как этот классификатор устроен под капотом (упрощённо, детали Яндекс не раскрывает), почему ему нужен объём, где вместо него честнее ручные ставки и как «удобная» цель тихо ломает всю оптимизацию. В конце — таблица по шести типовым сценариям недвижки. Если у вас поток в сотни конверсий в неделю, большая часть проблем ниже вас не касается: там автостратегии просто работают, и это нормально.
Look-alike, если смотреть на него как на классификатор
Чтобы понять, почему одной кампании автостратегия помогает, а другую топит, достаточно один раз заглянуть внутрь. Механику Яндекс публично не раскрывает, поэтому всё ниже — приближённая модель, но её хватает для рабочих решений.
В основе — подбор похожих людей, look-alike. У Яндекса есть Крипта: она собирает обезличенные поведенческие сигналы со всех сервисов — поиск, Карты, Такси, Еда и прочее, — и у каждого анонимного профиля накапливаются десятки поведенческих признаков. По сути это готовый вектор фичей на пользователя, только вы его не видите и не редактируете.
Когда вы запускаете кампанию на конверсию, стратегия сначала показывает объявление широко в рамках ваших условий и собирает первые заявки — условно, сто показов дали десять обращений. Дальше она ищет, что общего у этих десяти, и по каждому новому аукциону решает показывать или нет по одному критерию: насколько человек похож на тех, кто уже конвертировался именно на вашем сайте. Выше схожесть — выше приоритет показа.
Отсюда растёт почти всё остальное. Между любыми двумя людьми какая-то схожесть найдётся; значимой она становится только на объёме. Чем больше подтверждённых конверсий в обучающей выборке, тем чётче модель отделяет вашего покупателя от случайного трафика. Мало конверсий — и алгоритм переобучается на шум: ищет закономерность там, где статистики ещё нет. Знакомая любому, кто обучал модель на паре сотен примеров, картина.
Арифметика обучаемости: почему объём считается календарём, а не желанием
Первое следствие из механики — данным нужен объём, и объём этот считается арифметикой.
Важная деталь, которую регулярно упускают: все стратегии Яндекса считают конверсии по календарной неделе, с понедельника по воскресенье. Не «скользящие семь дней от запуска», а именно календарные. Гигиенический минимум, чтобы кампания вообще начала обучаться, — порядка десяти конверсий за такую неделю. Это нижняя граница, не цель; больше — лучше.
Теперь подставьте цифры ниши. Заявка в недвижимости стоит около 5 000 ₽, недельный бюджет кампании — 10 000. Это две заявки в неделю в лучшем случае, впятеро меньше минимума. Никакая «самая современная стратегия» тут не поможет: обучать её не на чем, и точка.
Вторая ловушка живёт во входном параметре — целевой цене конверсии, tCPA. Соблазн понятен: рынок отдаёт заявку по 5 000, а поставить хочется 1 500. Но заниженный tCPA не даёт дешёвых заявок — он даёт их отсутствие: стратегия не находит людей под нереальную цену и просто стоит. Правило невесёлое, но рабочее — задавать ту цену, которая есть на рынке, а не ту, которую хочется. Тогда кампания обучается и на дистанции сама её снижает; но стартовать надо от реальности, иначе обучение не начнётся вовсе.
И здесь же прячется частая жалоба «всё настроено, а заявок нет»: бюджет размазан по раздутой структуре так тонко, что ни одной кампании не хватает конверсий, чтобы выйти из обучения. Про структуру — отдельно, она заслуживает больше, чем абзац.
Архитектура кабинета решает больше, чем выбор стратегии
Можно взять идеальную стратегию и всё равно не обучиться — если конверсии раскиданы по десяткам кампаний. Поэтому спор о названиях стратегий вторичен по отношению к тому, как собран кабинет.
Типичная картина на аудите: два десятка кампаний, под каждую узкую группу запросов — своя. Выглядит основательно, семантика проработана, лет пять назад это и правда работало. Сегодня у каждой такой кампании не набирается конверсий на обучение — и кабинет не обучается целиком. Поэтому в недвижимости мы идём в обратную сторону: укрупняем, собираем конверсии туда, где их хватит алгоритму, вместо того чтобы дробить спрос на двадцать частей.
Резонное возражение: а если объединить эти двадцать кампаний одной пакетной стратегией? Иногда срабатывает, но чаще нет, и причина конкретная. В пакет сваливают разные цели и разные аудитории, а на разнородных данных модель не сходится. Простой пример: квартиру в одном и том же доме покупают совершенно по-разному. Кто-то как инвестицию под перепродажу, кто-то ребёнку «на вырост» со сдачей в аренду до совершеннолетия, кто-то сыну-студенту к сентябрю, кто-то себе жить. Четыре сценария, четыре разные аудитории с разным поведением. Смешать их в одной стратегии — примерно как учить классификатор на четырёх перемешанных классах и ждать чистых границ. Рабочее правило простое: одна цель и одна однородная аудитория на стратегию.
Где автостратегия лишняя: ручные ставки и оплата за конверсии
Из всего сказанного не следует, что авто — всегда ответ. Есть места, где ручное управление честнее.
Ручные ставки уместны там, где трафик уже максимально чистый, а задача — забрать верхние позиции. Наш штатный пример — брендовые кампании: вычищаем поисковые запросы до чистого бренда, ставим ручное управление и забираем свой брендовый трафик по максимуму. Оптимизировать автоматике там особо нечего, контроль позиции важнее.
РСЯ — рекламная сеть, показы на сайтах-партнёрах Яндекса — почти зеркальный случай. Сеть широкая, кликов натаскает сколько угодно, поэтому на клики мы её не оптимизируем практически никогда: цель — конверсия, в идеале квалифицированная заявка. Иначе сеть добросовестно приведёт вам тонну дешёвых кликов, за которыми ничего нет. На поиске выбираем по ситуации: чистый бренд — на ручном, категорийный спрос с достаточным объёмом конверсий — на автостратегии.
Отдельно стоит оплата за конверсии: деньги списываются за достигнутые цели, клики бесплатны. Звучит как страховка, но в недвижимости модель обучается редко — ей нужен поток порядка 30–50 конверсий в неделю, а это здесь скорее исключение. Есть у неё неочевидное второе применение (держать такую кампанию индикатором рынка), но это тема отдельного разбора. Здесь важно другое: волшебной таблеткой она не работает — плохо собранная кампания не зацепится и на бесплатных кликах.
Функция цели: как прокси-метрика рисует красивый график в пустоту
Вот место, где инженеру всё станет знакомо. Стратегия обучается искать людей, похожих на тех, кто достиг цели. Значит, качество заявок напрямую зависит от того, что вы назначили целью, — по сути от того, какую прокси-метрику отдали в оптимизацию. Иерархия простая: клик хуже лида, лид хуже квалифицированной заявки, которую отдел продаж подтвердил как целевую.
Беда «удобных» целей — клика по номеру телефона, клика по кнопке, автоцелей Метрики — в том, что их легко имитировать. Боты и случайные касания накручивают их без всякого намерения купить. Алгоритм честно оптимизируется под то, что вы измеряете, а покупатель ему при этом безразличен. Классический Гудхарт: как только метрика становится целью, она перестаёт быть хорошей метрикой.
Как это выглядит вживую. У одного клиента конверсия была звонковая, коллтрекинг ещё не поставили, а обучать кампанию на чём-то надо. Сверили руками: кликов по номеру за месяц около пяти, реальных звонков по данным клиента около четырёх. Цифры близкие — взяли клик по номеру как цель, с понятной оговоркой «на время».
Первый месяц радовал: кликов больше, цена клика ниже, график вверх — как директологов, нас это грело. В конце периода запросили обратную связь по живым звонкам, и данные разошлись радикально. Кликов по номеру стало около пятидесяти. Реальных звонков — всё те же пять. Прокси-цель месяцами рисовала красивую динамику, пока бизнес не получал ничего: алгоритм добросовестно учился приводить тех, кто «кликает по телефону», и преуспел ровно в этом.
Вывод дорогой и однозначный: коллтрекинг в недвижимости обязателен, а учить стратегию имеет смысл только на сигнале, который боту трудно подделать. Дыру в данных стоит называть дырой, а не закрашивать удобным прокси.
Старт, невмешательство и почему обучение ломается у обученной кампании
Запустили кампанию — первые одну-две недели показатели скачут, это нормально, идёт обучение. Но ждать имеет смысл только при трёх сошедшихся вводных: кампания технически собрана верно и бюджета хватает на обучение; оффер и креативы попадают в рынок; нацеливание соответствует офферу. Тогда это честная проверка гипотезы — может сработать, может нет. Нет результата к третьей неделе — пересматриваем одну из трёх вводных или выключаем. Иногда правильное действие — не трогать вовсе: на части показателей ручное вмешательство только сбивает обучение, и осознанное невмешательство тоже работа.
Сломаться обучение может и у давно обученной кампании. Считали бюджет верно, десять конверсий в неделю набирали — но спрос просел (летнее затишье, резкий новостной фон), заявок стало меньше, и стратегия поплыла. Единого рецепта нет, реанимируем от диагноза: где-то хватает перезапуска, где-то перезапускаем с уменьшенным бюджетом, где-то переводим на другую стратегию. Реакция всегда идёт от причины; шаблонного рецепта тут нет.
Отсюда неудобная мысль, которую стоит проговорить прямо: разовой настройки «под ключ» без последующего ведения в Директе не бывает. Аукцион живой — конкуренты усиливаются, заявка дорожает, спрос гуляет, креативы выгорают. Обученная сегодня стратегия завтра требует реакции. Автостратегия снимает с человека рутину ставок, но не обязанность за ней смотреть.
Потолок связки: почему ×2 бюджета не даёт ×2 заявок
Короткий, но важный раздел. Допустим, связка — сочетание оффера, посадочной и условий нацеливания — обучилась и стабильно даёт заявки. Логичное желание удвоить бюджет и получить вдвое больше почти никогда не срабатывает: масштаб нелинеен. В какой-то точке та же связка перестаёт приносить больше заявок — растёт только их цена. Дальше давить газ бессмысленно: возвращаем бюджет к оптимуму по соотношению «цена — качество — количество» и ищем рядом новые связки, которые добавят конверсий. Упёрлись в потолок — это рабочий сигнал расширять фронт, а не повод заливать деньги в ту же точку.
Таблица: сценарий → уместная стратегия → без чего не обучится
Готовых настроек «под копирку» не существует — слишком много зависит от объекта, города и бюджета. Это карта, каким путём идти и от чего результат зависит.
Сценарий | Уместная стратегия | Без чего не обучится |
|---|---|---|
Брендовые запросы, вычищенные до чистого бренда | Ручные ставки / оптимизация кликов | Чистая семантика; здесь важнее позиция, чем автоматика |
РСЯ на массовый сегмент (эконом/комфорт) | Автостратегия на конверсию, в идеале на квалификацию | Сопровождение: чистка площадок и минус-фраз, иначе сеть натащит мусор |
Поиск, категорийные запросы с ощутимым спросом | Автостратегия на конверсию | ~10 конверсий/нед, одна цель + однородная ЦА, реалистичная tCPA |
Премиум / узкий сегмент с редкими конверсиями | Осторожно: ручное + отдельная тестовая кампания под оффер | Специфику нельзя растворять в общей массе — модель её не разграничит |
Звонковая ниша без коллтрекинга | Сначала коллтрекинг, только потом автостратегия | Валидная цель: на клике по номеру стратегия обучится на ботов |
Мультирегион, бюджет размазан по 20 кампаниям | Укрупнение до выбора стратегии | Концентрация конверсий: по 2–3 на кампанию не обучится ни одна |
Границы этих рассуждений
Честно про то, где мои утверждения заканчиваются.
Цифры-ориентиры (заявка ~5 000 ₽, ~10 конверсий в неделю, 30–50 для оплаты за конверсии) — порядок величин из практики в недвижимости, а не универсальные константы. В другом городе и сегменте они сдвинутся; проверять надо на своих данных.
Механику алгоритмов я описал по верхам и упрощённо. Яндекс детали не раскрывает, любое публичное объяснение (включая это) остаётся приближённой моделью, а не документацией.
Пишу как практик агентства, которое ведёт Директ по этой логике. Это позиция, а не истина в последней инстанции: почти всё сказанное проверяется на вашем кабинете за один-два цикла обучения.
Что забрать с собой
Автостратегии в недвижимости работают почти везде, где набирается объём конверсий. «Сжигают бюджет» обычно не они, а условия — голодный бюджет или мусорная цель.
Считайте обучаемость до запуска: цена заявки × 10 в неделю против недельного бюджета. Не сходится — сначала архитектура и бюджет, потом разговор про стратегию.
Укрупняйте. Двадцать кампаний под один спрос почти гарантированно не обучатся; одна цель и одна однородная аудитория на стратегию.
Учите модель на том, что трудно подделать: квалифицированная заявка и честный звонок. Клик по номеру бот накрутит, и график вас обманет.
Авто снимает рутину ставок, но не присмотр: обучение ломается от рынка, и реагировать надо от диагноза.
А как у вас с редкими конверсиями и обучаемостью автостратегий — на чём в итоге учите модель в дорогих нишах? Особенно интересны кейсы, где прокси-цель разошлась с реальными продажами: расскажите в комментариях.
