В Яндекс Директе стратегия «Максимум прибыли» постепенно становится одной из самых интересных для бизнеса, где продажи отличаются не только по сумме чека, но и по реальной маржинальности.
Обычная оптимизация по конверсиям, CPA или даже ROAS часто упрощает экономику: система видит стоимость заказа или выручку, но не всегда понимает, сколько денег бизнес действительно заработал на конкретной продаже.
Почему одного ROAS бывает мало
Представим два заказа на одинаковые 100 000 рублей. В первом случае валовая прибыль после себестоимости составляет 30 000 рублей, во втором — только 8 000. Для классической стратегии, которая смотрит в первую очередь на доход, эти заказы могут выглядеть почти одинаково. Для бизнеса — нет.
Именно здесь появляется смысл оптимизации на прибыль. Алгоритму важно передавать не только факт конверсии и её денежную ценность, но и экономику этой конверсии.
Что делает стратегия «Максимум прибыли»
Стратегия пытается выбирать такие аукционы и пользователей, которые с большей вероятностью принесут максимальную прибыль при заданных ограничениях. В отличие от подхода «получить максимум конверсий любой ценой» здесь учитывается ценность разных заказов.
Для интернет-магазинов и проектов с большим ассортиментом это особенно важно. Наценка на разные категории может отличаться в разы, а внутри одной категории — меняться в зависимости от бренда, модели, поставщика или скидки.
Динамическая маржа вместо одной цифры
Главная идея — не считать, что у всего бизнеса одна фиксированная маржинальность. Если передавать системе данные о доходе и марже точнее, она может отличать действительно выгодные заказы от просто дорогих.
Это меняет сам подход к рекламе. Раньше специалист часто вручную снижал ставки на низкомаржинальные категории и повышал на более выгодные. Теперь часть этой логики можно перенести в автоматическую стратегию, если аналитика настроена правильно.
Где стратегия особенно полезна
Прежде всего — в e-commerce с большим ассортиментом, где одинаковый оборот может давать совершенно разную прибыль. Ещё один хороший сценарий — лидогенерация, если разным целям можно присвоить адекватную денежную ценность.
Но есть важное условие: стратегия не исправляет плохую аналитику. Если данные о доходе, ценности целей или марже передаются неверно, алгоритм будет очень эффективно оптимизироваться на неправильную цель.
Чем это отличается от ручного ДРР
Ручной контроль ДРР обычно строится вокруг общей выручки: потратили 100 тысяч, получили миллион — ДРР 10%. Но за этим миллионом может скрываться совершенно разная прибыль.
Оптимизация на прибыль переносит фокус с оборота на экономический результат. Это особенно важно в период скидок, распродаж и агрессивных промо, когда выручка растёт, а реальная прибыль может почти не меняться.
Что проверить перед запуском
- корректно ли передаются суммы заказов;
- нет ли дублей конверсий;
- одинаково ли считаются отмены и возвраты;
- можно ли передавать реальную маржинальность или максимально близкую к ней оценку;
- достаточно ли накоплено данных для автоматической стратегии.
Я бы не переключал крупную кампанию на новую стратегию одним днём. Лучше выделить часть трафика, проверить экономику на сопоставимом периоде и смотреть не только на ДРР, но и на валовую прибыль после рекламных расходов.
Главный вывод
Автоматические стратегии постепенно уходят от примитивной логики «больше конверсий дешевле» к оптимизации реальной бизнес-ценности. Для рекламодателя это означает одну простую вещь: качество данных становится важнее ручного управления ставками.
Если аналитика умеет показать Яндексу, какие продажи действительно выгодны, стратегия «Максимум прибыли» может быть полезнее классической оптимизации только по CPA или ROAS. Если же экономика заказа в аналитике не отражена, никакой алгоритм этого за бизнес не придумает.