В Яндекс Директе постепенно происходит довольно интересная вещь: настройка рекламы всё меньше похожа на управление ставками и всё больше — на настройку модели бизнеса внутри рекламной системы.
Хороший пример — стратегия «Максимум прибыли». Летом 2026 года Яндекс вывел её из беты. Заодно появились динамический расчёт маржи, возможность оплаты за конверсии и оптимизация по нескольким целям. На бумаге звучит как ещё одна автостратегия. На практике она заставляет задать более неприятный вопрос: а рекламная система вообще знает, на чём бизнес зарабатывает?
И вот здесь обычно начинается самое интересное. Выручку передать относительно легко. Прибыль — уже нет.
Почему выручка сама по себе мало что говорит
Представим обычный интернет-магазин. Два заказа по 30 000 рублей выглядят в отчёте одинаково. Для стратегии, оптимизирующейся по выручке, это действительно две одинаковые ценности.
Но у первого заказа маржа может быть высокой, а второй товар продан почти без заработка — например, из-за закупочной цены, скидки или особенностей категории. Бизнесу эти заказы совсем не равноценны.
Если рекламная система этого не знает, она может отлично выполнить поставленную ей задачу и одновременно ухудшить реальную экономику. Алгоритм не ошибся. Просто ему дали неправильную цель.
Что изменилось в «Максимуме прибыли»
В летнем дайджесте Яндекс Рекламы от 3 сентября 2026 года Яндекс сообщил, что стратегия «Максимум прибыли» вышла из беты. Среди новых возможностей — динамический расчёт маржи, оплата за конверсии и оптимизация по нескольким целям.
Смысл динамической маржи довольно простой. Вместо одной усреднённой рентабельности для всего ассортимента система может учитывать экономику конкретных товаров. Это особенно важно там, где маржинальность гуляет очень сильно.
Условные 20% средней маржи по магазину выглядят аккуратно в таблице, но в реальности среднее значение может описывать примерно ничего. В одной категории маржа 35%, в другой — 7%, часть товаров участвует в акции, а некоторые позиции нужны скорее для привлечения покупателя, чем для прямого заработка.
Если всё это свернуть в одну цифру, автостратегия получает удобную, но довольно грубую картину.
Откуда стратегия берёт прибыль
Здесь важно не приписывать алгоритму магию. Директ не может сам догадаться о вашей закупочной цене, логистике и фактической марже. Эти данные должны появиться в рекламной экосистеме в корректном виде.
Для товарной рекламы ключевую роль играют данные о товарах и ценности конверсий. Чем ближе передаваемая ценность к реальной экономике заказа, тем осмысленнее оптимизация.
Именно поэтому переход от оптимизации по конверсиям к оптимизации по прибыли — это в первую очередь проект по данным, а уже потом настройка кампании.
Главная ловушка: мусор на входе становится умной оптимизацией мусора
Автостратегии часто ругают за странные решения. Иногда справедливо. Но перед этим полезно проверить входные данные.
Если себестоимость устарела, скидки не учитываются, отменённые заказы продолжают считаться ценными или одна и та же прибыль приписана товарам с совершенно разной экономикой, система начинает обучаться на искажённой реальности.
Причём внешне всё может выглядеть прилично. Конверсии идут. Выручка есть. ДРР не вызывает паники. А прибыль постепенно утекает в ассортимент, который рекламировать дорого и бессмысленно.
Автоматизация не исправляет плохие данные. Она просто быстрее масштабирует решения, которые из этих данных следуют.
Почему одна цель тоже бывает слишком грубой
Вторая полезная часть обновления — оптимизация по нескольким целям.
Не каждый бизнес живёт одной кнопкой «Купить». Есть заказ через корзину, звонок, отправленная форма, обращение в мессенджер. Иногда эти действия имеют разную вероятность превратиться в деньги и разную ценность.
Ошибка — объявить их одинаковыми только потому, что все называются конверсиями.
Например, микроконверсия вроде просмотра контактов не должна автоматически становиться равной подтверждённому заказу. Иначе алгоритм довольно быстро найдёт дешёвый способ получать именно лёгкое действие. Формально цель достигнута, бизнес смотрит на отчёт и не понимает, где продажи.
Несколько целей полезны тогда, когда их ценность действительно осмыслена. Не когда в стратегию просто добавили всё, что нашлось в Метрике.
Что проверить перед переходом на прибыль
Я бы начинал не с переключателя стратегии. Сначала стоит пройти по цепочке данных.
- Какая ценность передаётся. Выручка, маржа, прибыль или условная ценность цели — это разные вещи.
- Насколько свежа себестоимость. Если закупочные цены меняются, статическая цифра быстро превращается в исторический артефакт.
- Что происходит со скидками. Продажа по полной цене и распродажа не обязаны иметь одинаковую экономику.
- Учитываются ли отмены и возвраты. Заказ, который не состоялся, не должен навсегда оставаться для алгоритма идеальной конверсией.
- Не смешаны ли цели разного качества. Особенно заявки, звонки и микроконверсии.
После этого уже есть смысл обсуждать ограничения бюджета, период обучения и сравнение результатов.
Почему нельзя оценивать такую стратегию только по CPA
Это ещё одна привычка, от которой придётся отходить.
Если задача — прибыль, стоимость одной конверсии перестаёт быть главным судьёй. Более дорогой заказ может быть гораздо выгоднее дешёвого. И наоборот.
Представим две кампании. В первой заказ стоит 1 000 рублей, во второй — 1 500. По CPA первая победила.
Но если средняя прибыль с заказа в первой кампании 1 200 рублей, а во второй 4 000, вывод резко меняется. Сам CPA без экономики товара почти ничего не объясняет.
Поэтому при работе с «Максимумом прибыли» логичнее смотреть на итоговую прибыль, рентабельность и структуру продаж, а CPA использовать как диагностический показатель, а не как единственный KPI.
Где стратегия особенно интересна
Самый очевидный сценарий — ecommerce с большим ассортиментом и заметным разбросом маржинальности. Именно там оптимизация по средней ценности особенно легко уводит бюджет в товары, которые хорошо продаются, но плохо зарабатывают.
Но сама идея шире интернет-магазинов. В услугах похожая логика возникает, когда разные типы лидов имеют разную ожидаемую ценность. Просто там обычно сложнее получить надёжную обратную связь из CRM и корректно вернуть её в рекламную систему.
И это, кстати, хорошо показывает направление развития контекстной рекламы. Чем умнее становятся алгоритмы, тем меньше преимущества даёт ручное движение ставок на несколько процентов и тем больше — нормальная аналитика.
Когда переходить рано
Если бизнес не знает реальную маржу хотя бы на разумном уровне детализации, стратегия прибыли не создаст эти данные из воздуха.
Если половина заказов подтверждается вручную и обратно в аналитику ничего не возвращается — тоже проблема. Если цели настроены пять лет назад и никто уже не помнит, что именно они считают, сначала стоит разобраться с этим.
Иногда простая оптимизация по качественной конверсии лучше сложной оптимизации по выдуманной прибыли.
Это не недостаток алгоритма. Просто сложная модель требует более аккуратного топлива.
Что меняется в работе специалиста по Директу
Раньше большой кусок работы был вокруг ставок, фраз, корректировок и ручного контроля аукциона. Всё это не исчезло полностью, но центр тяжести явно смещается.
Теперь вопрос звучит иначе: какие данные мы даём системе, насколько они отражают деньги бизнеса и какую именно задачу алгоритм оптимизирует?
Это менее эффектная работа. Там нет красивого ощущения, что нашёл секретную ставку и победил аукцион. Зато именно здесь сейчас часто находится реальный резерв эффективности.
И «Максимум прибыли» в этом смысле интересен не только как отдельная стратегия. Это хороший маркер того, куда идёт Директ: от управления рекламой к управлению экономической целью через данные.
Чем точнее эта цель описана, тем больше смысла в автоматизации. Если описана плохо — алгоритм всё равно будет очень старательным. Просто не в ту сторону.