В Яндекс Директе изменилась модель прогнозирования конверсий и управления ставками. Главное здесь не очередная формулировка про нейросети, а то, какие данные система теперь использует для принятия решений.
Раньше рекламодатели часто воспринимали автоматические стратегии довольно прямолинейно: есть целевое действие, есть его цена — дальше алгоритм сам разберётся. Сейчас эта логика становится заметно сложнее. Директ пытается оценивать не только финальную конверсию, но и весь путь пользователя до неё.
Это хороший повод ещё раз посмотреть на настройку Метрики. Потому что качество автоматической стратегии всё сильнее зависит от того, насколько хорошо система видит происходящее между рекламным кликом и заявкой или покупкой.
Что именно изменил Яндекс
30 июня 2026 года Яндекс сообщил об обновлении модели прогнозирования конверсий. Новая модель используется для управления ставками в рекламных кампаниях на Поиске и в РСЯ.
Вместо одной общей модели используется так называемая многоголовая архитектура: внутри работают несколько нейросетей, каждая из которых анализирует свой тип сигналов.
По данным Яндекса, система теперь использует более 25 сигналов — примерно втрое больше, чем раньше. Среди них не только собственно конверсия, но и промежуточные действия: глубина просмотра, время визита, добавление товара в корзину и другие признаки того, что пользователь действительно заинтересован в покупке или заявке.
В тестах Яндекса новая модель в среднем обеспечивала на 10% больше конверсий при сопоставимом рекламном бюджете. Здесь важно слово «в среднем». Это результат тестирования системы, а не обещание плюс 10% для любой отдельно взятой кампании.
Зачем алгоритму промежуточные действия
Проблема любой системы оптимизации рекламы довольно очевидна: финальная конверсия часто происходит не сразу.
Человек увидел объявление, перешёл на сайт, посмотрел несколько страниц, сравнил товары, ушёл. Через несколько часов или дней вернулся и только после этого купил. Если смотреть исключительно на момент покупки, в момент рекламного аукциона информации довольно мало.
Промежуточные сигналы позволяют раньше оценить намерение пользователя. Два визита формально могут выглядеть одинаково — оба человека кликнули по рекламе. Но один закрыл страницу через несколько секунд, а второй просмотрел каталог, открыл карточки нескольких товаров и положил один из них в корзину.
Для рекламного алгоритма это совершенно разные пользователи.
Поэтому Директ постепенно движется от простой модели «была конверсия или нет» к оценке вероятности конверсии по цепочке действий.
Почему это важно для настройки Метрики
Есть довольно распространённая схема: на сайте настроена одна основная цель — например, отправка формы. Кампания работает на автоматической стратегии, и считается, что остальное алгоритм somehow поймёт сам.
Но автоматике нужны сигналы.
Чем полнее аналитика описывает реальное поведение посетителя, тем больше информации может использовать рекламная система. Это не означает, что нужно срочно создавать пятьдесят целей на каждое движение мыши. Скорее наоборот: мусорные события могут только усложнить анализ.
Нужны действия, которые действительно показывают движение пользователя к покупке.
Какие промежуточные действия могут быть полезны
Набор зависит от бизнеса. Для интернет-магазина это могут быть:
- просмотр карточки товара;
- добавление товара в корзину;
- переход к оформлению заказа;
- использование поиска или фильтра;
- повторный визит.
Для сайта услуг логика будет другой:
- просмотр страницы конкретной услуги;
- переход к ценам;
- открытие контактов;
- начало заполнения формы;
- клик по номеру телефона или мессенджеру.
Не все эти события обязательно должны становиться целями оптимизации кампании. Но сама аналитика должна нормально фиксировать путь пользователя.
Не надо оптимизироваться на всё подряд
Здесь легко уйти в другую крайность.
Если человек просмотрел три страницы, это ещё не значит, что такой визит имеет ту же ценность, что оплаченный заказ. Поэтому промежуточный сигнал и бизнес-конверсия — не одно и то же.
Основной целью стратегии по-прежнему должно быть действие, которое связано с реальной ценностью для бизнеса: заказ, квалифицированная заявка, звонок, запись и так далее.
Микроконверсии полезны как дополнительный контекст. Особенно когда финальных конверсий мало и алгоритму сложно быстро собрать статистику.
А что делать с плохими конверсиями
Есть ещё одна проблема, которая с развитием автоматизации становится только важнее.
Если в Метрику передаётся любой лид без оценки качества, система будет учиться приводить именно такие лиды. Для алгоритма заявка от реального покупателя и форма с мусорным телефоном сначала выглядят одинаково, если рекламодатель не возвращает информацию о результате.
Поэтому следующий логичный уровень — передача офлайн-конверсий, статусов из CRM и реальной ценности заказов. Чем ближе цель оптимизации к деньгам бизнеса, тем меньше вероятность, что рекламная система научится красиво выполнять промежуточный KPI и плохо выполнять основную задачу.
Что проверить в рекламном проекте
После подобных обновлений я бы не бросался перестраивать все кампании. Сначала полезнее проверить фундамент:
- корректно ли установлена Метрика на всех нужных страницах;
- не дублируются ли основные цели;
- фиксируются ли ключевые шаги до заявки или покупки;
- отделена ли реальная конверсия от второстепенных действий;
- передаются ли данные о продажах и качестве лидов, если технически это возможно;
- нет ли целей, которые срабатывают случайно и загрязняют статистику.
И только после этого имеет смысл оценивать работу автоматической стратегии.
Что в итоге
Самая интересная часть обновления Директа — не заявленные Яндексом дополнительные 10% конверсий. У конкретного бизнеса результат всё равно будет зависеть от ниши, сайта, объёма данных, качества рекламы и десятка других факторов.
Важнее направление развития системы. Рекламные алгоритмы всё меньше опираются на одно финальное событие и всё больше пытаются понять намерение пользователя по последовательности действий.
А значит, настройка рекламы и настройка аналитики становятся практически одной задачей. Можно очень долго перебирать объявления, ставки и аудитории, но если рекламная система плохо видит путь пользователя после клика, часть возможностей автоматической оптимизации просто остаётся без данных.