Яндекс Директ постепенно забирается туда, куда рекламные системы раньше почти не лезли: не только выбирает аудиторию и ставку, но начинает влиять на само коммерческое предложение. В августе Яндекс объявил о закрытом тестировании инструмента «Управление скидками» для интернет-магазинов.
Идея на первый взгляд простая: магазин задаёт бюджет на скидки, а алгоритм распределяет его так, чтобы получить больше продаж. Но если посмотреть чуть глубже, это довольно заметный сдвиг. Рекламная система начинает оптимизировать уже не только стоимость контакта с покупателем, но и цену, которую этот покупатель увидит.
Пока функция доступна ограниченному кругу компаний, поэтому это не инструкция в духе «нажмите три кнопки и включите». Скорее разбор того, куда движется Директ и что интернет-магазинам имеет смысл подготовить заранее.
Что именно тестирует Яндекс
21 августа 2026 года Яндекс сообщил о закрытом тестировании инструмента «Управление скидками». По официальному описанию магазин определяет общий бюджет, который готов потратить на скидки, а алгоритм решает, где скидка действительно способна повысить вероятность покупки.
Это важное отличие от привычной механики промокодов и распродаж. Обычная акция часто работает довольно грубо: минус 5% на категорию, минус 10% на конкретный бренд, скидка всем посетителям до определённой даты. В такой схеме часть скидочного бюджета неизбежно уходит людям, которые купили бы товар и без неё.
Задача алгоритма другая: не раздать скидки равномерно, а использовать ограниченный бюджет там, где изменение цены с большей вероятностью повлияет на решение о покупке.
Почему это вообще появилось в рекламной системе
Директ давно перестал быть системой, где специалист вручную назначает ставку на каждое ключевое слово. Автостратегии прогнозируют вероятность конверсии, учитывают огромное количество сигналов и меняют ставку для конкретного аукциона.
Следующий логичный шаг — работать не только со стоимостью показа рекламы, но и с ценностью самого предложения. Для интернет-магазина цена товара часто влияет на конверсию сильнее, чем ещё одна правка заголовка объявления.
Получается интересная связка. Алгоритм видит пользователя, товар, контекст показа и вероятность покупки. Если к этому добавить возможность управлять скидкой, появляется ещё один рычаг: можно не только решить, сколько заплатить за привлечение человека, но и насколько изменить предложение для него.
Скидочный бюджет — это тоже рекламный бюджет
Вот здесь, на мой взгляд, самое полезное изменение в подходе. Многие магазины до сих пор считают скидки отдельно от маркетинга. Есть рекламный бюджет, есть акции, есть промокоды — и живут они в разных таблицах.
Но экономически скидка в 500 рублей и дополнительные 500 рублей на привлечение заказа могут решать одну и ту же задачу. Это расходы ради продажи.
Если скидка позволяет получить заказ дешевле, чем дополнительный рекламный контакт, её имеет смысл рассматривать как часть общей экономики привлечения. И наоборот: бессмысленно радоваться росту конверсии, если скидка съела всю маржу.
Главная опасность — оптимизировать не ту экономику
Автоматизация хорошо работает ровно настолько, насколько хорошие данные она получает. Это скучная мысль, но в товарной рекламе она особенно болезненная.
Представим два товара. Первый продаётся за 50 тысяч рублей, но маржа у него небольшая. Второй стоит 30 тысяч, зато приносит магазину заметно больше валовой прибыли. Если система ориентируется только на выручку и вероятность заказа, первый товар может выглядеть привлекательнее. Для бизнеса картина будет обратной.
Поэтому перед любой глубокой автоматизацией скидок стоит привести в порядок хотя бы базовые вещи:
- актуальные цены и наличие в товарном фиде;
- корректную передачу заказов и выручки;
- учёт отмен и возвратов;
- понимание маржинальности разных товарных групп;
- ограничения, ниже которых цену опускать нельзя.
Иначе алгоритм может вполне успешно увеличить показатель, который красиво выглядит в отчёте, но плохо выглядит в бухгалтерии.
Не все покупатели одинаково чувствительны к скидке
Есть ещё один момент, из-за которого идея динамического распределения скидок выглядит разумнее обычной акции. Люди по-разному реагируют на цену.
Один пользователь уже выбрал конкретную модель, сравнил магазины и готов оформить заказ. Скидка для него приятна, но решение она не меняет. Другой сомневается между несколькими вариантами, и небольшая разница в цене действительно может подтолкнуть к покупке.
Если алгоритм способен достаточно точно различать такие ситуации, одинаковая сумма скидочного бюджета может приносить разное количество дополнительных заказов. Собственно, на этом и построена идея инструмента.
Но здесь важно не дорисовывать возможности, которых Яндекс публично не описывал. Мы знаем общий принцип и то, что инструмент находится в закрытом тестировании. Детальная логика принятия решений алгоритмом не раскрыта.
Почему я бы не включал такую функцию вслепую
Когда инструмент станет доступнее, наверняка появится соблазн включить его и посмотреть, что получится. Я бы сначала определил границы эксперимента.
Нужно понимать, сколько бизнес готов потратить именно на скидки, какие категории можно включать, где маржа позволяет двигать цену, а где любое снижение уже делает заказ сомнительным.
Особенно осторожно стоит относиться к товарам с очень разной маржинальностью. Одинаковые 5% скидки для двух товаров могут означать совершенно разные последствия для прибыли.
Смотреть нужно не только на число заказов
Если после подключения автоматических скидок заказов стало больше, это ещё не победа. Я бы смотрел минимум на выручку, валовую прибыль, среднюю скидку, стоимость привлечения и долю заказов, которые в итоге были выкуплены.
Причём сравнивать желательно не один красивый день с предыдущим вторником. На результат влияют сезонность, изменение спроса, ассортимент, цены конкурентов и сами рекламные кампании.
Что можно сделать уже сейчас
Даже если доступа к закрытому тесту нет, новость полезна как повод проверить фундамент.
- Разобраться с товарным фидом. Цена, наличие, ссылки, категории и идентификаторы товаров должны обновляться без сюрпризов.
- Проверить электронную коммерцию и цели. Если заказы теряются или задваиваются, умная стратегия получает плохую картину реальности.
- Связать рекламу с реальной экономикой. Выручка сама по себе мало говорит о качестве продажи.
- Отделить скидку от привычки постоянно демпинговать. Снижение цены должно решать конкретную задачу, а не заменять работу с ассортиментом, сервисом и рекламой.
Директ всё меньше похож на старый Директ
Ещё несколько лет назад значительная часть работы с контекстной рекламой крутилась вокруг ключевых слов, минус-фраз, ставок и текстов. Всё это никуда не исчезло, но центр тяжести явно смещается.
Алгоритмам нужны качественные данные о товарах, конверсиях и экономике бизнеса. А специалисту всё чаще приходится следить не за тем, какую ставку система поставила в конкретном аукционе, а за тем, правильную ли цель ей вообще дали.
«Управление скидками» пока всего лишь закрытый тест. Но направление хорошо видно: рекламная система постепенно учится управлять всей цепочкой от показа до коммерческого предложения.
И поэтому главный вопрос здесь не «насколько умный алгоритм у Яндекса». Гораздо полезнее другой: достаточно ли хорошие данные о товарах и продажах получает этот алгоритм от самого магазина.