Согласно прогнозу MAGNA Global Advertising Forecasts, в первой половине 2023 года мировые расходы на рекламу выросли на 4,7% по сравнению с аналогичным периодом 2022-го, а доля цифровых каналов превысила 65% всего рынка. Это подтверждает глобальный тренд: digital становится главным драйвером роста индустрии. Однако для малого и среднего бизнеса онлайн-реклама остаётся непростым инструментом. Нехватка экспертизы в настройке рекламных кампаний при ограниченных бюджетах приводит к недостатку данных для обучения алгоритмов и, как следствие, делает значительную часть кампаний неэффективной.
Решение этой проблемы стало фокусом работы Андрея Нарцева — приглашённого преподавателя Высшей школы экономики и руководителя группы исследований и разработки в Яндексе. Команда под его руководством разработала технологию, которая повышает прозрачность работы рекламных кампаний и даёт рекламодателям понятные сигналы о том, что мешает их эффективности. В интервью Андрей рассказал об основных сложностях, с которыми сталкиваются предприниматели при запуске онлайн-рекламы, о роли индикатора здоровья кампаний и о том, как новые подходы меняют возможности малого бизнеса.
С какими основными трудностями чаще всего сталкиваются предприниматели при запуске онлайн-рекламы?
Есть несколько ключевых барьеров, которые мешают запуску эффективной кампании. Первая — это сложные интерфейсы рекламных систем. Чтобы корректно выбрать стратегию и настроить таргетинг, нужен опыт. У крупных компаний есть маркетологи, которые этим занимаются ежедневно, а малый бизнес чаще всего пробует делать всё самостоятельно. При недостаточном опыте не помогает даже использование автоматических стратегий и таргетинга, когда алгоритмы онлайн-рекламы сами выбирают срез пользователей, для которых данная реклама релевантна, и динамически подбирают ставку в рекламном аукционе таким образом, чтобы уложиться в бюджет рекламодателя.
Особенно часто ошибки возникают при настройке кампаний с оптимизацией конверсий, когда алгоритмы максимизируют количество действий на сайте, совершаемые пользователями. Эти действия называются целями и могут быть произвольными: например, для онлайн-магазинов в качестве цели можно выбрать покупку рекламируемого товара, для ресторанов — совершение бронирования, а для платформы онлайн-курсов — заполнение формы для записи на курс. Свобода в выборе оптимизирующей цели является одним из ключевых достоинств данной стратегии, однако неправильно выбранная цель является основной причиной неэффективной работы рекламной кампании.
Вторая проблема — ограниченные бюджеты. Для корпораций ошибка в настройках просто означает перерасход средств, который они могут компенсировать. Для индивидуального предпринимателя это иногда равносильно убытку, который критически бьёт по бизнесу.
Третья — нехватка статистики. Алгоритмы машинного обучения для эффективной работы часто требуют значительного объёма данных. Если цель достигается редко, модели не могут обучиться, и кампания не выходит на нужный уровень.
В результате рекламодатели сталкиваются с тем, что средства расходуются, но результата нет. Это вызывает разочарование и формирует у малого бизнеса недоверие к онлайн-рекламе в целом.
Как сигнализировать рекламодателю, что его рекламная кампания работает неэффективно?
Для разработки такого сигнала нужно учитывать два аспекта: с одной стороны, мы хотим сигнализировать рекламодателю, что наши алгоритмы могли бы работать эффективнее и приносить больше конверсий, если бы параметры рекламной кампании были несколько другими, а с другой — этот сигнал не должен противоречить представлениям рекламодателя.
Долгое время в основе подхода лежала простая гипотеза: если конверсий меньше определенного количества, значит, рекламная кампания работает плохо. На практике это оказалось слишком упрощённым подходом. В любой современной системе онлайн-рекламы используется большое количество моделей машинного обучения. Для корректной работы одним моделям хватает всего нескольких конверсий в неделю, а другим требуется гораздо больший объём данных. Кроме того, у разных бизнесов цели и экономика сильно отличаются. Для интернет-магазина одна конверсия в неделю — катастрофа, а для агентства по продаже недвижимости с дорогими сделками — вполне приемлемый результат. Получается, что одно и то же количество конверсий в разных контекстах воспринимается совершенно по-разному.
Поэтому было решено уйти от подхода «чем больше конверсий, тем лучше» и перейти к анализу того, как реально работают модели машинного обучения внутри системы. Индикатор здоровья оценивает состояние этих моделей и на основе этого показывает статус кампании. Это более честный и точный способ оценки, который учитывает и время, и динамику, и специфику рекламных кампаний.
Как внедрение индикатора повлияло на прозрачность системы и доверие со стороны предпринимателей?
До появления индикатора рекламодатели не могли понять, связано ли отсутствие результата с тем, что с момента запуска кампании прошло слишком мало времени и системе нужно накопить статистику, или же кампания действительно не выйдет на нужный уровень конверсий и требуется корректировка настроек. Заметим, что в первом случае частая смена настроек только усугубляет ситуацию, так как система не успевает адаптироваться под имеющиеся параметры и конверсий становится еще меньше.
Из-за этого рекламодатели часто обращались в поддержку или переходили на использование других стратегий.
Теперь у кампаний есть понятные статусы:
жёлтый — конверсии есть, но можно значительно увеличить их количество, поменяв определенные настройки;
красный — кампания настроена неэффективно и не приносит конверсий — нужно менять настройки кампании, иначе она остановится;
терминальный — система уверена, что конверсий больше не будет.
Эти статусы сделали работу более прозрачной. Рекламодатели понимают, что происходит и что им делать дальше. В результате значительно уменьшилось количество обращений и повысилось доверие к системе.
В каких ситуациях индикатор сигнализирует, что стоит изменить настройки кампании?
Как мы обсуждали ранее, наиболее часто проблема возникает с неправильно выбранными целями. Типичная ситуация — когда рекламодатель сразу выбирает для оптимизации цель «покупка», но данных о покупках слишком мало. В таком случае индикатор подсвечивает проблему. Предприниматель меняет цель, например, на «добавление товара в корзину». Эти события происходят чаще, система быстрее собирает статистику, модели обучаются, и кампания выходит на эффективность. После этого можно вернуться к оптимизации под покупки.
Какие риски несёт сама рекламная платформа при переходе на модель оплаты за конверсии?
Оплата за конверсии — самая безопасная стратегия для рекламодателя: он платит только тогда, когда действительно получает результат. Это позволяет начинающим специалистам увереннее начинать работу с платформой, даже при отсутствии опыта, ведь убытков из-за неправильной настройки кампаний он не понесет.
Но для самой платформы это, наоборот, наиболее рискованный сценарий. Все расходы на оплату показов рекламных объявлений ложатся на нее, и если конверсии не совершаются, платформа будет работать в убыток. Отдельный вызов — рекламодатели, которые ставят заведомо невыполнимые цели, например, «пользователь должен пролистать 50 страниц сайта». В реальности никто этого не сделает, что практически исключает конверсии. При этом рекламные объявления продолжают показываться, расходы на показы площадкам несёт платформа, а целевые действия не совершаются.
Задача в том, чтобы с одной стороны привлекать новых рекламодателей, показывая, что модель безопасна и справедлива, а с другой — отсекать сценарии, когда система используется некорректно или сознательно в ущерб платформе. Для этого и нужен индикатор здоровья. Он позволяет выявлять, когда кампания заведомо не принесёт результата, и либо подсвечивает проблему пользователю, либо полностью останавливает кампанию.
Какие ключевые различия между вашим решением и практикой других крупных платформ?
Например, в Google рекламодатель не может сразу запустить кампанию с оплатой за конверсии. Аналогичный подход применяет и Meta. Сначала необходимо накопить историю в более „безопасных“ для платформы стратегиях — например, с оплатой за клики. Это сделано для того, чтобы убедиться, действительно ли рекламная кампания приносит данные. В Google, например, рекомендуется минимум 15–30 конверсий за 30 дней для Smart Bidding, а у Meta требования ещё строже: 50 конверсий на группу объявлений за 7 дней или 100 покупок за 14 дней для Value Optimization. Только после выполнения этих условий открывается возможность платить именно за результат.
Мы выбрали другой путь: сделали оплату за конверсии доступной сразу, даже если у рекламодателя нет истории. Дальше уже важно правильно интерпретировать результаты. Здесь и помогает наш подход: мы не ограничиваем вход, но даём предпринимателям прозрачную обратную связь о том, в каком состоянии находится их кампания и что с ней происходит.
Можно ли сказать, что это решение изменило правила игры для малого бизнеса?
Раньше стратегия оплаты за конверсии фактически была инструментом крупных компаний: у них были бюджеты, профессиональные маркетологи и достаточно данных для обучения алгоритмов. Малый бизнес часто не проходил этот порог и оставался за пределами таких возможностей.
С появлением индикатора здоровья модель стала доступна всем, включая компании с ограниченными бюджетами. Даже небольшие предприниматели теперь могут запускать кампании и быть уверенными, что система вовремя подсветит проблемы и поможет избежать убытков.
Таким образом, онлайн-реклама стала более демократичной и открыла равные возможности для малого и среднего бизнеса конкурировать с крупными игроками.