Яндекс переписал модель прогноза конверсий в Директе: как удержать ставки и окупаемость рекламы в ближайший месяц

Яндекс обновил модель, которая прогнозирует конверсии в Директе. Для собственника и руководителя отдела продаж это не абстрактная новость про нейросети — это смещение точки, из которой система назначает ставку в аукционе. Разберу, что поедет в первые недели и как сделать так, чтобы прирост конверсий превратился в оплаченные сделки, а не в поток дешёвых пустых заявок.

Что почувствует собственник и РОП в первые недели

Раньше алгоритм назначал ставку по относительно узкому набору сигналов. Теперь он сам оценивает намерение пользователя и отложенную ценность визита — и пересчитывает ставки по новой логике. Автостратегии с оплатой за конверсии реагируют на это предсказуемо: цена заявки и доходность рекламы в ближайшие 2–4 недели будут колебаться. Период дообучения занимает около одной-двух недель, и разброс показателей в это время закономерен.

Здесь прячется риск для денег. Модель научилась находить больше конверсий, но если она не понимает, какие сделки реально доходят до оплаты, весь прирост может уйти в дешёвые нецелевые обращения. Формально заявок станет больше и они станут дешевле. По кассе это ничего не даст.

Механика обновления: как система стала «умнее»

В начале 2026 года Яндекс внедрил генеративную модель, которая увеличила «память» рекламной системы примерно в 30 раз — переход от учёта десятков дней и до 256 действий пользователя к событиям за целый год и до 8000 обезличенных событий. Проще говоря, система теперь видит куда более длинную историю поведения человека.

Поверх этой памяти встала «многоголовая» модель: несколько нейросетей, каждая под свой тип сигналов. Опора идёт более чем на 25 сигналов — втрое больше прежнего: глубина просмотра, время визита, добавление в корзину и другие промежуточные действия. Отдельно работает модель-посредник — она улавливает свежие изменения в поведении аудитории без долгого переобучения и формирует ставку в аукционе в реальном времени исходя из вероятности целевого действия.

Оговорюсь по фактуре: кодовые имена моделей и цифра про «память ×30» идут из отраслевых публикаций. В официальном пресс-релизе Яндекса связка описана без этих обозначений, поэтому при разборе я держу это в уме и опираюсь на то, что реально видно в настройках рекламодателя.

Где обновление даёт больше всего — длинный цикл сделки

Главное изменение по сути такое: система научилась извлекать пользу из визитов, которые в моменте не завершились целевым действием, и отслеживать отложенные конверсии. Человек зашёл, посмотрел, ушёл думать — и вернулся через две недели. Раньше этот визит для алгоритма был почти пустым. Теперь он получает ценность.

Сильнее всего это чувствуется в категориях с долгим решением: недвижимость, авто, электроника, туризм. Там ценность визита проявляется спустя недели, и модель, которая помнит длинную историю, попадает точнее. Работает всё это и на Поиске, и в Рекламной сети Яндекса, куда входят сервисы самого Яндекса и более 90 000 партнёрских площадок — сайты, приложения, мессенджеры, блоги, телевидение с подключением к сети. Эффект затрагивает весь поток трафика, а не один канал.

По внутренним тестам Яндекса решение в среднем даёт на 10% больше конверсий при сопоставимом бюджете. Это замер самого вендора без независимой проверки. На конкретном аккаунте результат будет свой, и брать эту цифру как обещание я бы не стал.

Чем кормить алгоритм: качество сделок из CRM

Модель умна ровно настолько, насколько честные данные она получает. Если единственный сигнал для неё — отправленная форма на сайте, она и будет оптимизироваться под отправленные формы, включая мусорные. Чтобы прирост конверсий превращался в деньги, в стратегию нужно передавать данные о реальных квалифицированных и оплаченных сделках — через цели вида «CRM: Заказ создан» и «CRM: Заказ оплачен».

Технически офлайн-конверсии из amoCRM или Bitrix24 уходят в Директ через Центр конверсий — единое окно для онлайн- и офлайн-данных. Загрузка идёт через Google Таблицы, файл CSV или по FTP/SFTP, окно атрибуции составляет 21 день. Я настраиваю эту передачу как постоянный автоматический поток из CRM, чтобы алгоритм каждый день видел, какие заявки дошли до кассы. Для части бизнесов офлайн-события дают половину и более всех конверсий — без выгрузки оплат система учится на неполной картине и системно ошибается в пользу дешёвого трафика.

Одно ограничение стоит заложить при настройке: автостратегии с оплатой за конверсии стабильно обучаются при накоплении не менее 10 конверсий в неделю. Если оплаченных сделок мало, алгоритм придётся кормить целями более раннего этапа воронки и постепенно смещать его вглубь. Как аккуратно довести путь от клика до сделки в amoCRM, я разбирал в отдельном материале про связку рекламы и CRM.

Сквозная аналитика как источник правды по окупаемости

Передача оплаченных сделок в стратегию решает сразу две задачи: обучает алгоритм приводить целевые конверсии и одновременно даёт корректную доходность в отчётах. Пока автостратегия перестраивается под новую модель, сквозная аналитика удерживает контроль над окупаемостью по каждому рублю — видно, какая кампания и какое ключевое слово докатились до оплаты, а не просто до заявки.

Есть честная сложность, о которой мало кто говорит. Отделить эффект новой модели от собственных правок почти невозможно: дата внедрения не размечается в отчётах Директа и DataLens. Вы одновременно и получили новую модель, и, допустим, включили передачу офлайн-конверсий, и подвинули ставки. Чистый замер эффекта силами рекламодателя тут затруднён. Поэтому выводы я делаю по динамике оплат из CRM — по деньгам, которые пришли на счёт — и не пытаюсь ловить эффект во внутренних метриках аукциона.

Отсюда же осторожность с бюджетом. Источники расходятся в пороге, при котором обучение перезапускается: где-то советуют шаг 10–15%, где-то говорят о перезапуске при изменении свыше 20%. Единого официального порога для новой модели нет. В период дообучения я двигаю бюджет мелкими шагами и смотрю на цену заявки, чтобы не сбросить обучение в самый неудачный момент.

Если хотите прикинуть, сколько сделок сейчас теряется из-за того, что реклама оптимизируется на заявки вместо оплат, посчитайте порядок цифр в калькуляторе потерь без сквозной аналитики. Обновление модели — хороший повод навести порядок в данных: чем честнее вы кормите алгоритм оплатами из CRM, тем меньше его прирост конверсий будет утекать мимо кассы. Глубже про сам инструмент — в разборе, что такое сквозная аналитика на примере.