Почему автостратегия первые две недели работает хуже ручного управления? Почему нельзя менять настройки сразу после запуска? Что происходит "под капотом", пока алгоритм "обучается"? Эти вопросы возникают у каждого, кто впервые сталкивается с автоматическими стратегиями. Объясняем механику обучения без упрощений.

Что такое обучение алгоритма

Обучение автостратегии - это процесс накопления данных и построения предсказательной модели. Алгоритм должен научиться отвечать на один вопрос: какова вероятность, что конкретный пользователь в конкретный момент времени совершит целевое действие?

Чем точнее алгоритм предсказывает вероятность конверсии, тем эффективнее он распределяет бюджет: высокие ставки - там, где вероятность конверсии высока, низкие - там, где она мала.

Для построения этой модели нужны данные. Много данных. Именно их сбор и составляет большую часть "периода обучения".

Какие данные использует алгоритм

Алгоритм Яндекс Директа при обучении анализирует:

Данные о пользователях: - История поиска (что человек искал за последние 30-90 дней) - История посещений сайтов - Демографические данные: пол, возраст, предполагаемый доход - Устройство и операционная система - Геолокация и тип населённого пункта

Данные о контексте аукциона: - Время суток и день недели - Конкурентная ситуация: кто ещё участвует в аукционе, какие ставки - Позиция в выдаче и формат объявления - Сезонность и внешние события

Данные о вашей кампании: - История конверсий: кто конвертировался раньше, при каких условиях - Поведение пользователей на сайте: время на странице, глубина просмотра, отказы - Связь между поисковым запросом и вероятностью конверсии - Эффективность объявлений: CTR, постклик-поведение

Алгоритм находит паттерны: например, "мужчины 35-44 лет, ищущие с iPhone в воскресенье утром запросы категории [ремонт квартир], конвертируются в 3,2 раза лучше среднего". И начинает повышать ставки именно для таких пользователей.

Три фазы обучения: что происходит день за днём

Фаза 1: Разведка (дни 1-7)

В самом начале алгоритм не знает ничего специфичного о вашей кампании. Он использует общие данные Яндекса (агрегированную статистику по похожим кампаниям в той же нише) и начинает собирать собственные данные.

В этот период алгоритм действует шире обычного - тестирует разные сегменты аудитории, разные времена суток, разные типы запросов. Это нужно, чтобы выяснить, где конверсии. Результат: нестабильный расход бюджета, нестабильный CPA, иногда дни без конверсий.

Статус кампании в интерфейсе: "Обучается" - именно в эту фазу он появляется.

Фаза 2: Стабилизация (дни 7-21)

Накоплено достаточно данных, чтобы сделать первые выводы. Алгоритм начинает концентрировать бюджет на более конверсионных сегментах и уходить от явно неэффективных.

CPA начинает приближаться к целевому, объём конверсий становится более предсказуемым. Но статистически 3-4 недель ещё мало - алгоритм может "ошибаться" из-за случайных колебаний.

Фаза 3: Устойчивая работа (от 21-28 дней)

Модель построена и стабильна. Алгоритм точно знает, кто конвертируется именно в вашем бизнесе, и направляет бюджет максимально эффективно. CPA держится около целевого, объём конверсий предсказуем.

В этой фазе автостратегия обычно обыгрывает ручное управление - просто потому, что алгоритм видит сигналы, которые человек не может отследить вручную.

Почему любое изменение сбрасывает обучение

Обучение - это построение математической модели на конкретных данных. Когда вы меняете что-то существенное, накопленная модель становится неактуальной.

Пример: алгоритм выяснил, что пользователи с запросом "купить диван Москва" конвертируются с вероятностью 4,5%, и ставит под них высокие ставки. Вы изменили посадочную страницу - теперь она конвертирует иначе. Вся накопленная модель о связи "запрос → поведение на сайте → конверсия" устарела. Обучение начинается заново.

Что сбрасывает обучение:

  • Изменение целевого CPA или ДРР более чем на 15-20%
  • Смена цели оптимизации
  • Массовое добавление или удаление ключевых фраз (более 20-30% от объёма)
  • Пауза кампании от 2 дней и более
  • Кардинальное изменение посадочной страницы
  • Смена стратегии
  • Значительные изменения в корректировках ставок

Что не сбрасывает обучение: - Правка текстов объявлений (незначительно влияет) - Добавление 1-5 новых ключей - Небольшие изменения минус-слов - Корректировки бюджета в пределах ±15%

Минимальный порог данных: почему 10 конверсий в неделю

Яндекс называет цифру 10 конверсий в неделю как минимум для запуска автостратегии. Откуда берётся это число?

Для построения надёжной предсказательной модели нужна выборка. 10 конверсий в неделю = 40 конверсий в месяц. При меньшем объёме модель будет слишком шумной: случайные колебания маскируют реальные паттерны.

На практике картина такая:

  • 5-9 конверсий в неделю - стратегия запускается, но работает нестабильно
  • 10-20 конверсий - минимальная эффективная работа
  • 30-50 конверсий - алгоритм хорошо обучается, результат стабильный
  • 50+ конверсий - оптимальные условия, алгоритм максимально эффективен

Если конверсий мало - рассмотрите использование микроконверсий для обучения. Добавьте в качестве цели обучения более частое действие (например, "просмотр страницы контактов" или "начало оформления заказа"), а в качестве основной цели для отчётности - макроконверсию (заявку). Алгоритм накапливает данные быстрее, хотя это и не идеальное решение.

Влияние качества данных на результат обучения

Алгоритм обучается на тех данных, которые вы ему предоставляете. Если данные некачественные - модель будет плохой.

Проблемы с данными, которые ломают обучение:

Задвоенные конверсии. Если одна заявка фиксируется дважды (например, цель срабатывает и при отправке формы, и при переходе на страницу "Спасибо"), алгоритм считает их двумя отдельными конверсиями. Модель искажается: алгоритм думает, что конверсий в 2 раза больше реального.

Спам в конверсиях. Если боты или недобросовестный трафик с РСЯ генерируют фиктивные заявки (например, заполняют форму автоматически), алгоритм обучается на мусорных данных. Он начинает привлекать трафик, похожий на источники этих "конверсий".

Слишком размытая цель. Цель "Просмотрел хотя бы 1 страницу" срабатывает почти при каждом визите. Алгоритм не видит значимой разницы между пользователями и не может выделить конверсионные сегменты.

Задержка передачи данных. Если цель в Метрике фиксируется с задержкой (например, конверсия "Звонок" передаётся через коллтрекинг раз в час) - алгоритм получает обратную связь с опозданием. Это замедляет обучение.

Внешние факторы, влияющие на обучение

Алгоритм обучается на исторических данных, но рынок меняется. Факторы, которые могут нарушить сложившуюся модель:

  • Сезонность. Модель, обученная в ноябре (высокий спрос, высокие конверсии), будет плохо работать в январе при другой структуре спроса
  • Действия конкурентов. Конкурент резко поднял ставки - алгоритм начинает проигрывать аукционы, объём падает
  • Изменения на сайте. Редизайн, замена формы, смена телефонного номера
  • Внешние события. Скачки спроса из-за сезонных акций, новостей, изменений в законодательстве

Яндекс заявляет, что алгоритм адаптируется к изменениям рынка автоматически - но на адаптацию нужно время. После крупных изменений рынка ждите 1-2 недели нестабильности.

Как помочь алгоритму обучиться быстрее

Несколько практических шагов, которые ускоряют обучение:

  1. Используйте широкое соответствие ключей или автотаргетинг на старте - это даёт алгоритму больше трафика и данных. Потом сузите по мере накопления статистики.

  2. Задайте CPA или ДРР на 30-40% выше реального - алгоритм получает больше "пространства" для тестирования разных аудиторий.

  3. Не ограничивайте расписание показов в первые 2-3 недели. Алгоритму нужно понять конверсионность разного времени суток. Потом можете ввести ограничения.

  4. Не ставьте корректировки ставок на старте. Корректировки ограничивают алгоритм - он не может протестировать "запрещённые" сегменты. После обучения корректировки работают лучше.

  5. Проверьте технику: скорость загрузки сайта, корректность цели Метрики, отсутствие дублей. Технические проблемы - главный враг качественного обучения.

Как читать статус обучения в интерфейсе

В Яндекс Директе кампания с автостратегией может иметь несколько статусов:

  • "Обучается" - идёт активный сбор данных, первая-третья фаза
  • "Обучение завершено" - алгоритм построил модель, работает в рабочем режиме
  • "Мало данных" - недостаточно конверсий для обучения, алгоритм работает нестабильно

Статус "Мало данных" - сигнал к действию. Либо снизьте требования к цели (используйте более частое событие), либо увеличьте бюджет для привлечения большего трафика.

Заключение

Обучение автостратегии - это не магия, а математика. Алгоритм строит предсказательную модель на данных о конверсиях, поведении пользователей и контексте аукциона. Чем больше качественных данных, тем точнее модель.

Три вещи, которые определяют успех обучения: - Достаточный объём конверсий - минимум 10, лучше 30+ в неделю - Качество данных - без дублей, без спама, с реальными целями - Стабильность условий - не менять ключевые параметры первые 3-4 недели

Именно поэтому терпение в период обучения - не пассивность, а осознанная стратегия.