Думаю, каждый специалист по контекстной рекламе сталкивался с одной и той же ситуацией.
Запускаешь новую кампанию, получаешь первые 30–50 конверсий, стратегия вроде бы обучилась, но стоимость заявки продолжает «гулять»:
И только спустя несколько месяцев реклама начинает работать действительно стабильно.
Я решил разобраться, сколько статистики на самом деле необходимо алгоритму.
- Первые 30–50 конверсий — это только «побудка» алгоритма, не стабильная работа кампании.
- До статистической зрелости в среднем нужно 300–2500+ конверсий в зависимости от ниши.
- У стабилизировавшихся локальных кампаний доля кликов от населения зоны обслуживания часто доходит до 6–12%.
- Бюджет 100–150 тыс. ₽ часто соответствует лишь начальному этапу обучения — рано делать вывод «Директ не работает».
Сразу оговорюсь: это не исследование Яндекса и не официальная документация. Это выводы, основанные на проектах, ведение которых продолжается год и более. Благодарность коллегам, которые поделились цифрами, — без вас это мини-исследование бы не состоялось.
Что говорит Яндекс?
В справке Яндекс Директа можно встретить рекомендацию получать не менее 10 конверсий в неделю для автоматических стратегий.
Этого действительно достаточно, чтобы алгоритм начал обучаться.
Но обучение и стабильная работа — совершенно разные вещи.
Можно сказать, что первые десятки конверсий позволяют стратегии «проснуться», а вот для качественной оптимизации ей требуется значительно больше данных.
Что показывает практика
Если посмотреть на локальные ниши, становится заметно, что большинство рекламных кампаний выходит на действительно стабильные показатели только после накопления нескольких сотен или даже тысяч конверсий.
Ниже собрал усреднённые значения по различным направлениям.
| Ниша | До первых стабильных результатов | Хорошая обученная кампания | Типичный срок |
|---|---|---|---|
| Автосервис | 300–500 конверсий | 1500–2500 конверсий | 6–12 месяцев |
| Стоматология | 200–400 конверсий | 1000–2000 конверсий | 4–8 месяцев |
| Пластиковые окна | 150–300 конверсий | 800–1500 конверсий | 3–6 месяцев |
| Кухни на заказ | 200–400 конверсий | 1000–1800 конверсий | 4–8 месяцев |
| Натяжные потолки | 150–250 конверсий | 700–1200 конверсий | 3–5 месяцев |
| Ремонт квартир | 300–600 конверсий | 1500–3000 конверсий | 6–12 месяцев |
| Юридические услуги | 200–500 конверсий | 1000–2500 конверсий | 5–10 месяцев |
| Медицинские клиники | 200–400 конверсий | 1000–2000 конверсий | 4–8 месяцев |
| Интернет-магазин | 300–700 заказов | 1000–3000 заказов | 2–4 месяца |
| Недвижимость | 300–500 заявок | 1500+ заявок | 6–12 месяцев |
Важно понимать, что это не жёсткие значения. Для одного проекта стабилизация может наступить раньше, для другого — позже. Здесь многое зависит от объёма спроса, качества сайта, конкуренции и бюджета.
Этапы обучения рекламной кампании
Во время анализа разных проектов я пришёл к выводу, что обучение рекламной кампании можно условно разделить на четыре этапа.
Это не официальная классификация Яндекса, а попытка описать, что происходит с автоматическими стратегиями по мере накопления статистики.
| Этап | Что происходит | Накопленная статистика | Ориентировочный бюджет* |
|---|---|---|---|
| 🟢 Первичное обучение | Алгоритм начинает понимать, какие пользователи чаще совершают конверсии. Кампания ещё нестабильна, CPA может меняться ежедневно. | 30–50 конверсий | 20–150 тыс. ₽ |
| 🟡 Формирование статистики | Появляются первые закономерности. Алгоритм начинает лучше выбирать аудиторию, но стоимость заявки всё ещё может сильно колебаться. | 100–300 конверсий | 100–500 тыс. ₽ |
| 🟠 Стабильная работа | Большинство типовых сценариев уже изучены. Колебания стоимости обращения становятся значительно меньше, прогнозы становятся точнее. | 300–700 конверсий | 300 тыс. – 1 млн ₽ |
| 🔵 Зрелая рекламная кампания | Алгоритм накопил большой объём данных по запросам, аудиториям, времени суток, устройствам и географии. Именно на этом этапе обычно достигается максимальная эффективность для выбранного рынка. | 1000–2500+ конверсий | 500 тыс. – 3 млн ₽ |
На мой взгляд, именно здесь возникает главная ошибка большинства рекламодателей.
Очень часто предприниматель запускает рекламу, тратит 100–150 тысяч рублей, получает первые заявки и делает вывод, что «Директ не работает».
Но если посмотреть на статистику успешных проектов, становится понятно, что во многих нишах этот бюджет соответствует лишь начальному этапу накопления данных. Алгоритм ещё не успел изучить аудиторию настолько хорошо, чтобы принимать максимально эффективные решения в каждом аукционе.
Интересная закономерность
Во время анализа одного из проектов я заметил любопытную вещь.
Автосервис в Москве обслуживал два района с общей численностью населения около 273 тысяч человек. За девять месяцев реклама получила:
Именно после этого кампания начала работать значительно стабильнее.
Если разделить количество кликов на население зоны обслуживания, получится примерно 9%.
После этого я решил посмотреть другие локальные ниши и обнаружил похожую картину.
| Ниша | Ориентировочная доля кликов от населения зоны обслуживания |
|---|---|
| Автосервис | 8–10% |
| Стоматология | 6–10% |
| Пластиковые окна | 6–9% |
| Натяжные потолки | 6–9% |
| Ремонт квартир | 8–12% |
| Юридические услуги | 6–10% |
Конечно, это нельзя назвать законом. Однако совпадения встречаются слишком часто, чтобы полностью их игнорировать.
Возможно, алгоритм начинает работать максимально эффективно именно тогда, когда успевает накопить статистику по значительной части локального спроса.
Если эта гипотеза подтвердится на большем количестве проектов, то обучение кампаний можно будет оценивать не только количеством конверсий, но и долей охваченного рынка.
Почему это выглядит логично
Любой локальный бизнес работает внутри ограниченного рынка.
Автосервис не обслуживает всю Москву. Стоматология редко получает пациентов с другого конца города. Большинство клиентов живёт или работает в пределах нескольких километров.
Поэтому алгоритм постепенно изучает именно этот рынок:
- какие пользователи чаще становятся клиентами
- какие запросы приносят реальные обращения
- в какое время вероятность конверсии выше
- какие устройства работают лучше
- какие сегменты аудитории дают максимальную окупаемость
Чем больше подобных данных накоплено, тем точнее становится прогноз вероятности конверсии для каждого нового аукциона.
Именно поэтому, когда видим статус «Стратегия обучилась», это вовсе не означает, что обучение закончилось.
Скорее наоборот.
Вывод
На мой взгляд, обучение рекламной кампании можно разделить на два разных процесса.
Первый — техническое обучение. Оно заканчивается после первых десятков конверсий, когда стратегия уже способна самостоятельно управлять ставками.
Второй — статистическая зрелость. Именно на этом этапе стоимость лида становится предсказуемее, колебания уменьшаются, а алгоритм начинает использовать накопленные данные максимально эффективно.
А если смотреть шире?
Если отойти от локальных ниш и взять более крупные, можно сказать, что среднее значение для стабильной работы кампании выглядит так:
Это очень грубо, но при получении алгоритмом такого количества данных можно считать, что кампания обучилась хорошо.