Да, чаще всего мусор в лидах — не сбой алгоритма, а прямое следствие цели, которую вы ему задали. Автостратегия Яндекс Директа обучается на конверсиях в Метрике: если целью стоит любой клик по кнопке или заполнение формы без проверки контакта, система честно приводит трафик, который эту форму заполняет, — включая ботов, случайные клики и нецелевых людей.
Как автостратегия учится на ваших сигналах
Автостратегия смотрит не на то, что вы продаёте, а на то, какое действие вы отметили целью в Метрике или в самом Директе. Каждый раз, когда посетитель совершает это действие, алгоритм получает сигнал «хорошо, ищи ещё похожих» и корректирует показы, ставки и аудиторию в эту сторону. Чем чаще срабатывает цель, тем увереннее машина повторяет паттерн — независимо от того, привёл ли этот человек реальные деньги в кассу.
Это касается CPA-стратегий, «Максимума конверсий» и ручных экспериментов с оптимизацией по цели — принцип один: обучение идёт на количестве событий, а не на их качестве. Если данных мало, стратегия расширяет охват агрессивно, хватаясь за любые сигналы, лишь бы набрать статистику для выхода из обучения. Об этом, что бывает, когда сигналов физически не хватает, я разбирал в статье про то, почему автостратегия не обучается — здесь же ситуация обратная: данных достаточно, но они врут. Это не блажь инженеров Яндекса, а логика любой обучаемой системы — ей нужен количественный, часто повторяющийся сигнал, а «качественный» лид по определению редкое событие. Поэтому дефолтная настройка почти всегда толкает рекламодателя ставить целью самое частое, а не самое ценное действие.
Цель оптимизации решает, кого приведёт алгоритм
Цель оптимизации — это фильтр, через который алгоритм отбирает аудиторию для показа рекламы. Поставьте целью «клик по номеру телефона» — получите людей, готовых нажать кнопку, но не обязательно готовых купить. Поставьте целью «оплаченный заказ» или «подтверждённая сделка» — получите людей, которые реже кликают, зато чаще платят. Автостратегия не различает «хороший» и «плохой» лид — она различает только то, что вы назвали целью.
На практике большинство рекламодателей ставят целью самое частое событие на сайте — отправку формы или клик по мессенджеру, потому что оно легче всего накапливает статистику. Это ускоряет выход из обучения, но подменяет задачу: вместо «найди покупателя» алгоритм слышит «найди того, кто нажмёт кнопку». Разница между этими формулировками — и есть разница между потоком заявок и потоком целевых лидов, которые реально доходят до сделки. Есть удобный тест: спросите себя, обрадуетесь ли вы, если количество этих событий вырастет в три раза при том же бюджете. Если ответ — «не обязательно, зависит от того, кто это», значит цель для автостратегии выбрана неверно: машина не умеет спрашивать «а кто это», она просто масштабирует счётчик.
Почему «заявка» — плохая цель для автостратегии
Заявка — это факт заполнения формы, а не факт намерения купить. Форму заполняют из любопытства, чтобы узнать цену, по ошибке, ради обещанного бонуса или потому что бот-скрипт перебирает лендинги по списку. Для автостратегии все эти заявки выглядят одинаково — как успешная конверсия, которую нужно масштабировать.
Проблема глубже, чем кажется: система не видит, что случилось с лидом после клика «Отправить». Взял ли трубку менеджер, был ли номер реальным, согласился ли человек на встречу — вся эта информация живёт в CRM или в голове менеджера, а не в Метрике. Пока эти данные туда не попадают, у алгоритма нет способа отличить тёплого клиента от случайного посетителя, который перепутал вкладку. Он честно оптимизирует то немногое, что видит, — количество отправленных форм. Отсюда парадокс: чем удобнее и проще форма на сайте, тем выше риск обучить систему на мусоре.
Пример из практики: на лендинге детского центра целью стояла отправка формы записи на пробное занятие. Форма конвертировала в заявку у заметной доли посетителей — отличный на вид показатель. При этом до реальной записи на занятие доходила лишь часть: остальные — родители, которые «просто посмотреть», ошиблись возрастом ребёнка, или боты, тестирующие форму. Автостратегия честно масштабировала именно факт отправки формы, а не факт прихода в центр.
Как мусорные лиды попадают в обучение алгоритма
Мусорные лиды попадают в обучение тремя путями: через слишком широкую цель, через отсутствие обратной связи о качестве и через технический шум — повторные клики, случайные заходы, автозаполнение форм скриптами. Каждый раз, когда такое событие засчитывается конверсией, алгоритм получает ложный сигнал и запоминает источник трафика, который его дал, как удачный.
Дальше эффект накапливается: автостратегия строит похожую аудиторию (look-alike) не на реальных покупателях, а на тех, кто когда-то нажал кнопку. Чем дольше цель остаётся «широкой», тем точнее система находит именно тех, кто кликает не думая, — и тем дальше она уходит от вашей настоящей целевой аудитории. За две-три недели такого обучения бюджет уже перераспределён в пользу площадок и сегментов, которые дают клики, а не деньги, и откатить это одним днём не получится — нужно заново копить статистику на правильном сигнале. Похожая логика работает и в ретаргетинге: сегмент «посетители, отправившие форму» пополняется теми же случайными людьми, и следующая рекламная кампания на этот сегмент повторяет ошибку по кругу, даже если исходная автостратегия уже исправлена.
Боты и накрутки как шум в сигнале обучения
Боты и накрутки искажают обучение так же, как и неверная цель, только быстрее и незаметнее: скрипт кликает по объявлению, заходит на сайт и отправляет форму за секунды — система засчитывает это как конверсию и начинает искать «похожих» ботов вместо живых людей. В нишах с высокой ценой клика это выгодно недобросовестным конкурентам и площадкам РСЯ, которым платят за клик, а не за качество.
Отличить бота от человека по одному клику сложно, но по паттерну — можно: время на сайте около нуля, заполнение формы за секунды, один и тот же IP или подсеть, отсутствие движений мыши. Если вы не чистите площадки и IP-адреса регулярно, эти сигналы копятся в целях Метрики и напрямую учат стратегию искать ещё таких же. Подборка инструментов для регулярной чистки трафика есть в разделе «Чистый трафик», а разбор самой механики накруток и ботов в РСЯ — в рубрике про ботов. На практике исключение накрученных площадок обычно даёт обратный эффект по цифрам в отчёте: заявок становится меньше и они дороже, зато доля реальных дозвонов растёт, а не падает. Число «лидов» в отчёте уменьшается — но это уменьшение мусора, а не потерянные продажи.
Офлайн-конверсии — как научить алгоритм искать покупателей
Офлайн-конверсии — это способ вернуть в Метрику то, что происходит после клика по кнопке «Отправить»: дозвонился ли менеджер, подтвердил ли клиент заказ, оплатил ли счёт. Вы загружаете эти данные из CRM через API или CSV, размечаете лиды по качеству, и стратегия начинает получать не просто «форма заполнена», а «эта форма привела к деньгам».
На новом сигнале стратегии нужно время, чтобы переучиться, — обычно от одной до трёх недель, в зависимости от объёма конверсий в неделю. В этот период не стоит одновременно менять ставки, аудитории и бюджет: вы не поймёте, что сработало. Именно разрыв между количеством заявок и количеством реальных продаж чаще всего вскрывает эту проблему — если знакомая ситуация, когда лиды есть, а продаж нет, офлайн-конверсии обычно первый шаг к исправлению, а не смена подрядчика или бюджета. Размер выборки имеет значение: чем реже случаются подтверждённые сделки, тем дольше стратегии нужно собирать статистику на новой цели. В нишах с длинным циклом (B2B, недвижимость, дорогое оборудование) разумно сначала научить систему на промежуточном, но более честном сигнале — например, «квалифицированный лид, прошедший звонок», — а уже потом переходить на саму сделку.
Как передать качество лида обратно в Метрику
Технически это делается через цель типа «офлайн-конверсия» или CRM-интеграцию: вы присваиваете каждой заявке ClientID или транзакционный номер, а после обработки лида отправляете в Метрику отметку — целевой он был или нет, и на какую сумму состоялась сделка. Это можно делать вручную через CSV-выгрузку раз в день или автоматически через API, если CRM это поддерживает.
Ключевое условие — регулярность: если выгружать статусы раз в месяц, стратегия успевает откатиться на старый сигнал и учиться заново каждый раз. Разметку удобнее встроить в ежедневную рутину, а не делать разовой акцией перед отчётом, — обзор инструментов для такой рутинной работы есть в разделе «Ежедневная работа». Отдельно стоит проверить, что ClientID из Метрики действительно долетает до CRM и не теряется на форме — без этого вся цепочка размечается вслепую. Если интеграции с CRM нет и не предвидится, минимальный рабочий вариант — еженедельная ручная выгрузка статусов по номерам телефонов или email через личный кабинет Метрики: это медленнее автоматики, но всё равно на порядок точнее, чем цель «отправка формы» без какой-либо разметки.
Чек-лист перед запуском или переобучением автостратегии
Перед тем как включать или пересобирать автостратегию, проверьте пять вещей: саму цель оптимизации, чистоту трафика, полноту офлайн-разметки, окно конверсии и достаточность бюджета для обучения. Если хотя бы один пункт хромает, стратегия начнёт учиться на кривых данных заново — и результат повторится. Пройдите его перед каждым существенным изменением, не только при первом запуске:
- Цель — «целевой лид» или сделка, а не любое взаимодействие с формой.
- Окно конверсии соответствует реальному циклу сделки, а не занижено для B2B с циклом в 2 недели.
- Площадки РСЯ и IP с накрутками исключены или под наблюдением.
- В Метрику регулярно, не реже раза в день, уходит статус по каждому лиду.
- Бюджета хватает на 10–20 целевых конверсий в неделю — иначе стратегия не наберёт статистику.
- После смены цели ставки и аудитории не трогали минимум 1–2 недели.
Если из шести пунктов вы уверенно закрываете меньше четырёх, не удивляйтесь мусору в лидах — сначала наведите порядок в данных, и только потом судите об эффективности самой автостратегии.
Частые ошибки при настройке цели оптимизации
Самая частая ошибка — держать целью микроконверсию (клик по телефону, открытие корзины) месяцами после того, как трафика стало достаточно для более строгой цели. Вторая — менять цель и тут же вручную поднимать ставки, из-за чего невозможно понять, что повлияло на результат. Третья — включать несколько несопоставимых целей одновременно, и алгоритм оптимизируется под самую лёгкую из них.
Ещё одна системная ошибка — резать бюджет сразу после смены цели, потому что «заявок стало меньше». Заявок действительно становится меньше — их место занимают более качественные, но их физически меньше на входе. Дайте стратегии докрутиться до конца цикла сделки, прежде чем сравнивать цифры. И последняя ошибка, которая обнуляет всю работу с целями, — вообще не смотреть, что происходит с деньгами после клика: сколько стоит рекламный бюджет и сколько он реально приносит, разобрано в материалах рубрики «Деньги». Отдельно стоит проверять корректность самой цели технически — засчитывается ли она один раз на пользователя или на каждое действие, не задваивается ли счётчиком на другой странице. Задвоенная цель обучает стратегию на несуществующем спросе.
Разобрали теорию; практику закрывает Кейсы: лиды из Яндекс Директа в 2-3 раза дешевле.
Частые вопросы
Сколько времени автостратегии нужно, чтобы переобучиться на новой цели?
Обычно 1–3 недели при стабильном потоке конверсий; при редких конверсиях или резких скачках бюджета — дольше, потому что статистике физически неоткуда взяться быстрее.
Можно ли одновременно оптимизироваться на заявку и на подтверждённую сделку?
Технически да, но алгоритм всегда тянется к более частому событию, поэтому на практике заявка «перетягивает» обучение на себя, а подтверждённая сделка остаётся статистикой для отчёта, а не целью для стратегии.
Как понять, что автостратегия учится на мусоре, если офлайн-конверсий пока нет?
Смотрите на разрыв между числом заявок и числом реальных разговоров или продаж по CRM за тот же период: растущий разрыв при том же бюджете — верный признак.
Что делать, если офлайн-конверсии есть, но лиды всё равно слабые?
Проверить окно конверсии и корректность передачи ClientID — часто данные размечаются с опозданием или теряются на стороне CRM, и стратегия просто не видит уже отправленную разметку.
Стоит ли переходить на ручное управление ставками, если автостратегия приводит мусор?
Не как решение проблемы, а как временная мера: ручное управление не лечит причину — цель осталась той же, — но даёт время исправить разметку конверсий, не теряя бюджет впустую.
Источники
- Справка Яндекс Директа — официальная документация по автостратегиям и целям оптимизации.
- Справка Яндекс Метрики — документация по целям, офлайн-конверсиям и CRM-интеграции.
