Почему внедрение ARGUS в рекламу Яндекса искажает метрики
Внедрение ARGUS в рекламу Яндекса и рост эффективности на 38%: когда алгоритм переписывает бюджет и CAC
Рекламная система Яндекса стала на 38% эффективнее. Это не косметика, а смена правил. Дело не в ставках и ручной настройке. Алгоритм чаще решает за бизнес. Поэтому привычные расчёты CAC и медиапланы дают сбой.
Последствия уже практические. В следующем квартале бюджеты и KPI начнут расходиться с фактом. Модели с короткими окнами и усреднённой персонализацией занижают вклад длинных данных. Отсюда ошибки в CAC, распределении бюджета и целевых CPA. Дальше разберём, где ломается логика и что пересчитать.
Почему привычные метрики начали врать
Кажется, что эффективность контролируется ставками, сегментами и медиапланом. Тогда рост CAC — следствие ваших действий. Эта логика держится на коротких окнах и простой атрибуции.
ARGUS меняет основу решений. Система смотрит на поведение до года и хранит до 8000 событий вместо 256. Алгоритм опирается на длинные сигналы и глубже персонализирует показы. В итоге он влияет на экономику сильнее, чем настройки рекламодателя.
Где возникает ошибка. Медиапланы и модели CAC построены под старую логику. Они недооценивают длинные данные и перераспределение конверсий внутри сети. Прогнозы ROI и целевые CPA смещаются.
Пример. Вы держите CPA 1200 ₽ при бюджете 2 млн ₽. Ставки не меняли. Через месяц отчёт показывает CPA 1500 ₽ (+25%). При этом общий объём конверсий не падает. Конверсии просто перетекают между кампаниями внутри сети, а атрибуция считает это вашей ошибкой. Дальше разберём, где именно ломается логика.
Как ARGUS меняет логику показов и расчётов
Как это работает
ARGUS строит профиль пользователя на годовом горизонте. Память выросла с 256 до 8000 событий. Для каждого есть длинная история действий и интересов. Система объединяет десятки нейросетей: прогноз отклика, ранжирование, подбор креативов. На каждом показе они дают совместное решение.
Когда рекомендации и аукцион связаны, алгоритм влияет не только на релевантность. Он меняет, где и в какой кампании фиксируется конверсия.
Почему это произошло
Дело в данных и масштабе. Обработка — до 1,2 млн запросов в секунду и около 10 млрд событий в день. Длинный горизонт позволяет учитывать редкие, но ценные сигналы. Технологию внедрили меньше чем за год: сначала в Музыке, Маркете и Лавке, затем в рекламе.
Именно эта комбинация даёт рост эффективности на 38%: не ручная оптимизация, а системная персонализация на длинных данных.
К чему это приводит
Алгоритм перестаёт быть исполнителем настроек. Он формирует, кому и когда показывать рекламу. Это меняет юнит-экономику.
Риски для маркетинга:
смещённый CAC при старой атрибуции
неверные CPA-цели
неэффективное распределение бюджета
перекосы в медиаплане
Заявленная цель системы — держать объём конверсий без роста бюджета («Наша рекламная система позволяет рекламодателям сохранять целевое количество конверсий без значимого увеличения бюджета»). Значит, конверсии перераспределяются внутри сети. Старые прогнозы дают ошибочные рекомендации.
Что из этого следует
Рост эффективности — следствие новой архитектуры и данных. Алгоритм стал активом, который задаёт экономику кампаний. Следующий шаг — пересобрать метрики и расчёты CAC.
Где это бьёт по практике
CAC вырос без изменений в ставках
Вы открываете отчёт за неделю и видите +20–30% к CAC. Ставки и креативы не менялись. Алгоритм перераспределил показы внутри сети. Длинные сигналы изменили, кому и когда показывают объявление. Стандартная атрибуция записывает рост на ваш счёт. Итог — вы снижаете ставки и теряете до 10–15% бюджета на «исправление» того, что делает система.
A/B тест даёт плавающий результат
Тест идёт 2–3 недели. «Победитель» меняется от отчёта к отчёту. ARGUS учитывает годовой контекст и сглаживает локальные изменения. Короткое окно даёт шум. Итог — решения по креативам принимаются на нестабильных данных. Ошибка в выборе может достигать 15–20% по конверсиям.
Медиаплан не сходится с фактом
Вы распределили бюджет по каналам по историческим CTR и CPA. Через месяц ROI проседает на 10–25%. Система учитывает редкие сигналы и меняет релевантность на партнёрских площадках (их более 90 000). Старые коэффициенты не ловят эти сдвиги. Итог — план выглядит корректным, но деньги уходят в другие точки конверсии.
Параметр | До ARGUS | С ARGUS |
|---|---|---|
Горизонт анализа | последние десятки дней | до одного года |
Объём памяти (событий на пользователя) | 256 | 8000 |
Рост эффективности рекламной системы | — | +38% |
Обработка запросов | — | до 1,2 млн запросов/с |
Ежедневно фиксируемые события | — | ~10 млрд событий/день |
Что менять в метриках и отчётах
Главное изменение: алгоритм стал источником экономики. Короткие окна и статичные коэффициенты больше не отражают реальность. Отсюда ложные сигналы в CAC и CPA.
Что сделать на практике:
Увеличить окна атрибуции до 60–180 дней и смотреть сквозные цепочки.
Пересчитать CAC/CPA с учётом перетока конверсий между кампаниями, а не внутри одной.
Перейти от фиксированного распределения бюджета к динамике по фактическим потокам конверсий.
Почему это помогает. Длинные окна ловят редкие сигналы, которые и двигают конверсии. Пересчёт формул убирает смещение. Динамика бюджета учитывает решения алгоритма, а не спорит с ними.
Как действовать в новой логике
Проблема
Метрики больше не отражают только ваши настройки. Они отражают решения алгоритма. Поэтому старые отчёты вводят в заблуждение.
Решение
Алгоритм стал источником экономики кампаний. Нужна пересборка измерений под длинные данные.
Конкретные шаги
Увеличить окна атрибуции и считать сквозные цепочки (60–180 дней).
Обновить формулы CAC/CPA с учётом перетока конверсий между кампаниями.
Перестроить распределение бюджета: от фиксированных долей к динамике по факту.
Почему это работает
ARGUS хранит до 8000 событий и смотрит на год. Это даёт учёт редких сигналов и глубокую персонализацию. Конверсии перераспределяются внутри сети — отсюда +38% эффективности.
Финал
Не спорьте с алгоритмом. Подстройте метрики и медиапланы — иначе CAC и бюджеты будут регулярно ошибаться.
