💥Почему растёт CPL даже при стабильной рекламе: скрытая эволюция «алгоритмов-супергеро... — 23 апреля 2026 г. в 16:11:44.959
💥Почему растёт CPL даже при стабильной рекламе: скрытая эволюция «алгоритмов-супергероев» в Яндекс.Директе и VK Ads CPL в 2025–2026 у большинства ниш вырос на 37–142%. И если раньше это можно было списать на “конкуренцию” или “перегрев аукциона”, то сейчас причина глубже. Настолько, что если коротко: 👉 реклама перестала оптимизироваться “в лоб” 👉 и начала обучаться на поведении пользователя после клика И вот тут начинается момент, где у маркетологов обычно лёгкий когнитивный диссонанс: “подожди… система же умная… почему она делает странные вещи?” ⚙ 1. Главный сдвиг: обучение через поведение (behavioral learning) И Яндекс.Директ, и VK Ads за последние обновления ушли в сторону модели, где: клик — это просто входной сигнал конверсия — не финальная истина главное — цепочка поведения после клика 💡 То есть система теперь отвечает не на вопрос: “был ли лид?” А на вопрос: “похож ли этот пользователь по поведению на тех, кто становится ценным клиентом?” 🧠 Как это реально работает “под капотом” Если упростить до нормального IT-языка: строится поведенческий скоринг анализируется path пользователя (цепочка действий) формируются скрытые conversion signals алгоритм обновляет вероятностную модель качества трафика И да, звучит как что-то между ML-пайплайном и гаданием на кофейной гуще — но это уже продакшн-реальность рекламных систем. ⚠ Важный эффект, который многие недооценивают Раньше логика была линейной: CTR → конверсия → CPL Сейчас она выглядит так: CTR → поведение → качество сигнала → перераспределение бюджета → CPL И поэтому: 👉 можно иметь хороший CTR и растущий CPL 👉 или средний CTR и стабильную прибыль Потому что система смотрит не на “красоту входа”, а на “здоровье поведения после клика” 🤖 2. Автостратегии: когда “умная оптимизация” начинает немного фантазировать Теперь самое интересное, о чём обычно не любят говорить в презентациях: Автостратегии (и в Яндекс.Директе, и в VK Ads) со временем: 👉 накапливают ошибки обучения 👉 начинают переобучаться на шум 👉 и могут уехать в “странный трафик”, который выглядит как нормальный… но не совсем 💡 Как это проявляется в реальности Типичная картина спустя 2–4 недели без вмешательства: растёт доля дешёвых, но пустых кликов увеличивается “странное” поведение пользователей конверсия становится нестабильной CPL начинает плавать без очевидной причины И самое весёлое: алгоритм при этом уверен, что он всё делает правильно. ⚠ Почему это происходит Потому что автостратегия: учится на исторических сигналах усиливает уже найденные паттерны и постепенно “закрывает глаза” на новые данные Если не вмешиваться: 👉 система начинает оптимизировать не бизнес-результат 👉 а стабильность собственных предсказаний В итоге появляется эффект: “вроде работает, но деньги как будто испаряются” 📉 3. Дисперсия связок — реальная причина нестабильности Вот где большинство маркетологов теряет контроль, даже не замечая. Они смотрят: CPL CTR CPA Но почти никто не смотрит: 👉 распределение эффективности связок внутри системы 📊 Живая картина (очень типично) Есть 50 связок: 10 дают 80% результата 30 — средний шум 10 — тихо “едят бюджет и делают вид, что работают” ⚠ И вот здесь ключевой момент Высокая дисперсия = это не “ну норм, есть лидеры”. / Это означает: 👉 алгоритм обучается на узком наборе сигналов 👉 остальное пространство данных игнорируется И дальше начинается магия: масштаб увеличивается → CPL растёт потому что система расширяет не лучшие паттерны, а ближайшие к ним (да, это тот момент, когда “масштабирование” превращается в “саморазгон проблем”) ⚙ Практика уровня performance++ 1. Делить связки не по эффективности, а по стабильности стабильные нестабильные шумовые 2. Смотреть не только CPL, а: долю вклада в обучение алгоритма и влияние связки на последующую оптимизацию 3. Жёстко резать “шумовые связки”, даже если они дешёвые