«Максимум прибыли» в Яндекс Директе: почему оптимизация по марже важнее кликов

Яндекс Директ завершил бета-тестирование стратегии «Максимум прибыли». По данным Яндекса, с начала тестирования в августе 2025 года рекламодатели получили от её использования суммарно более 1,5 млрд рублей дохода.

Главная идея стратегии понятна и давно востребована рынком: оптимизировать рекламу не по кликам, заявкам или даже выручке, а по финансовому результату с учётом маржи.

На мой взгляд, это один из наиболее содержательных шагов в сторону взрослой performance-оптимизации. Но сама по себе кнопка «Максимум прибыли» не исправит слабую экономику, некачественную аналитику и хаос в товарных данных. Скорее, она сделает эти проблемы заметнее.

Что именно меняется в логике оптимизации

Обычная рекламная оптимизация часто строится вокруг промежуточных метрик: CTR, стоимости клика, количества конверсий, CPA или ROAS. Они полезны, но не отвечают на главный вопрос бизнеса: сколько денег осталось после исполнения заказа.

Два заказа с одинаковой выручкой могут иметь совершенно разную ценность. У одного товара высокая себестоимость, дорогая доставка и эквайринг. У другого — высокая маржа и почти нет дополнительных переменных расходов. Если алгоритм видит только факт покупки или сумму заказа, для него эти конверсии могут выглядеть одинаково. Для бизнеса — нет.

В стратегии «Максимум прибыли» рекламодатель задаёт ожидаемую маржу. Директ, согласно описанию Яндекса, анализирует продажи в реальном времени, учитывает этот параметр и перераспределяет показы, чтобы найти баланс между объёмом и стоимостью конверсий с максимальным финансовым результатом.

Маржа здесь — разница между доходом от продажи и переменными затратами, связанными с конкретным заказом. В исходном описании среди таких расходов названы себестоимость, доставка, упаковка, эквайринг и другие затраты.

Это важное отличие от подхода «купить как можно больше конверсий по целевой цене». Иногда более дорогая конверсия выгоднее, если она приводит к продаже с существенно большей маржой. И наоборот: дешёвый заказ может быть убыточным после логистики, скидок и комиссий.

Для кого стратегия может дать наибольший эффект

В первую очередь — для e-commerce с неоднородным ассортиментом. У интернет-магазина могут быть тысячи SKU, разные закупочные цены, сезонность, скидки, условия доставки и комиссии. Оптимизировать такой бизнес по средней ценности заказа — значит неизбежно упрощать реальность.

Также инструмент выглядит перспективно для компаний, где продажа начинается с лида: звонка, заявки, записи на консультацию. Но здесь цепочка сложнее. Нужно не только передать в рекламную систему событие обращения, но и связать его с итоговой сделкой, выручкой и переменными расходами.

Полезен подход и для бизнесов, которые уже столкнулись с парадоксом «реклама выполняет KPI, а прибыль не растёт». Например, кампания укладывается в CPA, даёт лиды и выглядит хорошо в рекламном кабинете, но менеджеры закрывают преимущественно низкомаржинальные сделки. В такой ситуации проблема не обязательно в ставках или креативах. Возможно, алгоритм оптимизируется не на тот результат.

Особенно интересно это может быть небольшим и средним рекламодателям. Не потому, что нейротехнологии отменяют необходимость разбираться в цифрах, а потому, что они потенциально снижают порог для более сложной оптимизации. Раньше моделирование прибыли в рекламе часто требовало отдельной аналитической инфраструктуры, ручных выгрузок и постоянного контроля.

Данные важнее названия стратегии

Здесь начинается менее эффектная, но ключевая часть истории. Алгоритм способен оптимизировать только то, что получает на входе. Если в марже нет части расходов, если себестоимость обновляется раз в квартал, а заказы из CRM не связываются с источниками трафика, результат будет неточным.

Перед запуском стоит проверить несколько вещей.

Во-первых, определить состав переменных затрат. Себестоимость, доставка, упаковка, комиссия платёжного сервиса, комиссия маркетплейса, скидки — всё, что меняется от заказа к заказу, влияет на вклад продажи в прибыль. Постоянные расходы бизнеса — офис, штат, часть IT-инфраструктуры — обычно требуют отдельной управленческой модели и не должны механически смешиваться с переменными.

Во-вторых, убедиться в качестве передачи данных. Для e-commerce важно корректно передавать состав заказа, выручку и возвраты. Для лидогенерации — выстроить связку рекламы, CRM и статусов сделок. Если оптимизировать кампанию по заявкам, которые позже оказываются нецелевыми или отменёнными, финансового чуда не произойдёт.

В-третьих, оценить скорость обратной связи. Чем дольше цикл сделки, тем позже система получает сигнал о реальной ценности обращения. Это не делает стратегию бесполезной, но требует более аккуратной интерпретации результатов и достаточного периода для теста.

Наконец, маржа — не вечная константа. Поставщики меняют цены, промо влияют на скидки, логистика дорожает. Параметры должны обновляться по понятному процессу, а не оставаться цифрой из старой таблицы.

Как тестировать без иллюзий

Я бы не начинал с переноса всего бюджета в новую стратегию. Корректнее выделить сопоставимый сегмент: отдельную категорию товаров, кампанию или часть географии. Затем зафиксировать период сравнения и набор метрик.

Смотреть стоит не только на прибыль, но и на сопутствующие показатели: объём заказов, выручку, рекламные расходы, маржинальную прибыль после переменных затрат, долю отмен и возвратов. Иначе можно получить красивый результат за счёт резкого сокращения объёма: алгоритм выберет лишь самые очевидно выгодные продажи, а бизнес потеряет потенциал роста.

Важно отделять влияние стратегии от сезонности, акций, изменения цен и ассортимента. Если тест проходит во время распродажи или смены условий доставки, выводы без контрольной группы будут спорными.

Заявленные Яндексом более 1,5 млрд рублей суммарного дохода рекламодателей за период тестирования — сильный сигнал интереса к подходу. Но для конкретного бизнеса эта цифра не является гарантией эффекта. Итог зависит от качества данных, структуры спроса, уровня маржинальности и того, насколько корректно компания считает экономику заказа.

Практический вывод

«Максимум прибыли» — не замена маркетологу или финансовой модели. Это инструмент, который может приблизить рекламную оптимизацию к реальным целям бизнеса.

Для новичков в рекламе он действительно может оказаться полезнее бесконечной ручной погони за дешёвыми кликами. Но новичку сначала нужно ответить на простой вопрос: сколько компания зарабатывает на каждом типе заказа после переменных расходов?

Если ответ есть, данные передаются стабильно, а результаты можно проверить в CRM или аналитике — стратегию стоит тестировать. Если ответа нет, начинать надо не с настройки кампании, а с юнит-экономики. Реклама, как обычно, лишь очень честно масштабирует то, что уже есть.