Рекомендательные технологии Директа повысили конверсионность рекламы
new

⭐️Курс по настройке рекламы в мессенджере MAX Пройти бесплатно

6341 https://ppc.world/build/resources/img/logo-v2.png Общая конверсионность Директа в среднем выросла на 20–25% Thu, 29 Oct 2026 16:30:00 +0300 ppc.world 160 31 Новость 1

Яндекс: рекомендательные технологии повысили конверсионность рекламы в Директе

За девять месяцев 2026 года конверсионность рекламы в Директе выросла в среднем на 20–25% год к году, сообщили ppc.world в пресс-службе Яндекс Рекламы. Отмечается, что рекламодатели получили больше конверсий при сопоставимых бюджетах благодаря обновлению нейротехнологий.

Что нового

Рост общей конверсионности Яндекс Директа на 20–25%

Причина роста конверсионности продвижения

Обновление рекомендательных систем в рекламе: переход от поэтапной схемы «отбор, затем ранжирование» к сквозной нейросетевой архитектуре, а также внедрение собственных моделей Argus и Gorgona

Что известно о моделях Argus и Gorgona

  • модель Argus учитывает интересы пользователей за последние три года;

  • модель Gorgona прогнозирует конверсии и управляет ставками в реальном времени.

Предыдущая новость

Привычные инструменты Директа снова доступны в eLama

Насколько выросла конверсионность Яндекс Директа

За девять месяцев 2026 года рекламодатели в Директе получили больше конверсий при сопоставимых бюджетах на продвижение, отметила команда Яндекс Рекламы.

«Общая конверсионность Директа в среднем выросла на 20–25% по сравнению с аналогичным периодом прошлого года».

Это совокупная динамика по всем рекламным кампаниям в сервисе. Результаты отдельных кампаний могут различаться в зависимости от ниши, настроек и бюджета, подчеркнули в Яндекс Рекламе.

За счет чего выросла конверсионность в Директе

Рост связывают с нейротехнологиями, которые Яндекс внедрил в рекламную систему. Весь набор нейросетевых моделей продолжает работать и влияет на:

  • подбор аудитории;

  • ранжирование объявлений;

  • итоговую эффективность рекламных кампаний.

Как Яндекс обновил рекомендательные системы в рекламе

В первой половине года Яндекс провел крупное обновление рекомендательных систем в рекламных технологиях:

  • раньше система работала по каскадной схеме — сначала отбирала объявления-кандидаты, а затем ранжировала их;

  • теперь рекомендательные системы используют нейросетевые архитектуры, которые формируют результат сразу для всей сессии пользователя.

«Этот подход соответствует мировому тренду: крупнейшие технологические компании мира в своих рекламных системах переходят сегодня от поэтапных воронок к сквозным архитектурам», — отметили в Яндексе.

В течение года компания поэтапно внедрила в рекламную систему две собственные нейросетевые модели — Argus и Gorgona.

Как работают модели Argus и Gorgona

Модели решают разные задачи и дополняют друг друга. Argus определяет, кому показать объявление, а Gorgona — какие показы с большей вероятностью приведут к покупке и как распределить на них бюджет.

Модель

Когда внедрили

Что делает

Что дает рекламодателю

Argus

В начале 2026 года

Анализирует обезличенную историю интересов и действий пользователей

Более точный подбор аудитории

Gorgona

В июне 2026 года

Оценивает путь пользователя до покупки и прогнозирует, какой показ приведет к конверсии

Управление ставками в реальном времени и более эффективный расход бюджета

Первой в рекламную систему внедрили генеративную модель Argus. Если прежние нейросети опирались на обезличенную историю интересов и действий в интернете за последние недели, то Argus на старте расширила этот период до года. С момента запуска глубина памяти модели выросла втрое — сейчас она учитывает историю за период до трех лет.

Напомним, что в eLama снова доступны привычные инструменты для управления кампаниями в Директе. Можно создавать и редактировать кампании любого типа, запускать, останавливать и архивировать их, регистрировать новые аккаунты и управлять общим счетом.

Возможно, вам будет интересно:

Источник: пресс-служба Яндекс Рекламы

Сообщить об опечатке

Текст, который будет отправлен нашим редакторам: