Если Вы хоть раз настраивали кампанию Google Performance Max (PMax), то наверняка знаете это чувство. Вы загружаете креативы, указываете бюджет, нажимаете «Запустить» — и дальше просто смотрите на цифры, пытаясь разгадать, что же на самом деле делает система.
Но представьте, что Вы можете заглянуть под капот этого «черного ящика». Представьте, что Вы понимаете, как думает искусственный интеллект PMax, — так же, как мы учимся правильно формулировать запросы к ChatGPT, чтобы получать более точные ответы.
В этой статье мы разберем четыре ключевых принципа работы AI в рекламе, о которых Google не пишет в своей документации. Это не перечень официальных рекомендаций, а практическая модель мышления. Она поможет Вам перестать просто наблюдать за кампанией и начать целенаправленно обучать Ваш рекламный алгоритм.
Сколько звонков и продаж я получу заказав у Вас контекстную рекламу?
Например, вместо того чтобы гадать, почему CTR упал на третий день, Вы сможете предсказать, как система отреагирует на изменение аудитории или добавление новых изображений. Это как перейти от роли пассажира к роли пилота — технически автопилот все еще работает, но теперь Вы понимаете его логику.
Как AI видит Вашу рекламу?
Чтобы понять логику искусственного интеллекта в PMax, стоит забыть о сложных маркетинговых терминах. На самом деле система мыслит предельно просто — в формате бинарных меток:
1 — конверсия состоялась. Это «хорошо». К каждой такой единичке привязана ее ценность (value).
Ключевой момент: AI не понимает Ваших бизнес-реалий — маржинальности, себестоимости, сезонности спроса. Его врожденная цель — собрать максимум «единиц» с наивысшей совокупной ценностью. Ограничения типа Target ROAS, которые Вы задаете, — это внешние рамки, а не внутренняя мотивация алгоритма.
Представьте собаку, которую научили приносить мячики. Она будет тащить все мячики подряд — большие, маленькие, грязные, чужие. Ей все равно, нужен ли Вам именно этот мяч. Ее задача — принести как можно больше.
Точно так же работает машинное обучение в рекламе. Без четких ограничений по ROAS кампания может генерировать десятки конверсий, которые выглядят прекрасно в отчетах, но на самом деле съедают Вашу прибыль. Система просто выполняет базовую задачу — собирает «единицы с наибольшим value», несмотря на то, имеет ли это смысл для Вашего бизнеса.
Практический совет: всегда устанавливайте Target ROAS или Target CPA с первого дня кампании. Это не опция для опытных — это обязательный поводок для алгоритма, который иначе будет оптимизировать по своим правилам, а не по вашим.
PMax не стартует с нуля, а использует предыдущий опыт
Многие рекламодатели считают, что новая кампания Performance Max — это tabula rasa, чистый лист. Мол, система «слепая» и должна учиться с нуля именно на Ваших данных. На самом деле все работает иначе.
Каждая новая кампания опирается на так называемый глобальный притренинг — колоссальную базу знаний Google, сформированную на миллиардах аукционов, кликов и поведенческих паттернов пользователей со всего мира. Это как нанять нового менеджера по продажам, который уже 10 лет работает в индустрии. Да, он не знает специфики именно Вашего бизнеса, но общие закономерности рынка ему известны.
Контринтуитивный вывод: Ваша новая кампания никогда не бывает «тупой». У нее уже есть разумная стартовая гипотеза о том, кому показывать рекламу, — даже если в аккаунте нулевая история.
Это разрушает популярный миф о необходимости «прогрева». Некоторые советуют сначала запустить обычные торговые кампании, собрать данные, а уже потом переходить на PMax. Но благодаря притренингу система уже знает:
Покупатель дорогой электроники в Германии обычно сравнивает цены за несколько дней до покупки.
Клиент, который ищет недорогой товар в Украине, чаще принимает решение импульсивно.
Пользователи мобильных устройств конвертируются иначе, чем десктопные.
Практический пример: представьте, что Вы запускаете интернет-магазин спортивного питания. Даже без единой предварительной конверсии в Вашем аккаунте алгоритм Google Ads уже «понимает», что типичный покупатель протеина — это мужчина 20–35 лет, который интересуется фитнесом, посещает YouTube-каналы о тренировках и часто делает покупки вечером после работы.
Performance Max — это не примитивный рекламный инструмент. Да, по сути это огромный калькулятор. Но калькулятор, который в режиме реального времени выполняет за Вас тысячи операций: анализирует аудитории, тестирует креативы, распределяет бюджет между каналами, корректирует ставки на каждом аукционе.
Совет: не тратьте недели на «прогрев» аккаунта перед запуском PMax. Лучше инвестируйте это время в качественные креативы и правильную настройку конверсий — именно это поможет алгоритму быстрее адаптировать глобальные знания под Ваш конкретный бизнес.
Ваши настройки — это «промт» для искусственного интеллекта
Если Вы работали с ChatGPT, то знаете: качество ответа напрямую зависит от качества запроса. Размытый промт — размытый ответ. Четкий, детализированный промт — точный результат.
С Performance Max все работает так же. Ваши настройки в рекламном кабинете — это не просто технические параметры. Это полноценный промт для AI, набор инструкций, которые определяют поведение алгоритма. И чем точнее Вы сформулируете этот промт, тем лучшие результаты получите.
Вот важные элементы Вашего «рекламного промта»:
Цели конверсии и их ценность
Это главная инструкция для системы. Вы буквально говорите алгоритму: «Вот что я считаю успехом, и вот сколько этот успех для меня стоит». Если вы настроили отслеживание покупок с передачей реальной стоимости заказов — система будет понимать, что заказ на 5 000 грн ценнее заказа на 500 грн. Если же все конверсии имеют одинаковую ценность — алгоритм будет оптимизировать просто по количеству, игнорируя вашу реальную выручку.
Сколько звонков и продаж я получу заказав у Вас контекстную рекламу?
Это Ваши бизнес-рамки, своего рода фильтр. Вы говорите системе: «Ищи мне конверсии, но только те, которые вписываются в эти показатели рентабельности». Без этого фильтра алгоритм будет участвовать в любых аукционах, где видит шанс на конверсию — даже если цена клика съест всю Вашу прибыль.
Товарный фид
Для машинного обучения Google фид — это не просто список товаров. Это словарь, которым система описывает Ваше предложение. Сравните два подхода:
Плохой фид: «Кроссовки мужские черные».
Хороший фид: «Кроссовки мужские Nike Air Max 90, черные, кожа, размер 42, для бега, артикул NM90-BLK-42».
Первый вариант — это как попросить ChatGPT «напиши что-нибудь о маркетинге». Второй — как дать подробное техническое задание со всеми входными данными. Более того, во время аукциона система сравнивает ваш фид с фидами конкурентов. Более подробное описание = более высокая оценка качества = преимущество в показах.
Структура кампаний и геотаргетинг
Это не просто удобный способ организовать аккаунт. Это стратегический инструмент, который в машинном обучении называют декомпозицией задачи (task decomposition). Вместо одной большой задачи «продай все всем» вы создаете несколько меньших: «продай электронику в Киеве», «продай одежду во Львове». Каждая кампания становится отдельным контейнером обучения с собственным чистым набором данных. Результат — более точные прогнозы и более стабильная оптимизация.
Практический пример: представьте интернет-магазин, который продает и бюджетные аксессуары, и премиальную технику в одной кампании PMax. Алгоритм получает противоречивые сигналы: то конверсия за 50 грн, то за 15 000 грн. Поведение покупателей кардинально разное, но система пытается найти «средний» паттерн. Результат — посредственная эффективность для обеих категорий. Разделите их на отдельные кампании — и каждая модель научится на релевантных данных.
Совет: относитесь к настройкам PMax как к брифу для подрядчика. Чем подробнее Вы опишете, чего хотите, кому продаете и что именно предлагаете — тем меньше шансов, что алгоритм «додумает» что-то по своему усмотрению.
Performance Max создает персональную модель AI специально для Вашего магазина
Глобальная база знаний Google — это только отправная точка. Настоящая магия начинается на этапе локального файнтюнинга. Это процесс, во время которого общая модель адаптируется к уникальным данным именно Вашего рекламного аккаунта.
Представьте, что Вы только что наняли опытного продавца из другой компании. Он знает рынок в целом, понимает психологию покупателей, владеет техниками продаж. Но ему нужно время, чтобы изучить именно Ваш ассортимент, Вашу ценовую политику, Вашу типичную аудиторию. Через месяц-два он уже будет знать, какой товар предложить конкретному клиенту еще до того, как тот озвучит потребность.
Файнтюнинг в PMax работает по тому же принципу. Система анализирует тысячи Ваших уникальных «единиц» и «нулей», чтобы понять закономерности:
Какие товары чаще всего покупают вместе?
В какое время ваша аудитория наиболее активна?
Какие креативы вызывают наибольшее доверие именно у Ваших покупателей?
С каких устройств приходят самые прибыльные заказы?
Если Вы долго общаетесь со своим профилем в ChatGPT или Claude, то замечаете: система начинает подстраиваться под Ваш стиль, запоминает контекст, предлагает более релевантные ответы. С персонализацией рекламы в Google происходит то же самое — только вместо текста алгоритм изучает поведение Ваших покупателей.
Почему это важно на практике? Вот ответ на распространенный вопрос: «Почему у моего конкурента с такими же настройками кампания работает лучше?» Дело в том, что каждый рекламный кабинет со временем развивает собственную уникальную AI-модель. Два магазина с идентичными товарами, бюджетами и Target ROAS будут иметь разные результаты, потому что их модели обучались на разных данных.
Практический пример: два интернет-магазина продают одинаковые кроссовки Nike. Первый работает три года, имеет тысячи конверсий и подробную историю поведения покупателей. Второй только что запустился. Даже с идентичными настройками первый магазин получит лучшие результаты — его модель машинного обучения уже «знает», что покупатели кроссовок в этом регионе обычно сравнивают три-четыре варианта, покупают преимущественно вечером и часто возвращаются за носками через неделю.
Именно поэтому Google рекомендует собрать 30–50 конверсий перед оценкой эффективности кампании. Это минимальная выборка, чтобы алгоритм начал строить персонализированную модель для Вашего бизнеса. До этого момента система в основном опирается на глобальные данные, а не на Вашу специфику.
Совет: не вносите радикальных изменений в кампанию, пока не наберется хотя бы 50 конверсий. Каждая существенная корректировка — изменение стратегии ставок, добавление новых групп объектов, резкое изменение бюджета — перезапускает процесс обучения. Вы фактически заставляете алгоритм начинать файнтюнинг заново, теряя накопленный опыт.
Заключение
Performance Max — это не магический «черный ящик», результаты которого невозможно предсказать. Это сложная AI-система для рекламы, которую можно и нужно сознательно обучать. Когда Вы понимаете принципы ее работы, Вы перестаете быть пассивным наблюдателем и становитесь активным тренером алгоритма.
Вместо вопроса «Почему PMax так поступил?» вы начинаете задавать другой: «Что я должен изменить, чтобы он поступил иначе?»
Ваши инструменты для этого обучения:
Настройка конверсий — чтобы система понимала, что именно Вы считаете успехом.
Качество товарного фида — чтобы алгоритм точно знал, что Вы продаете.
Структура кампаний — чтобы каждая модель училась на чистых, релевантных данных.
Четкие бизнес-цели (Target ROAS/CPA) — чтобы система искала не любые конверсии, а прибыльные.
Каждое изменение в настройках — это новый промт, который корректирует поведение модели. Вы больше не боретесь с алгоритмом, а направляете его в нужном направлении.
Практический вызов: теперь, когда Вы понимаете, как думает AI, задайте себе вопрос — какой один «промт» в Вашем рекламном кабинете Вы измените уже сегодня? Возможно, это будет детализация фида, разделение кампаний по категориям или корректировка целевого ROAS. Начните с малого — и наблюдайте, как система реагирует на Ваши новые инструкции.
