Всем привет! Меня зовут Яна Ляшенко, я — Google-логист. Сегодня хочу разобрать один из кейсов нашей команды. Сразу скажу: этот материал скорее для тех, кто любит копаться в цифрах, разбираться в аналитике и докапываться до сути — почему Performance Max выдает именно такие результаты, а не другие. Впрочем, если Вы просто ищете свежие идеи для своих рекламных кампаний — тоже наверняка найдете здесь что-то полезное.
Формат будет непривычный. Я не буду хвастаться космическими показателями и рисовать красивые графики роста. Вместо этого хочу на конкретном примере показать, что действия специалиста в рекламном аккаунте — это не набор случайных экспериментов и не проверка рандомных гипотез «а вдруг сработает». За каждым решением стоит логика и аргументация, подкрепленная данными.
И вот почему это важно. В нише автотоваров среди некоторых специалистов бытует мнение: мол, хороший результат — это просто удача или сезонный всплеск спроса. Дескать, пришел сезон — продажи пошли, ушел — упали, а специалист тут ни при чем. Этим кейсом я хочу показать обратное: как конкретные действия в аккаунте напрямую коррелируют с результатом, и что далеко не всё списывается на сезонность или случайность.
Сколько звонков и продаж я получу заказав у Вас контекстную рекламу?
Основной отрезок для анализа — примерно с пятого числа и далее. Это тот этап, когда аккаунт уже прошел первые тесты и начал работать более стабильно. Точка отсчета — 17-е число: именно тогда мы запустили новые кампании, внесли ключевые корректировки и фактически начали полноценное сопровождение проекта. Поэтому все сравнения буду делать относительно этой даты.
Какие покупки фиксировались для статистики?
В этом проекте мы отслеживали покупки — и тут есть важный нюанс, какие именно. До начала нашего сопровождения в аккаунте использовалась цель purchase из Google Analytics 4 (GA4). Она объединяла в себе сразу два типа заказов: оформление через корзину и покупку в один клик. Логика понятна — и там, и там приходит хороший объем заказов, поэтому их решили считать вместе, одной конверсией.
Но именно на этом кейсе я хочу показать, в чем слабое место такого подхода — почему конверсия из GA4 работает хуже, чем отдельный тег покупки. И что интересно: даже при тех видоизмененных моделях атрибуции, которые сейчас используются, переход на тег покупки дает заметный положительный эффект — в том числе на ту же самую цель purchase из четвертой аналитики. Дальше покажу это на цифрах.
Мы отдельно настроили фиксацию покупки через корзину и покупки в один клик — специально чтобы разделить эти потоки и видеть статистику по каждому из них. Для обеих целей подключили РВК (расширенное отслеживание конверсий), что дает более точные данные для оптимизации.
Краткий обзор периодов работы клиента и сопровождения
Теперь давайте пройдемся по хронологии — показываю на реальных данных, чтобы Вы не подумали, что я рисую красивые цифры из головы.
Общая средняя цена за конверсию за весь рассматриваемый период — 2,76 тыс. грн. Если посмотреть на график, до определенного момента у клиента всё шло достаточно ровно: конверсии держались стабильно, без серьезных провалов. Средняя целевая цена за конверсию колебалась в пределах 100–136 грн. — где-то 113, где-то 125, иногда опускалась до 100 грн. Вполне рабочие показатели.
Потом клиент попробовал что-то поменять самостоятельно — и начался хаос. На графике это четко видно: данные поплыли, структура нарушилась. И вот после этого стартовало наше сопровождение.
На старте мы запустились с ценой за конверсию, примерно сопоставимой с теми начальными периодами. При этом конверсий в штуках получили чуть больше. Попробовали сделать так называемый «прострел» — агрессивный тест на масштабирование — но он оказался неэффективным, что хорошо видно по графику. В том периоде мы получили 45 purchase, а для сравнения: в одном из ранних стабильных отрезков их было 44, но сейчас — ощутимо дешевле.
Дальше ситуация выровнялась, пошел еще один прострел, и на текущий момент данные стабилизировались — показатели выходят на отличный уровень.
И вот что важно: те 50 конверсий (sales), которые Вы видите в последнем периоде — это полноценные, «целые» конверсии. Не дробные значения вроде 0,3 или 0,7, которые были раньше.
Откуда брались эти «половинчатые» конверсии? Это особенность учета через GA4: четвертая аналитика распределяет ценность конверсии между несколькими каналами по своей модели атрибуции, и в итоге Вы видите не 1 конверсию, а, скажем, 0,4 здесь и 0,6 там. С тегом покупки такой проблемы нет — одна покупка = одна конверсия. В чем именно заключалась проблема этих дробных конверсий и как она влияла на оптимизацию — расскажу дальше.
Эффект от работы четвертой аналитики
Базовый анализ результатов я строю на данных именно из Google Analytics 4 — и вот почему. Цель purchase из четвертой аналитики — единственная, которая существовала в аккаунте непрерывно, из месяца в месяц. Поэтому только по ней можно корректно сравнивать периоды между собой. Я зафиксировала эти данные в столбце «All Conversions» (Все конверсии).
Какие периоды сравниваем? Первый — с 15.05 по 16.06, второй — с 17.06 по 19.07. Причем 19.07 — это еще незавершенный отрезок, поэтому полностью на него опираться не стоит, но общую картину он дополняет.
Что мы видим по цифрам? Рост конверсий purchase заметный, а цена за конверсию в новом периоде вышла ощутимо дешевле. И это мы смотрим только на purchase из GA4 — если добавить сюда покупку в один клик (которую, кстати, мы переделали и поправили, чтобы она корректно срабатывала) и тег покупки, картина становится еще интереснее.
Если просуммировать все эти цели, общее количество конверсий получится чуть больше, чем показывает отдельно purchase. Но в реальности у клиента заказов было значительно больше, чем фиксировала аналитика. «Грязных» конверсий по факту набегало прилично, а чистовых — порядка 1 500 штук на момент до 14 июля. Я же показываю данные до 18-го числа — специально чтобы Вы увидели, как всё это влияет на общую картину. Дальше объясню подробнее.
Настройка расширенного отслеживания, тега покупки и стабилизация затухания
Какие задачи стояли перед нами на старте? Первое — настроить расширенное отслеживание конверсий и тег покупки, чтобы данные передавались корректно и Performance Max получал максимум «начинки» для обучения. Второе — остановить затухание результатов, которое началось еще до нашего сопровождения. То есть это не мы что-то сломали — пригасание шло уже на момент передачи аккаунта.
Выглядело это так: количество конверсий проседало, в какой-то момент их оставалось всего 12 за период, цена за конверсию резко взлетала — и дальше эти «качели» только усиливались.
Что могло вызвать такое затухание? Причин бывает несколько, и часто они накладываются друг на друга. Например, кликов в аккаунте хватало, но машинное моделирование конверсий на этом конкретном проекте работало некорректно. Возможно, подводила и сама GA4 — Google постоянно её дорабатывает, и в процессе она может давать сбои. Плюс четвертая аналитика в принципе не всегда подходит для точного отслеживания и масштабирования результатов в большинстве аккаунтов.
Как проверить, что проблема действительно в этом? Я собрала специальный отчет в редакторе отчетов Google Ads. Структура простая: взяла «Действие-конверсия», идентификатор товарной позиции (Item ID), разбила данные по дням и отфильтровала только purchase из всех конверсий. Период для сравнения уравняла: 15.05–14.06 против 17.06–18.07 — примерно одинаковые по длительности отрезки.
Почему показываю именно на purchase? Потому что на теге покупки эта разница не так бросается в глаза. Зато видно другое — насколько позитивно грамотная работа с рекламными кампаниями влияет на общий результат. GA4 «не замечает» многие кросс-сейлы и сопутствующие заказы, а тег покупки их фиксирует. Именно поэтому он остается лучшим видом конверсии для Performance Max — и дает значительно больше полезной аналитики для принятия решений.
На момент записи у нас был всего месяц сопровождения. За этот месяц мы попытались достаточно агрессивно пробить накопившиеся проблемы. Получается не всегда с первого раза — но чем дольше ведешь аккаунт, тем стабильнее результат.
И вот что важно понимать: колебания и скачки в рекламных кампаниях Google — это норма. Рекламный инструмент Google не статичен, он меняется постоянно. И «постоянно» — это не раз в полгода или раз в год. Это очень частые обновления.
Одну только политику проверок в Google Merchant Center меняют примерно раз в квартал, а то и чаще — не удивлюсь, если раз в месяц. Что уж говорить о самих рекламных алгоритмах, в которые вшит искусственный интеллект? Поэтому к регулярным корректировкам нужно быть готовым — это часть работы, а не исключение.
Давайте разберемся с ключевой проблемой, на которую хочу обратить Ваше внимание. Модель атрибуции Google Analytics 4 — это то, что часто мешает Performance Max работать в полную силу. Даже если Вы, казалось бы, всё настроили правильно.
К слову, 12 июля в аккаунте клиента была выставлена модель атрибуции «последний клик» только для платных каналов. Но даже этого оказалось недостаточно, чтобы Перформанс на базе четвертой аналитики отрабатывал корректно. Притом, что в аккаунте работали исключительно кампании Performance Max — никаких других типов.
Как выявить реальное количество заказов?
Чтобы показать Вам, сколько полноценных заказов на самом деле генерирует Перформанс, я сформировала отчет за предыдущий период. Задача — увидеть реальную картину, а не ту, которую рисует GA4 со своими дробными конверсиями.
Что я сделала? Взяла отчет по Item ID, отфильтровала только purchase и поставила условие «больше одной конверсии» по каждой товарной позиции. Такой фильтр Вы легко можете воспроизвести у себя в аккаунте и проверить. По сути, это отсев так называемых «нелонгтейлов» — товаров, которые стабильно продаются и делают больше одной конверсии за период.
Что получилось в старом периоде (до нашего сопровождения)? С фильтром «больше одной конверсии» — 725,56 конверсий. Да, здесь всё ещё присутствуют эти половинчатые значения от GA4, и их действительно много. Если снять фильтр полностью, система показывает уже 887 конверсий. Разница между 887 и 725 — это 162 конверсии, которые система приплюсовала как положительный результат, хотя по факту это «шум» от дробной атрибуции.
В предыдущих периодах кампании работали на совершенно других механиках — другая модель, другой подход к масштабированию и корректировкам. Наша задача была: попробовать масштабировать рекламные кампании в рамках существующих KPI, нарастить объем в штуках и выйти на более крупные цифры, от которых можно отталкиваться в дальнейшей работе.
Теперь применяю тот же фильтр — «больше одной конверсии», та же цель purchase — но уже к новому периоду, когда кампании работали по обновленной схеме. Результат: 1 149 конверсий (даже с учетом половинок). При этом самих половинчатых значений стало заметно меньше — это уже говорит о том, что данные стали чище.
А теперь простая арифметика. Было 725 конверсий, стало 1 149. Делим 725 на 1 149, получаем примерно 63%. Значит, прирост составил около 36,6%. И это — по тем же правилам отбора, с теми же половинками, но на товарных позициях, которые показывают стабильность из периода к периоду.
Вот что интересно: если смотреть на общие цифры в интерфейсе рекламного аккаунта, рост выглядит как скромные 27%. Но в реальности, когда копаешь глубже и анализируешь по товарным позициям, — он минимум 35%, а то и больше. Четвертая аналитика попросту «размазывает» результат своей моделью атрибуции, и Вы не видите полной картины.
Для корректного сравнения я уравняла периоды: 15.05–14.06 (до сопровождения) и 17.06–18.07 (после запуска новых кампаний). Небольшое смещение в один-два дня допускается — главное, чтобы отрезки были примерно одинаковыми по длительности. Именно на таком сравнении и строится объективная оценка эффективности Performance Max в этом проекте.
Сравнение результата в цене за конверсию
Теперь самое интересное — давайте посчитаем, во сколько реально обошлась каждая конверсия. Ведь рост в штуках — это здорово, но без привязки к затратам картина неполная.
Сколько звонков и продаж я получу заказав у Вас контекстную рекламу?
Берем данные по расходам (costs) и конверсиям за оба периода. Важный момент: расходы — это фактические деньги, потраченные на рекламу, модель атрибуции на них никак не влияет. Сколько списал Google Ads — столько и ушло, тут без дробных значений и хитростей.
Считаем по старому периоду (до сопровождения): расход составил 104 447,42 грн., конверсий (тех самых «нелонгтейлов» с фильтром больше одной) — 725 штук. Делим: 104 447 / 725 = 144 грн. за конверсию. Запоминаем эту цифру.
Теперь новый период (после перестройки кампаний): расход — 135 757 грн., конверсий — 1 149. Делим: 135 757 / 1 149 = 118 грн. за конверсию.
Сравниваем: 118 / 144 = 0,82. Минус один — получаем снижение цены за конверсию на 18%. И это при том, что сам объем конверсий вырос на 35%.
Весь этот расчет я провела исключительно по purchase из GA4 — без учета тега покупки, который в предыдущих периодах ещё не был настроен. Поэтому по тегу такое сравнение просто невозможно сделать. Но даже на данных четвертой аналитики с её половинчатыми конверсиями видно: штуки выросли на 35%, а цена за конверсию при этом упала.
Понимаю, что анализ выглядит достаточно простым, и где-то цифры не идеально ровные. Но результат от этого не менее показательный. Тем более учтите: в новом периоде были те самые «прострелы» — агрессивные попытки масштабирования, когда цена за конверсию временно подскакивала, а потом её приходилось спускать обратно. Несмотря на эти скачки, итоговая средняя всё равно вышла дешевле.
Если посмотреть на стабильный отрезок — примерно с 5-го по 6-е июля и далее — там цена за конверсию выровнялась до 109 грн., что практически совпадает с лучшими значениями из ранних периодов. И вот что ещё бросается в глаза: конверсии в этом отрезке пошли более «целыми» числами — 36, 39, 40, 50 штук.
Для сравнения: раньше постоянно встречались дробные значения вроде 0,4 или 0,7 — это следствие модели атрибуции GA4 и того, как она «размазывала» покупки в один клик между каналами. А сейчас, например, на 18-е число зафиксировано ровно 50 конверсий — чистых, полноценных. Это лишний раз подтверждает, что переход на тег покупки и разделение целей дают Performance Max гораздо более точные сигналы для оптимизации рекламных кампаний.
В чём недостаток четвертой аналитики?
Несмотря на то, что весь предыдущий анализ я строила на данных Google Analytics 4, у неё есть серьёзный изъян, о котором нужно знать. Сейчас покажу на конкретном примере, что именно четвертая аналитика упускает из виду — и почему тег покупки Google справляется с этой задачей значительно лучше.
Для начала нам понадобится отчёт по кросс-сейлам. Сформировать его несложно: заходите в редактор отчётов Google Ads, находите блок, который называется примерно «Шопинг — товары проданные» (Shopping — Products Sold), открываете его. Я убираю колонку «Product Title», чтобы не загромождать экран — нам важнее идентификаторы товаров, а не их названия.
К сожалению, сравнить этот отчёт с периодом до начала нашей работы не получится. Причина банальная: в предыдущие периоды идентификаторы товаров в аккаунте не подсвечивались и не передавались. Если выбрать старые даты — колонка с Item ID просто пустая. Поэтому работаем с тем, что есть: период 21.06–18.07.
Представьте ситуацию: человек кликнул на рекламу масляного фильтра, перешёл на сайт и в итоге купил не только фильтр, но ещё и тормозные колодки. Колодки в этом случае — кросс-сейл. Клик был по одному товару, а продался ещё и другой.
Так вот, тег покупки в Google Ads видит и фиксирует этот кросс-сейл. Он записывает: «по этой товарной позиции была продажа», пусть даже клик изначально шёл через совершенно другой товар. И — что критично — использует эту информацию для дальнейшей оптимизации рекламных кампаний Performance Max.
А теперь проверим, что покажет четвертая аналитика. Беру конкретный пример: товарная позиция с идентификатором 14179. В отчёте Google Ads по кросс-сейлам она присутствует — видно, что по ней была продажа. Но если я обращусь к GA4 и попробую найти этот же идентификатор за тот же период — конверсий по нему нет вообще. Ноль. Даже половинчатых.
Пробую через редактор отчётов аналитики: снимаю все фильтры, ввожу ID 14179, применяю — и снова пусто. GA4 этой продажи просто не видит.
Идём дальше. Добавляю в отчёт Google Ads разбивку по дням (параметр «Day»), нахожу эту товарную позицию и вижу: кросс-сейл произошёл 26 июня. А в аналитике за это число — ничего. Продажа была, деньги клиент получил, но GA4 об этом даже не подозревает.
В этом и кроется принципиальная разница. Тег покупки фиксирует реальную картину продаж — включая все сопутствующие товары, которые были куплены вместе с рекламируемым. Четвертая аналитика этого не умеет: она привязывается к модели атрибуции и учитывает только прямые продажи по тем позициям, на которые был клик. Всё, что продалось «в довесок», для неё как будто не существует.
И вот что это означает на практике: когда Вы используете purchase из GA4 как основную цель для Performance Max, алгоритм получает неполные данные. Он не знает о части реальных продаж, а значит — не может корректно оптимизироваться. Тег покупки решает эту проблему: он передаёт Перформансу полную информацию, включая кросс-сейлы, и алгоритм может принимать более точные решения о том, на какие товары и аудитории делать ставку.
Почему необходимо вести правильную работу в аккаунте?
Именно поэтому, когда специалисты советуют переходить с четвертой аналитики на тег покупки — они правы. Но сам по себе переход не даст результата, если параллельно не ведётся грамотная работа в рекламном аккаунте Google Ads.
Возможно, это прозвучит нескромно, но я не могу не подчеркнуть: результат, который Вы видите в этом кейсе, сделан руками команды. Не алгоритмом, не сезонностью, не удачным стечением обстоятельств. За каждой цифрой стоит конкретная работа: корректировки ставок, изменение структуры кампаний, исключение нерелевантного трафика, фильтрация поисковых запросов, правильная структура Google Shopping — десятки факторов, которые в сумме определяют, какой «начинкой» Вы кормите свой Performance Max.
На первый взгляд может показаться, что результат появился как бы сам собой. Сначала базовый уровень, потом один скачок, второй — и вот уже вырисовывается положительная динамика. Но за каждым из этих скачков стоит конкретное действие в аккаунте.
Чтобы это не выглядело голословным утверждением, давайте сравним конкретные периоды. Беру отрезок 5–18 июля — это этап после внесения основных корректировок, когда кампании выходили на стабилизацию. И сравниваю его с аналогичным отрезком в мае (5–18 мая), потому что в мае ещё не было тех перебивок и хаотичных изменений, которые случились позже.
Чтобы сравнение было честным, считаю только по purchase из GA4 — без тега покупки, по старой модели. Ставлю фильтр «больше или равно единице» — получаю 410 конверсий за июльский период (даже с половинками). Если снять фильтр полностью — система покажет 487. А если отдельно отфильтровать дробные значения (меньше или равно 0,99) — увидим все эти 0,5, 0,02, 0,3, которые в сумме дают 72 «конверсии». По факту это шум от модели атрибуции, а реальных продаж — 410.
Кстати, я специально показываю всё пошагово, чтобы Вы могли воспроизвести этот же анализ в своём аккаунте и проверить.
Теперь самое показательное — расходы за те же периоды:
Май (5–18 мая): расход — 54 472 грн., конверсий — 410. Цена за конверсию: 54 472 / 410 = 132 грн. И это «грязная» цифра — реальная стоимость наверняка ещё выше, потому что среди этих 410 есть половинчатые значения.
Июль (5–18 июля): расход — 43 893 грн., конверсий — 465. Цена за конверсию: 43 893 / 465 = 94 грн. Тоже с половинками, но их здесь значительно меньше.
Итого: расход снизился, конверсий стало больше, а цена за конверсию упала со 132 до 94 грн. И это — на одних и тех же данных четвертой аналитики, по одним и тем же правилам подсчёта. Разница не в методике, а в том, как именно велась настройка и оптимизация рекламных кампаний в этот период.
Анализ результатов корректировок
Даже если взять этот относительно стабильный отрезок — после всех тестов и правок — нужно понимать: за четыре недели сопровождения сделать резкий, взрывной скачок результатов крайне сложно. Да, когда накопилось достаточно аналитики, можно попробовать «пробить потолок» агрессивным масштабированием. Но, как мы уже видели, такие попытки не всегда заканчиваются успехом.
Что произошло на практике? В районе 5 мая клики просели, стоимость конверсии полезла вверх — и пришлось откатываться на предыдущие параметры. Набраться терпения, дождаться стабилизации и вносить уже совсем другие правки — более аккуратные, точечные.
Важно! Для сравнения я намеренно выбрала не самый удачный кусок, а именно стабильный. Не стала захватывать 19-е число, когда цена за конверсию снова подскакивала. Взяла плюс-минус ровный отрезок — и даже на нём вышло 132 грн. с учётом половинчатых конверсий. А в июльском периоде стабилизации — 94 грн.
Теперь считаем разницу: 94 / 132 = 0,71. То есть снижение цены за конверсию составило около 30%. Для сравнения: когда я анализировала общий период целиком (с 17-го числа и за предыдущие четыре недели), снижение было 18%. А здесь, на более чистом стабильном отрезке, — уже 30%. И это даже с учётом промежуточных значений по 109 и 139 грн., которые встречались внутри периода. Я специально сравнивала с тем майским отрезком, который выглядел вполне прилично — не с худшим, а с нормальным рабочим уровнем.
Выводы
Главная цель этого кейса — показать, что в рекламе Google Ads и работе Performance Max нет случайностей. Да, существуют факторы, на которые специалист не влияет напрямую. Сезонность, колебания спроса на определённые категории товаров — всё это, безусловно, сказывается на общей динамике, как в плюс, так и в минус.
Но посмотрите на этот аккаунт: здесь нет резких провалов, когда конверсии внезапно обвалились в ноль. Набор идёт плавно — постепенно растёт количество конверсий, стабилизируется цена. Чтобы увидеть это в равных пропорциях, возьмём, к примеру, неполную неделю с 13-го по 18-е число. Здесь зафиксировано 202 конверсии (purchase — для скептиков уточняю: да, именно purchase, можно проверить в столбце Conversions). И цена за конверсию — 98,19 грн.
Вот так выглядит период стабилизации, когда специалист понимает, с какими данными он работает. Причём аналитика в Google Ads — штука не мгновенная. Нельзя посмотреть на сегодняшние цифры и делать выводы: сегодня конверсий может быть заметно меньше, а послезавтра, когда данные «дотянутся», за те же дни Вы увидите совсем другую, гораздо более полную картину. Грамотный специалист это знает и умеет с этим работать — не паникует из-за временных просадок и не принимает поспешных решений на основе неполных данных.
Вот такой кейс хотелось Вам продемонстрировать. Не про космические цифры и красивые скриншоты, а про то, что настройка Performance Max для автотоваров — это системная работа, где каждое действие имеет обоснование, каждая корректировка опирается на аналитику, а результат — следствие экспертизы, а не везения.
