Якщо Ви хоч раз налаштовували кампанію Google Performance Max (PMax), то напевно знаєте це почуття. Ви завантажуєте креативи, вказуєте бюджет, натискаєте «Запустити» — і далі просто дивитесь на цифри, намагаючись розгадати, що ж насправді робить система.
Але уявіть, що Ви можете заглянути під капот цієї «чорної скриньки». Уявіть, що Ви розумієте, як думає штучний інтелект PMax, — так само, як ми вчимося правильно формулювати запити до ChatGPT, щоб отримувати точніші відповіді.
У цій статті ми розберемо чотири ключові принципи роботи AI в рекламі, про які Google не пише у своїй документації. Це не перелік офіційних рекомендацій, а практична модель мислення. Вона допоможе Вам перестати просто спостерігати за кампанією і почати цілеспрямовано навчати Ваш рекламний алгоритм.
Скільки дзвінків і продажів я отримаю замовивши у Вас контекстну рекламу?
Наприклад, замість того щоб гадати, чому CTR впав на третій день, Ви зможете передбачити, як система відреагує на зміну аудиторії чи додавання нових зображень. Це як перейти від ролі пасажира до ролі пілота — технічно автопілот все ще працює, але тепер Ви розумієте його логіку.
Як AI бачить Вашу рекламу?
Щоб зрозуміти логіку штучного інтелекту в PMax, варто забути про складні маркетингові терміни. Насправді система мислить гранично просто — у форматі бінарних міток:
1 — конверсія відбулася. Це «добре». До кожної такої одинички прив’язана її цінність (value).
Ключовий момент: AI не розуміє Ваших бізнес-реалій — маржинальності, собівартості, сезонності попиту. Його вроджена мета — зібрати максимум «одиничок» із найвищою сукупною цінністю. Обмеження на кшталт Target ROAS, які Ви задаєте, — це зовнішні рамки, а не внутрішня мотивація алгоритму.
Уявіть собаку, якого навчили приносити м’ячики. Він буде тягти всі м’ячики поспіль — великі, маленькі, брудні, чужі. Йому байдуже, чи потрібен Вам саме цей м’яч. Його задача — принести якомога більше.
Так само працює машинне навчання в рекламі. Без чітких обмежень по ROAS кампанія може генерувати десятки конверсій, які виглядають чудово у звітах, але насправді з’їдають Ваш прибуток. Система просто виконує базову задачу — збирає «одинички з найбільшим value», не зважаючи на те, чи має це сенс для Вашого бізнесу.
Практична порада: завжди встановлюйте Target ROAS або Target CPA з першого дня кампанії. Це не опція для досвідчених — це обов’язковий поводок для алгоритму, який інакше оптимізуватиме за власними правилами, а не за Вашими.
PMax не стартує з нуля, а використовує попередній досвід
Багато рекламодавців вважають, що нова кампанія Performance Max — це tabula rasa, чистий аркуш. Мовляв, система «сліпа» і мусить вчитися з нуля саме на Ваших даних. Насправді все працює інакше.
Кожна нова кампанія спирається на так званий глобальний притренінг — колосальну базу знань Google, сформовану на мільярдах аукціонів, кліків і поведінкових патернів користувачів з усього світу. Це як найняти нового менеджера з продажу, який вже 10 років працює в індустрії. Так, він не знає специфіки саме Вашого бізнесу, але загальні закономірності ринку йому відомі.
Контрінтуїтивний висновок: Ваша свіжа кампанія ніколи не буває «тупою». Вона вже має розумну стартову гіпотезу про те, кому показувати рекламу, — навіть якщо в акаунті нульова історія.
Це руйнує популярний міф про необхідність «прогріву». Дехто радить спершу запустити звичайні торгові кампанії, зібрати дані, а вже потім переходити на PMax. Але завдяки притренінгу система вже знає:
Покупець дорогої електроніки в Німеччині зазвичай порівнює ціни кілька днів перед покупкою.
Клієнт, який шукає недорогий товар в Україні, частіше приймає рішення імпульсивно.
Користувачі мобільних пристроїв конвертуються інакше, ніж десктопні.
Практичний приклад: уявіть, що Ви запускаєте інтернет-магазин спортивного харчування. Навіть без жодної попередньої конверсії у Вашому акаунті алгоритм Google Ads вже «розуміє», що типовий покупець протеїну — це чоловік 20–35 років, який цікавиться фітнесом, відвідує YouTube-канали про тренування і часто робить покупки ввечері після роботи.
Performance Max — це не примітивний рекламний інструмент. Так, по суті це величезний калькулятор. Але калькулятор, який в режимі реального часу виконує за Вас тисячі операцій: аналізує аудиторії, тестує креативи, розподіляє бюджет між каналами, коригує ставки на кожному аукціоні.
Порада: не витрачайте тижні на «прогрів» акаунта перед запуском PMax. Краще інвестуйте цей час у якісні креативи та правильне налаштування конверсій — саме це допоможе алгоритму швидше адаптувати глобальні знання під Ваш конкретний бізнес.
Ваші налаштування — це «промт» для штучного інтелекту
Якщо Ви працювали з ChatGPT, то знаєте: якість відповіді напряму залежить від якості запиту. Розмитий промт — розмита відповідь. Чіткий, деталізований промт — точний результат.
З Performance Max усе працює так само. Ваші налаштування в рекламному кабінеті — це не просто технічні параметри. Це повноцінний промт для AI, набір інструкцій, які визначають поведінку алгоритму. І чим точніше Ви сформулюєте цей промт, тим кращі результати отримаєте.
Ось важливі елементи Вашого «рекламного промта»:
Цілі конверсії та їх цінність
Це головна інструкція для системи. Ви буквально кажете алгоритму: «Ось що я вважаю успіхом, і ось скільки цей успіх для мене вартий». Якщо Ви налаштували відстеження покупок із передачею реальної вартості замовлень — система розумітиме, що замовлення на 5 000 грн цінніше за замовлення на 500 грн. Якщо ж усі конверсії мають однакову цінність — алгоритм оптимізуватиме просто на кількість, ігноруючи Вашу реальну виручку.
Скільки дзвінків і продажів я отримаю замовивши у Вас контекстну рекламу?
Це Ваші бізнес-рамки, свого роду фільтр. Ви кажете системі: «Шукай мені конверсії, але тільки ті, які вписуються в ці показники рентабельності». Без цього фільтра алгоритм братиме участь у будь-яких аукціонах, де бачить шанс на конверсію — навіть якщо ціна кліку з’їсть весь Ваш прибуток.
Товарний фід
Для машинного навчання Google фід — це не просто список товарів. Це словник, яким система описує Вашу пропозицію. Порівняйте два підходи:
Поганий фід: «Кросівки чоловічі чорні».
Хороший фід: «Кросівки чоловічі Nike Air Max 90, чорні, шкіра, розмір 42, для бігу, артикул NM90-BLK-42».
Перший варіант — це як попросити ChatGPT «напиши щось про маркетинг». Другий — як дати детальне технічне завдання з усіма вхідними даними. Більше того, під час аукціону система порівнює Ваш фід із фідами конкурентів. Багатший опис = вища оцінка якості = перевага в показах.
Структура кампаній та геотаргетинг
Це не просто зручний спосіб організувати акаунт. Це стратегічний інструмент, який у машинному навчанні називають декомпозицією задачі (task decomposition). Замість однієї великої задачі «продай усе всім» Ви створюєте кілька менших: «продай електроніку в Києві», «продай одяг у Львові». Кожна кампанія стає окремим контейнером навчання з власним чистим набором даних. Результат — точніші прогнози та стабільніша оптимізація.
Практичний приклад: уявіть інтернет-магазин, що продає і бюджетні аксесуари, і преміальну техніку в одній кампанії PMax. Алгоритм отримує суперечливі сигнали: то конверсія за 50 грн, то за 15 000 грн. Поведінка покупців кардинально різна, але система намагається знайти «середній» патерн. Результат — посередня ефективність для обох категорій. Розділіть їх на окремі кампанії — і кожна модель навчиться на релевантних даних.
Порада: ставтеся до налаштувань PMax як до брифу для підрядника. Чим детальніше Ви опишете, чого хочете, кому продаєте і що саме пропонуєте — тим менше шансів, що алгоритм «додумає» щось на власний розсуд.
Performance Max створює персональну модель AI саме для Вашого магазину
Глобальна база знань Google — це лише стартова точка. Справжня магія починається на етапі локального файнтюнінгу. Це процес, під час якого загальна модель адаптується до унікальних даних саме Вашого рекламного акаунта.
Уявіть, що Ви щойно найняли досвідченого продавця з іншої компанії. Він знає ринок загалом, розуміє психологію покупців, володіє техніками продажу. Але йому потрібен час, щоб вивчити саме Ваш асортимент, Вашу цінову політику, Вашу типову аудиторію. Через місяць-два він уже знатиме, який товар запропонувати конкретному клієнту ще до того, як той озвучить потребу.
Файнтюнінг у PMax працює за тим самим принципом. Система аналізує тисячі Ваших унікальних «одиничок» та «нулів», щоб зрозуміти закономірності:
Які товари найчастіше купують разом?
О котрій годині Ваша аудиторія найактивніша?
Які креативи викликають найбільше довіри саме у Ваших покупців?
З яких пристроїв приходять найприбутковіші замовлення?
Якщо Ви довго спілкуєтесь із власним профілем у ChatGPT чи Claude, то помічаєте: система починає підлаштовуватися під Ваш стиль, запам’ятовує контекст, пропонує релевантніші відповіді. З персоналізацією реклами в Google відбувається те саме — тільки замість тексту алгоритм вивчає поведінку Ваших покупців.
Чому це важливо на практиці? Ось відповідь на поширене запитання: «Чому в мого конкурента з такими ж налаштуваннями кампанія працює краще?» Справа в тому, що кожен рекламний кабінет із часом розвиває власну унікальну AI-модель. Два магазини з ідентичними товарами, бюджетами та Target ROAS матимуть різні результати, бо їхні моделі навчалися на різних даних.
Практичний приклад: два інтернет-магазини продають однакові кросівки Nike. Перший працює три роки, має тисячі конверсій і детальну історію поведінки покупців. Другий щойно запустився. Навіть із ідентичними налаштуваннями перший магазин отримає кращі результати — його модель машинного навчання вже «знає», що покупці кросівок у цьому регіоні зазвичай порівнюють три-чотири варіанти, купують переважно ввечері та часто повертаються за шкарпетками через тиждень.
Саме тому Google рекомендує зібрати 30–50 конверсій перед оцінкою ефективності кампанії. Це мінімальна вибірка, щоб алгоритм почав будувати персоналізовану модель для Вашого бізнесу. До цього моменту система переважно спирається на глобальні дані, а не на Вашу специфіку.
Порада: не вносьте радикальних змін у кампанію, поки не набереться хоча б 50 конверсій. Кожне суттєве коригування — зміна стратегії ставок, додавання нових груп об’єктів, різка зміна бюджету — перезапускає процес навчання. Ви фактично змушуєте алгоритм починати файнтюнінг заново, втрачаючи накопичений досвід.
Висновок
Performance Max — це не магічна «чорна скринька», результати якої неможливо передбачити. Це складна AI-система для реклами, яку можна і потрібно свідомо навчати. Коли Ви розумієте принципи її роботи, Ви перестаєте бути пасивним спостерігачем і стаєте активним тренером алгоритму.
Замість питання «Чому PMax це зробив?» Ви починаєте ставити інше: «Що я маю змінити, щоб він діяв інакше?»
Ваші інструменти для цього навчання:
Налаштування конверсій — щоб система розуміла, що саме Ви вважаєте успіхом.
Якість товарного фіда — щоб алгоритм точно знав, що Ви продаєте.
Структура кампаній — щоб кожна модель вчилася на чистих, релевантних даних.
Чіткі бізнес-цілі (Target ROAS/CPA) — щоб система шукала не будь-які конверсії, а прибуткові.
Кожна зміна в налаштуваннях — це новий промт, який коригує поведінку моделі. Ви більше не боретеся з алгоритмом, а спрямовуєте його у потрібному напрямку.
Практичний виклик: тепер, коли Ви розумієте, як думає AI, поставте собі запитання — який один «промт» у Вашому рекламному кабінеті Ви зміните вже сьогодні? Можливо, це буде деталізація фіда, розділення кампаній за категоріями чи коригування цільового ROAS. Почніть із малого — і спостерігайте, як система реагує на Ваші нові інструкції.
