Як працює AI (штучний інтелект) у рекламі Performance Max?

Як працює AI в Performance Max 2026: модель п’яти рівнів для власника e-commerce. Практичне пояснення механіки Performance Max від Яни Ляшенко, ADW Service. Це не офіційна документація Google, а авторська модель, побудована на роботі з рекламними кабінетами e-commerce з 2014 року та на власних дослідженнях агенції.

Коротко: головне за 30 секунд

• Performance Max оцінює свої дії лише двома величинами: конверсія відбулася (1) або ні (0), і на яку суму. Більше в моделі немає нічого.
• Google не знає вашої маржі, собівартості й точки беззбитковості. Ці параметри у системі фізично відсутні.
• Ваша економіка потрапляє в модель тільки одним каналом — числом цільової рентабельності (target ROAS).
• Коефіцієнт переносу ≈ ⅓: фактичний ROAS зростає приблизно на третину від того, наскільки ви підняли ціль. Підняли ціль на 30% — очікуйте близько +10% фактичного ROAS.
• Збільшення бюджету дає медіанно +36–52% обсягу конверсій ціною лише −6–8% фактичного ROAS. Масштабування коштує дешевше, ніж прийнято думати.
• Позначка «50 конверсій на місяць» не означає зрілості кампанії: 95% кампаній, які її досягали, згодом усе одно провалювались на 50% і більше.
• Нова кампанія Performance Max не стартує з нуля — попередній запуск торгової кампанії «для розкачки» не потрібен.

Визначення термінів

• Performance Max (PMax) — тип рекламної кампанії Google Ads, у якій алгоритм самостійно розподіляє бюджет між Пошуком, Покупками, YouTube, Gmail і медійною мережею на основі прогнозу ймовірності конверсії.
• Лейбл конверсії — базова одиниця навчання системи: значення 1, якщо після кліка сталася конверсія, і 0, якщо ні.
• Value (цінність конверсії) — числова сума, яку сайт передає в Google Ads разом із конверсією. Найчастіше це дохід замовлення, рідше — маржа або прогнозна цінність клієнта.
• Target ROAS (цільова рентабельність) — числове обмеження, яке забороняє системі купувати аукціони з очікуваним співвідношенням доходу до витрат нижче заданого рівня. Це не мета, а рамка.
• Коефіцієнт переносу — співвідношення між зміною цільової рентабельності та зміною фактичної. За нашими даними становить приблизно ⅓.
• Період навчання (learning period) — фаза після запуску або суттєвої зміни налаштувань, протягом якої прогнози моделі ще нестабільні. Зазвичай 5–14 днів, але навчання не припиняється ніколи.
• Беззбитковий ROAS — рівень рентабельності реклами, за якого замовлення перестає бути збитковим після врахування собівартості, доставки й повернень. Рахується з боку бізнесу, Google його не знає.
• Фід Merchant Center — структурований перелік товарів із атрибутами (назва, ціна, категорія, наявність, фото), який виступає для алгоритму набором ознак кожного товару.

Чому Performance Max поводиться незрозуміло?

Тому що власник і система оцінюють одну й ту саму рекламу за різними критеріями, і між ними майже немає спільної мови. Нижче — п’ять скарг, які я чую від власників магазинів практично щотижня. Кожна з них має конкретне механічне пояснення.

1. «Все працювало пів року, а потім різко перестало — ми нічого не міняли».
2. «Підняли бюджет удвічі — рентабельність провалилась. Повернули бюджет назад — рентабельність повернулась. Як же тоді рости?»
3. «Поставили ту рентабельність, яку порекомендував сам Google — кампанія вмерла за три дні».
4. «У нас два магазини. Однакова ніша, однакові налаштування, той самий товар. Один заробляє, другий зливає».
5. «Поставили цільову рентабельність на рівні своєї беззбитковості — і кампанія взагалі не пішла в покази. Стоїть на нулях».

Стандартна відповідь на це — «Performance Max же чорний ящик». Ця відповідь нікому не допомагає. Це не чорний ящик, а система з п’яти рівнів, і кожен з них має свою логіку.

Чи знає Google вашу маржу?

Ні. Маржинальності, собівартості й точки беззбитковості в моделі Performance Max не існує як параметра — там просто немає поля, куди їх покласти.

Вся ця машина, яка щосекунди приймає мільйони рішень про ваші гроші, оцінює власні дії лише за двома величинами:

Конверсія — була або не була. Одиниця або нуль.

Якщо була — яке в неї value. Сума. Число.

Це і є та мова, якою система розуміє «добре» і «погано». Показав рекламу → отримав нуль → зробив висновок. Показав іншу рекламу іншій людині → отримав одиницю з чеком 4 200 грн → зробив інший висновок.

Тепер подумайте, чого в цьому списку немає. Немає вашої маржі. Немає собівартості. Немає вартості доставки, яку ви дотуєте. Немає відсотка викупу і повернень. Немає того, що на одному товарі ви заробляєте 40%, а на іншому — 4%.

Тому теорія змови «Google знає мою маржинальність і спеціально її з’їдає» не має підстав. Google уже котрий рік обіцяє додати в Performance Max оптимізацію по прибутковості — і досі не додав. Саме тому, що модель влаштована так, як описано вище.

Чому Performance Max ламається: у 4 випадках із 10 винен трекінг

Трекінг — не технічна дрібниця, а фундамент. Якщо конверсії фіксуються неправильно, ви навчаєте систему брехні, і далі вона старанно оптимізує рекламу під цю брехню.

За нашою оцінкою на близько 90 кабінетах, які проходили в нас аудит, приблизно у 4 випадках із 10 справжня причина падіння — не алгоритм і не ставки, а конверсії. Чотири типові сценарії:

1. для оптимізації обрано не ту конверсію (наприклад, «додано в кошик» замість покупки);
2. фіксація злетіла після оновлення сайту або плагіна;
3. трекінг із самого початку зібрали не до кінця;
4. змінилась система згоди, і частина даних перестала доходити.

Кампанія при цьому виглядає так, ніби «зламався алгоритм». Алгоритм працює нормально — він просто вчиться не на тих даних.

Фейкові й тестові замовлення треба не ігнорувати у звіті, а завантажувати коригування в кабінет. Кожне фейкове замовлення — це одиниця, яку система зарахувала собі як успіх і за якою тепер шукає «таких самих» покупців.

Що передавати як value: дохід чи маржу?

Більшість магазинів передає дохід замовлення — це нормальний варіант за замовчуванням. Передавати маржу теж можна, але тоді всі ваші цільові показники рентабельності означають інше, і беззбитковість рахується інакше.

Найгірший варіант — коли в кабінеті передається дохід, а власник у голові рахує маржу. Це гарантований конфлікт очікувань між власником і підрядником.

Якщо продажі йдуть через дзвінки або менеджера, сюди ж додається імпорт офлайн-конверсій. Без нього система не знає, який клік перетворився на реальні гроші.

З яких рівнів складається система Performance Max?

З п’яти. Вони працюють одночасно, але відповідають за різне — і плутанина між ними породжує більшість неправильних рішень.

Рівень 1. Дані: 0, 1 і сума

Це паливо. Все, що вище, працює рівно настільки добре, наскільки чисте паливо ви залили.

Рівень 2. Що Google знає про вашу нішу до запуску?

Дуже багато. Глобальна модель натренована на мільярдах аукціонів, кліків і покупок у різних країнах і нішах, тому вона знає типові патерни поведінки ще до того, як побачила ваш акаунт.

Вона знає, що шлях до покупки крісла за 3 000 грн і крісла за 60 000 грн — це два різні шляхи з різною кількістю візитів. Знає, чим відрізняється поведінка покупця в Україні, Польщі й Німеччині. Знає, як поводиться трафік у Пошуку, Покупках і на YouTube.

Уточнення, бо його часто перекручують: ця модель побудована на агрегованих знеособлених даних по ринку, а не на тому, що хтось у Google читає кабінет вашого конкурента.

Практичний висновок: нова кампанія Performance Max не стартує з нуля. Вона стартує з розумної гіпотези — кому показувати, на яких майданчиках, за якими намірами.

Тому поширена порада «спочатку відкрутіть торгову кампанію, назбирайте даних, і лише потім запускайте Performance Max» застаріла.

Рівень 3. Як система вивчає саме ваш магазин?

Через безперервний цикл «прогноз → факт → перерахунок ваг». На кожен показ і клік модель прогнозує ймовірність конверсії та очікувану суму, потім отримує факт і коригує ваги ознак.

Ознаки, які беруть участь у прогнозі: пристрій, час доби, день тижня, місто, мова, історія візитів цієї людини, конкретний товар, конкретний пошуковий намір. Наступного разу для схожої людини прогноз буде точнішим. І так мільйони разів на день.

П’ять речей, які тут варто розуміти власнику.

1. Період навчання не закінчується. Ви бачите статус «навчання» перші дні після запуску, але процес не припиняється ніколи. Кожна зміна бюджету, цілі, стратегії, кожен товар, що вибув з наявності — нова вхідна умова.
2. Кнопки «скасувати» немає. Якщо ви тиждень покрутились на задушливій рентабельності й система назбирала гору нулів, повернення налаштувань не повертає вас у вихідну точку. Модель будує новий прогноз на новій суміші даних, де невдалий тиждень уже врахований.
3. Але історія не обнуляється. Страшилка «змінили рентабельність і вся аналітика згоріла» неправдива. Свіжі дані просто важать більше за старі.
4. Система вміє чекати конверсії, які ще не сталися. Вона знає розподіл затримки у вашому акаунті й враховує це ймовірнісно. Тому висновки на третій день робляться з половини картинки.
5. Частина бюджету завжди йде на розвідку. Система не може оптимізувати лише те, що вже знає, інакше ніколи не знайшла б нових покупців. Частина цих спроб збиткова за визначенням.

Рівень 4. Чому кампанія з високою ціллю не отримує показів?

Тому що прогноз — це ще не показ. Порахувавши, скільки для неї вартий цей показ, система виходить в аукціон, де за ту саму людину змагаються конкуренти, і виграє не найбільша ставка, а найкраща комбінація ставки та якості.

Якщо за вашою цільовою рентабельністю ви можете дозволити собі ставку, яка не виграє в аукціоні майже ніколи — ви не заборонили собі показуватись, ви просто перестали доходити до показу.

Тут же живе ще одне непорозуміння. Часто кажуть: «алгоритм порівнює вас із конкурентом і занижує ставки». Кроку «порівняння» немає. Конкурент б’є вас через поведінку користувача: у нього краща ціна, зрозуміліша назва, нормальне фото — тому люди купують у нього. Ці нулі потрапляють у вашу модель, ваші прогнози падають, ставки падають слідом.

Рівень 5. Чому при збільшенні бюджету падає рентабельність?

Тому що найприбутковіших аукціонів стільки, скільки є попиту, і вони не множаться від того, що у вас побільшало грошей. Але падіння значно менше, ніж прийнято боятися.

За нашим дослідженням на 201 акаунті та близько 4 000 кампаній (≈40 000 змін бюджету за 15 місяців), збільшення бюджету давало медіанно +36–52% обсягу конверсій ціною лише −6–8% фактичного ROAS.

Це і є головна цифра для власника, який боїться масштабуватись: обмін нерівноцінний на вашу користь. Ви віддаєте кілька відсотків рентабельності й отримуєте приріст обсягу в десять разів більший.

Одна умова, без якої це не працює: кампанія має вибирати близько 100% свого бюджету. Якщо вона недовитрачає, збільшення бюджету не дасть нічого — проблема не в грошах, а в обмеженнях.

Повний розбір цього дослідження — у матеріалі про target ROAS у Performance Max: https://adwservice.com.ua/uk/t-roas-u-performance-max

Що таке «промпт» для Performance Max?

Це метафора. Ніяких інструкцій словами Performance Max не приймає — ваш «промпт» складається з чисел і налаштувань: що вважати конверсією, яке value передавати, яку стратегію обрати, яку ціль задати, скільки грошей на день дати, як розрізати асортимент.

Чим реально керує власник: фід, гео, структура

Ставками не керує ніхто вже років сім. Керують трьома важелями.

Наскільки важливий фід Merchant Center?

Критично важливий — це половина результату. Кожен товар у фіді фактично є окремим рекламним оголошенням, а кожен атрибут товару — ознакою, за якою система прогнозує.

Ціна, назва, опис, категорія, бренд, колір, розмір, наявність, якість фото. Глобальна модель уже знає, що зрозумілий заголовок працює краще за огризок. Локально, у вашому кабінеті, вона перевіряє це на ваших даних.

Якщо у вас товар називається «Інгалятор», а у конкурента — «Інгалятор компресорний Omron C102 Total для дітей і дорослих», ви програєте ще до того, як щось налаштували.

Завантажуйте у фід максимум атрибутів, які у вас є. Порада звучить нудно, але дає більше за більшість «оптимізацій».

Чи потрібно розділяти кампанії по країнах?

Не для того, щоб алгоритм «краще зрозумів» — він і так вивчить різницю між містами й країнами всередині однієї кампанії. Розділяти варто заради контролю над грошима.

Різні ринки означають різні цільові рентабельності, різну сезонність, різну конкуренцію, часто різну валюту й різний фід. Коли вони в одній кампанії, ви не можете сказати «в Польщу вкладаємо більше, Німеччину поки притримуємо» — за вас це вирішить машина.

Скільки кампаній Performance Max потрібно?

Стільки, на скільки самостійних бюджетів ви хочете розділити задачу. Кампанія — одиниця бюджету, цілі й накопиченої статистики.

Найпростіший приклад, чому це важливо. Якщо перевірені товари-годувальники лежать в одній кампанії з новинками без історії, система розумно віддасть бюджет годувальникам — там прогноз кращий. Новинки не отримають показів у принципі й назавжди залишаться «непродаваними» — не тому, що вони погані, а тому, що їм жодного разу не дали шансу. Винесення таких товарів в окрему кампанію з власним бюджетом — єдиний спосіб перевірити їх узагалі.

Який target ROAS ставити в Performance Max?

Відлік має йти від беззбитковості, а не від історичної рентабельності кабінету. Історична рентабельність показує, що було, а не що вам потрібно.

Розберемо на прикладі. Магазин медтехніки, 30 днів роботи кампанії без цільової рентабельності: витрати 100 000 грн, дохід 600 000 грн, фактична рентабельність 600%.

Коефіцієнт переносу: ціль рухається не один до одного

Головна помилка при роботі з target ROAS — очікувати, що фактична рентабельність підтягнеться до заданої. Вона підтягнеться приблизно на третину.

За нашим дослідженням (201 акаунт, ~4 000 кампаній, ~9 900 змін цільової рентабельності за 15 місяців, медіанні значення):

Коефіцієнт переносу ≈ ⅓. Підняли ціль на 30% — розраховуйте приблизно на +10% фактичного ROAS. Якщо вам потрібно суттєво більше, ціль доведеться піднімати різко, а це вже коштує обсягу: мінус чверть витрат.

Три рівні ROAS, які треба розрізняти

Не ставте ціль, що дорівнює вашій беззбитковості. Якщо беззбитковість 1000% і ви ставите 1000%, ви залишаєте моделі нульовий простір для маневру.

Зміну цілі вводьте плавно — сходинками по 10–20%. Різкий перехід перекроює весь трафік.

Обережно з рекомендаціями самого Google

Google дає два різні типи рекомендацій щодо рентабельності, і плутати їх не можна.

Перший тип — знизити поточну ціль, зазвичай приблизно на 20% від встановленої. За нашими спостереженнями, цей тип рекомендацій практично ніколи не призводить до падіння витрат.

Другий тип — встановити цільову рентабельність там, де її не було: на стратегіях «максимум конверсій», «максимальна цінність конверсії» та «цільова ціна за конверсію». Ось тут ризик реальний. За нашою оцінкою, приблизно у 8 випадках із 10 запропоноване значення виявляється вищим за фактичне, яке кампанія показувала до цього — і після його застосування кампанія перестає вибирати бюджет.

Важливо, станом на серпень 2026. З 17 серпня 2026 Google змінює поведінку Smart Bidding у кампаніях, обмежених бюджетом: раніше такі кампанії часто перевиконували ціль, тепер вони триматимуть задане значення буквально. Алгоритм від цього не стає гіршим, але завищена ціль тепер каратиме обсягом одразу й передбачувано. Якщо ваша кампанія зараз стабільно перевиконує ціль — перегляньте її значення до цієї дати.

Таблиця діагностики: скарга → причина → перша дія

Сім правил для власника

1. Гроші йдуть у трекінг раніше, ніж у бюджет. Некоректні дані — це системне навчання на брехні.
2. Не міняйте по три речі одночасно. Бюджет, стратегію й ціль разом — і ви ніколи не дізнаєтесь, що спрацювало.
3. Дайте змінам час. Тиждень — мінімум, за який видно реакцію, з поправкою на відкладені конверсії.
4. Не бійтеся масштабуватись. Обмін −6–8% рентабельності на +36–52% обсягу вигідний майже завжди — за умови, що кампанія вибирає свій бюджет повністю.
5. Фід — це не технічна формальність. Назви, категорії, атрибути, ціни, наявність — саме цим система оперує.
6. Розділяйте кампанії заради контролю над грошима, а не заради «щоб алгоритм краще зрозумів».
7. Раз на квартал перераховуйте беззбитковість. Змінились ціни постачальника, тарифи доставки, відсоток повернень — змінилось і число для кабінету.

Головне

Performance Max — не чорна скринька і не примітивний інструмент. Це потужна прогнозна машина, яка щосекунди рахує тисячі перетинів ознак, недоступних людині вручну.

Але вона має одне сліпе місце, яке не лікується оновленнями.

Google знає ймовірності. Google не знає вашої економіки.

Він не знає вашої маржі, собівартості, логістики, точки беззбитковості. Тому він однаково ідеально виконає будь-яку задачу — включно зі збитковою.

Робота спеціаліста сьогодні — не крутити ставки. Вона в тому, щоб перекласти вашу економіку в число, яке машина розуміє, дати їй чисті дані, розрізати задачу так, щоб кожен шматок асортименту мав шанс, і вчасно помітити, коли світ змінився.

Машина розв’язує задачу. Задачу ставить людина.

Питання і відповіді

• ‍✅ Чи знає Google мою маржинальність?

  Ні. Маржа, собівартість і точка беззбитковості відсутні в моделі Performance Max як параметри. Система оперує лише фактом конверсії (0 або 1) і сумою value, яку передає ваш сайт. Передати маржу можна тільки опосередковано — через значення value або через число цільової рентабельності.

• ‍✅ Наскільки зросте фактичний ROAS, якщо підняти цільовий?

  Приблизно на третину від того, наскільки ви підняли ціль. За нашим дослідженням на 201 акаунті, медіанне підняття цілі дає +5% фактичного ROAS при −6% обсягу конверсій. Різке підняття на 60% і більше дає +32% ROAS, але коштує 27% витрат і 15% обсягу.

• ‍✅ Чому при збільшенні бюджету падає ROAS і чи варто цього боятися?

  Кількість найприбутковіших аукціонів обмежена попитом, тому додаткові гроші йдуть у слабші аукціони. Але масштаб втрати невеликий: за нашими даними збільшення бюджету дає +36–52% обсягу конверсій при зниженні фактичного ROAS лише на 6–8%. Умова — кампанія має вибирати близько 100% бюджету.

• ‍✅ Чи справді 50 конверсій на місяць означають, що кампанія «дозріла»?

  Ні. Цей орієнтир показує лише те, що алгоритму вистачає даних для навчання, і нічого не говорить про стійкість. За нашим дослідженням 131 кампанії Performance Max за 16 місяців із 62 кампаній, які хоча б раз досягали 50+ конверсій на місяць, 95% згодом усе одно провалилися на 50% і більше.

• ‍✅ Чому падають навіть «зрілі» кампанії?

  За нашою класифікацією збоїв PMax, у 68% випадків причина системна — падає обсяг усього акаунта. У 20% структурна — з фіду зникають топ-3 товари. У 4% контекстна — зникає попит при живому асортименті. Решта 8% — змішані причини. Тобто більшість падінь не має стосунку до налаштувань конкретної кампанії.

• ‍✅ Скільки навчається Performance Max?

  Формальний статус «навчання» триває зазвичай 5–14 днів після запуску або суттєвої зміни. Але навчання не припиняється ніколи: модель перераховує ваги на кожному показі.

• ‍✅ Чи треба запускати торгову кампанію перед Performance Max?

  Ні. Глобальна модель Google уже знає типові патерни покупки у вашій категорії й країні, тому нова кампанія стартує з обґрунтованої гіпотези, а не з випадкових показів. Попередня «розкачка» — це втрачені тижні й бюджет.

• ‍✅ Чому кампанія не витрачає бюджет і не має показів?

  Найчастіша причина — надто висока цільова рентабельність: за такою ціллю система може дозволити собі ставку, яка не виграє в аукціоні майже ніколи. Друга за частотою — проблеми з фідом або модерацією товарів.

• ‍✅ Чи можна ставити ту рентабельність, яку рекомендує Google?

  Залежить від типу рекомендації. Пропозиція знизити поточну ціль приблизно на 20% практично ніколи не шкодить. А от пропозиція встановити ціль там, де її не було — на стратегіях «максимум конверсій», «максимальна цінність» і «цільова ціна за конверсію» — приблизно у 8 випадках із 10 виявляється завищеною, і кампанія перестає вибирати бюджет.

• ‍✅ Чи скидається навчання при зміні цільової рентабельності?

  Ні, накопичена історія не обнуляється. Кампанія повертається у фазу навчання, але свіжі дані просто починають важити більше за старі. Водночас кнопки «скасувати» немає: повернення попереднього значення не відновлює попередній стан.

• ‍✅ Чи треба розділяти кампанії Performance Max по країнах?

  Не заради навчання — модель самостійно вивчає різницю між країнами й містами всередині однієї кампанії. Розділяти варто заради контролю бюджету, різних цільових показників і чистої звітності по ринках.

• ‍✅ Чому два однакові магазини дають різний результат?

  Тому що модель тренується на історії конверсій конкретного акаунта. Різний фід, різний старт, різний перший товар, що пішов у показ, різна поведінка покупців на сайті — усе це формує різні прогнози. Однакові налаштування не означають однакових даних.

Про автора

Яна Ляшенко — засновниця ADW Service, Google Ads AI Architect. Працює з Google Ads для e-commerce з 2014 року.

• Google Premier Partner 2025
• TOP-30 digital-агенцій України за версією Ringostat, 2025
• 316 активних рекламних кабінетів у понад 10 країнах
• Сумарний річний дохід клієнтів — понад $84 млн
• Середній ROAS портфеля — 7,5
• YouTube-канал про Google Ads: понад 34 700 підписників

Авторка методики ADW Bucket Architecture™ і класифікації збоїв Performance Max (PCC). Дослідження агенції базуються на власній вибірці з понад 200 рекламних кабінетів.

© ADW Service / Яна Ляшенко. Методика AI-керування Performance Max є об’єктом авторського права. Будь-яке використання матеріалів — лише з посиланням на автора.