Smart Bidding против цели: 303 кампании

33,5% кампаний с целевой ценой за конверсию промахнулись мимо цели на 20% и больше. Это результат разбора 239 таких кампаний у 23 рекламодателей за январь-май 2026 года. Простыми словами: каждая третья кампания в этой выборке приносила конверсии ощутимо дороже, чем просил алгоритм. Вместе с кампаниями на целевой рентабельности вышло 303 кампании, отсюда и цифра в заголовке.

Сразу честная оговорка, без неё цифра звучит грознее, чем есть. Это описание конкретной выборки кабинетов, к которым я имею доступ как преподаватель и практик, а не норма рынка. И эта доля держится на нескольких крупных клиентах: убери их, и картина изменится. Подробности ниже, в разделе про устойчивость. Так что читайте это как зеркало для собственного аккаунта, а не как приговор всей отрасли.

Что такое коэффициент промаха

Прежде чем смотреть в таблицы, договоримся о языке. Я всё время оперирую коэффициентом промаха, и считается он по-разному для двух стратегий.

По словарю датасета, для целевой цены за конверсию всё прямолинейно: берём фактическую цену за конверсию и делим на целевую. Коэффициент 1,0 означает, что кампания отработала точно в цель. Коэффициент 1,2 означает, что фактическая цена на 20% выше цели. Если коэффициент меньше единицы, кампания справилась лучше, чем просили.

По словарю датасета, для целевой рентабельности формула зеркальная: целевую рентабельность делим на фактическую. И тут есть ловушка, в которую попадает почти каждый, кто впервые видит эту метрику. Коэффициент 1,2 для рентабельности означает не «на 20% хуже», а рентабельность примерно на 17% ниже цели. Почему так? Потому что мы делим цель на факт, а не наоборот. Один и тот же коэффициент в двух стратегиях означает разный процент промаха. Запомните это, прежде чем ругаться с алгоритмом.

Как посчитать у себя. Возьмите окно, где кампания уже набрала хотя бы 5 конверсий, лучше от 30 дней. Поделите факт на цель, если у вас целевая цена, или цель на факт, если рентабельность. Получите своё число и сможете сравнить его с таблицами ниже. Всё, никакой магии.

Уровень кампаний: кто сколько промахивается

Первый срез: каждая кампания по отдельности. Медиана показывает типичную кампанию, квартили Q1 и Q3 дают границы, где живёт средняя половина выборки.

По данным панели Ivitskiy Ads Lab, что тут важно. Типичная кампания на целевой цене почти держит слово: медиана 1,029, то есть перебор меньше трёх процентов. Но разброс большой. Четверть кампаний сидит выше 1,325, а 33,5% промахнулись на 20% и больше. На целевой рентабельности медиана даже ниже единицы, 0,959, то есть типичная кампания немного перевыполняет цель, зато верхний квартиль 1,463 показывает, что хвост промахов длинный и там.

Уровень рекламодателя: картина мягче

Теперь схлопнем кампании каждого рекламодателя в одно число: возьмём медиану его кампаний. Это важно понимать точно. Это медиана кампаний рекламодателя, а не суммарный результат его портфеля. Суммарных показателей по расходам и конверсиям датасет не публикует, так что «весь аккаунт в цели» отсюда посчитать нельзя.

По данным панели Ivitskiy Ads Lab, на целевой цене медианный рекламодатель имеет коэффициент 0,977, то есть его типичная кампания работает лучше цели. У 60,9% рекламодателей медианная кампания в цели или лучше, и лишь у 8,7% медианная кампания промахивается на 20% и больше. На рентабельности картина жёстче: треть рекламодателей имеет медианную кампанию с большим промахом.

Главный вывод из двух таблиц

Сравните два среза. На уровне кампаний промахов много: треть кампаний на целевой цене сидит в большом минусе. На уровне рекламодателя медиана вдруг близка к единице. Ничего странного тут нет, и это не статистический фокус. Внутри одного аккаунта одна кампания перебирает бюджет и переплачивает за конверсии, другая недобирает и работает дешевле цели. Медиана это сглаживает.

Отсюда практический вывод, который я повторяю на каждом разборе: смотреть надо на кампанию, а не на среднее по аккаунту. Среднее по аккаунту вас успокоит даже тогда, когда две кампании из пяти стабильно переплачивают. Коэффициент промаха считается для каждой кампании отдельно, и решения принимаются на этом же уровне.

Насколько эти цифры устойчивы

Честная проверка, которой я требую от любой аналитики, включая своей. Медианы 1,029 и 0,959 устойчивы: удалите из выборки любого одного рекламодателя, и они почти не шевельнутся. А вот доли хрупкие. И «промах на 20% и больше», и та самая доля 60,9% держатся на нескольких крупных клиентах. В 15 ячейках из 20 большую часть расходов даёт один крупный рекламодатель. То есть структура выборки влияет на проценты сильнее, чем хотелось бы. Это случай именно этой выборки, и я говорю это прямо, чтобы вы не переносили 33,5% на весь рынок.

Три причины промаха из практики

Данные показывают факт промаха, но не говорят почему. Дальше мой опыт разборов, и я честно отделяю его от доказательств: цифры выше доказывают размер явления, объяснения ниже: это интерпретация.

Первая причина: цель нереалистична. Классика жанра: владелец видит историческую цену за конверсию, ставит цель ощутимо ниже «чтобы алгоритм напрягся», и не даёт времени на переобучение. Алгоритм не волшебник, он не найдёт конверсии дешевле, чем их даёт аукцион, просто начнёт душить показы. Коэффициент ползёт вверх, и виноват будет не Smart Bidding.

Вторая причина: цель меняли внутри окна. Историю изменений целей эта выборка не содержит: в датасете стоит снимок целей на июль 2026, поэтому изменения внутри окна в нём не видны. Если рекламодатель за эти пять месяцев трижды двигал цель, часть промаха создал он сам, а я вижу только итог. Это не спекуляция, это прямое ограничение данных, и оно работает в обе стороны.

Третья причина: кампанию задушили. Ограниченный бюджет, слишком узкий таргетинг, мало конверсий на окне. Алгоритму банально не из чего учиться, он не может откалиброваться и начинает гадать. Снаружи это выглядит как «Smart Bidding не держит цель», а по факту это «Smart Bidding не дали данных».

Что делать: пять шагов

Шаг первый. Посчитайте коэффициент промаха для каждой кампании на окне от 30 дней и от 5 конверсий. Меньше конверсий означает, что число будет случайным шумом, а не сигналом. Запишите коэффициенты в табличку, это займёт полчаса на весь аккаунт.

Шаг второй. Проверьте, не меняли ли цель внутри окна. Зайдите в историю изменений и посмотрите, что происходило с этой кампанией. Если цель двигали, то коэффициент отражает не одну цель, а несколько, и делать выводы об алгоритме рано. Пересчитайте на чистом окне.

Шаг третий. Оцените, хватает ли кампании конверсий для обучения. Если кампания еле набирает минимум, промах почти гарантирован, и лечение здесь одно: либо расширять конверсионное событие, либо объединять кампании, либо честно признавать, что стратегии не из чего учиться.

Шаг четвёртый. Если цель надо изменить, меняйте не больше чем не более чем на 10-20% за раз и не чаще одного раза в 2-3 недели (это правило из нашей практики, а не число из выборки). Резкие скачки сбрасывают обучение, и вы снова будете ждать, пока алгоритм откалибруется. Лучше три маленьких шага, чем один большой.

Шаг пятый. Не оценивайте кампанию в первые две недели после любого изменения. В этот период алгоритм переобучается, и коэффициент будет прыгать. Смотреть на него каждый день в это время означает принимать решения на шуме.

Если разбираться некогда или хочется второго взгляда, так мы и работаем с учениками: смотрим кабинет за 15-20 минут и называем, какие кампании промахиваются, где цель нереалистична, а где алгоритму просто не из чего учиться. Без обещаний золотых гор, просто диагностика по числам.

Ограничения метрики, честно

Три вещи, которые этот разбор не умеет, и про которые вам стоит знать, прежде чем что-то менять в аккаунте.

Первое. История целей недоступна через API. Я вижу только финальную цель на момент выгрузки. Все промахи, созданные изменениями цели внутри окна, смешаны с честными промахами алгоритма, и разделить их в данных невозможно.

По данным панели Ivitskiy Ads Lab, второе. Метрика не отделяет ошибку алгоритма от нереалистичной цели. Коэффициент 1,325 может означать и «алгоритм не справился», и «цель была с потолка». Число одинаковое, диагноз противоположный. Именно поэтому шаги выше начинаются с проверки истории, а не со смены стратегии.

Третье. Кампании с менее чем 5 конверсиями исключены из выборки совсем. А это часто как раз самые проблемные кампании, которые не могут набрать статистику. То есть провальные кейсы в выборке недопредставлены, и реальная картина по промахам может быть хуже, чем показывают таблицы.

Когда это не сработает

Есть ситуации, где считать коэффициент промаха вообще нет смысла, и я хочу, чтобы вы не тратили на них время.

Если конверсии считаются неправильно: дубли, тестовые заявки, импорт со сбоями. Коэффициент будет считаться честно, но от мусора на входе. Сначала аналитика, потом стратегия.

Если кампания младше 30 дней. Она ещё учится, и любой коэффициент в этот период это снимок процесса, а не результат. Если в аккаунте меньше 5 конверсий на кампанию за окно, делить факт на цель бессмысленно: одна конверсия сдвигает число куда угодно.

И если цели ставятся под сезонные акции: подняли цель на распродажу, опустили после. На окне в несколько месяцев вы получите мешанину из разных целей, и ни один вывод из неё не будет честным. В таких аккаунтах считайте отдельно для каждого периода со стабильной целью.

Всё, что я показал здесь, это один файл из одной выборки. Если хотите посмотреть сырые данные, другие срезы и методику подсчёта, вот полные таблицы бенчмарков и CSV. Посчитайте свой коэффициент промаха и сравните. Это самые полезные полчаса, которые вы можете уделить аккаунту на этой неделе.