У товарной рекламы в Директе есть одна проблема: она отлично масштабируется, но очень плохо управляется.

Для ecom-проектов (и отчасти edtech) рекламные кампании на основе фида — это основная рабочая лошадка автоматизации. Объявления автоматически создаются под каждый товар: товар продали — объявление исчезло, появился новый товар — он сразу появляется в рекламе.

Звучит идеально. Но у этой модели есть несколько фундаментальных проблем.

#Проблема №1. Товар → объявление — слишком тонкая абстракция

На уровне Директа трафик всё равно льётся на весь каталог: на этапе обучения почти равномерно, после обучения — чуть более избирательно. Но чтобы кампания вообще дошла до этого уровня, обычно нужно 50–100 конверсий в неделю и несколько циклов обучения. Для многих ecom-проектов это означает долгий и дорогой разгон.

#Проблема №2. Разряженность трафика

Большой ассортимент приводит к сильной «размазке» трафика. Например, какой-нибудь ноутбук входит в топ-10% продаж, но не в топ-1%. Когда кампания обучалась, трафик распределялся между тысячами товаров, и этому ноутбуку просто не повезло — на него не пришлись конверсии.

После обучения это закрепляется: алгоритм считает товар слабым и начинает давать ему остаточный трафик. В итоге — 10–20 кликов в неделю, как и у десятков тысяч других товаров-«неудачников».

#Проблема №3. Усреднение стратегии

Общий товарный фид и одна автостратегия на кампанию быстро приводят к усреднению. Например, началась весна и в магазине бензотехники начали активно покупать мотоблоки. Но только в южных регионах — потому что во многих местах всё ещё −30. А в некоторых регионах мотоблоки и летом покупают слабо.

Спрос разный, но стратегия — одна на всю рекламную кампанию.

#Проблема №4. «Гнилые мандаринки»

Даже хорошо обученная стратегия часто приводит к невыгодным конверсиям. Например, вы хотите покупки по 10% ДРР, потому что маржинальность — 20%. Директ может привести 10 покупок по 5% ДРР, а затем ещё 3 покупки по 70% ДРР.

Формально всё отлично: 13 покупок по среднему ДРР 10%. Но по факту Директ, как злая продавщица на рынке, подкинул вам «гнилых мандаринок».

Смарт-фид состоит из трёх основных шагов.

  1. Импорт данных

На вход мы загружаем ваш текущий фид. Пока поддерживается только формат YML, но почти любой распространённый формат можно добавить без проблем (без «разработки под ключ»).

Мы сильно заморочились над устойчивостью импорта: поддерживаем фиды с ошибками, кривыми отступами, отклонениями от стандарта и каталоги с десятками тысяч товаров. Если выгрузку делал школьник с фриланса — велика вероятность, что мы всё равно сможем импортировать данные.

Также можно «наследоваться» от другого фида: например, выгрузить общий фид со всеми товарами и на его основе создать несколько субфидов с фильтрацией.

  1. Процессинг

Доступно четыре стратегии обработки: – без обработки – фильтрация (простые условия) – динамическая AI-фильтрация – динамическая AI-фильтрация (ретаргетинг)

Для динамической фильтрации можно выбрать одну из стратегий: – самые популярные – баланс – всё, кроме плохих

  1. Экспорт

На выходе вы получаете ссылку на обработанный фид. Мы автоматически обновляем его раз в день. Этот фид можно сразу использовать в рекламных кампаниях.

Теперь самое важное — динамическая AI-фильтрация.

Вы указываете: – нужные реальные конверсии – отрицательные конверсии – моделируемую конверсию – метрики оптимизации (конверсии, выручка, чистая прибыль) – тип оптимизации (односессионная — performance или многосессионная)

На первый взгляд кажется, что всё просто: строится статистика по конверсиям, выбираются товары, которые покупают, и именно они попадают в фид.

Но на практике это работает плохо.

Во-первых, возникает feedback loop: мы даём рекламу на товары → по ним приходят покупки → в фиде остаются только они.

Во-вторых, такая логика работает грубо и нестабильно для среднепопулярных товаров. С топ-1% всё легко. С топ-10% — уже нормально в крупных магазинах. Но чем дальше по ассортименту, тем слабее и нестабильнее становится сигнал.

Виртуальные конверсии могут немного помочь, но лишь отодвигают границу нестабильности.

И самое главное — такой подход не даёт инсайтов. Он не понимает, что: – у этих товаров начался сезон, – у этих сезон заканчивается, – между товарами есть взаимные зависимости.

Поэтому мы сделали многоступенчатую графовую ML-модель, которая анализирует причинно-следственные связи.

Она понимает, например, что: – Краснодар — это юг России, и там раньше начинают покупать сельхозтехнику – диван «Гламурные дали» из коллекции «Зима 2026» – спрос на зимние куртки падает, и их нужно агрессивнее выводить из фида, даже если три недели назад они ещё нормально продавались

Это работает примерно так же, как дорогие системы товарных рекомендаций в крупных интернет-магазинах или маркетплейсах (но не дешевые на матричной факторизации). Только применяется не на сайте, а внутри вашего товарного фида для рекламных кампаний.

Отдельно используется ещё одна ML-модель для ретаргетинга — со своей логикой отбора товаров. Список популярных товаров там обычно отличается на 20–40%.

Какие возможности это даёт?

Самое простое — оставить в фиде только популярные товары. Например, сделать одну кампанию под популярные товары, а вторую — под ретаргетинг.

Но куда интереснее другое: популярные товары можно определять для конкретных сегментов.

Например: – популярные товары в категории «Смартфоны» – популярные товары в городе Саратов – популярные товары в РСЯ (смарт-баннеры) в Москве

Фактически вы можете сделать десятки срезов — например, по основным городам России — и собрать из них одну рекламную кампанию.

Так вы сохраняете преимущества общей стратегии, но избегаете её главного минуса: в каждом регионе в рекламе будут только релевантные для него товары.

Продукт станет новой большой отправной точкой, к которой скоро добавится множество другого функционала.

Ответы на вопросы:

А для Vk Ad подходит? Да, подходит

Можно ли посмотреть товары в фиде? Да, доступен полноценный инспектор. Можно смотреть товары внутри фида на импорт и на экспорт, популярность товаров. Доступно дерево категорий по которому можно путешествовать, фильтры, поиск.

Есть ли статистика импорта и экспорта? Да, подробно все расписываем - сколько товаров и категорий зашло, сколько не смогли распарсить, сколько товаров "битые" (без цены или картинки). Тоже самое для экспорта

Можно ли использовать без моделируемых конверсий? Да, можно

Когда будет доступен продукт? Мы раскатываем его на все проекты, начиная с сегодняшнего дня. До конца дня он будет доступен на всех проектах.