Основной
Моделируемые конверсии дают основной вклад в обучение и задают направление оптимизации.
Когда нужен плотный сигнал для обучения кампании.
Перформанс-оптимизация
Моделируемые конверсии. Больше смысла в каждом рекламном сигнале.
Покупок мало. Путь до сделки длинный. Но каждый визит уже говорит о намерении. Sales Ninja превращает эти данные в обучающий сигнал для вашей автостратегии.
Обсудить мой проект
01 / От визита к обучению
Модель оценивает вероятность и ценность будущей конверсии. Автостратегия получает дополнительную цель и больше данных для обучения.
Посмотрите на разных визитах
Посетитель открывает товары, изучает характеристики и возвращается к выбранной позиции.
Сопоставляем поведение с визитами, которые завершились целевым действием. Один просмотр сам по себе не становится конверсией.
Модель может отправить виртуальную конверсию с откалиброванной ценностью. Она поступает в кабинет как отдельная цель.
Условные сценарии объясняют механику. Реальная оценка зависит от модели, данных и настроек проекта.

Ценность сохраняетсяПредсказания калибруются относительно реальных конверсий, чтобы больше сигналов не означало искусственно раздутую выручку.
Контекст учитываетсяМодель подстраивается под рекламную платформу, кампанию и значимые сегменты трафика.
Антибот встроенПодозрительный визит не должен становиться положительным примером для обучения рекламы.
Узнайте свою ситуацию. Посмотрите, какого сигнала не хватает автостратегии и как его добавляет модель.

Разбираем ограничение 1 / 6
Автостратегия рекламной платформы статистически не может обучиться при еженедельном объёме конверсий ниже порога устойчивости.
ML-модель на уровне сайта генерирует виртуальные конверсии в кратном объёме относительно реальных. Автостратегия получает достаточную плотность сигнала для устойчивого обучения.
Алгоритмам нужна минимальная плотность сигнала. Иначе обучение становится нестабильным, а кампания теряет трафик.
Не обязательно сразу делать модель основой оптимизации. Она может вести обучение кампании или дополнять уже работающую стратегию.
Моделируемые конверсии дают основной вклад в обучение и задают направление оптимизации.
Когда нужен плотный сигнал для обучения кампании.
Кампания продолжает учиться на своём сигнале. Модель добавляет выборочные сигналы с меньшим весом.
Когда хотите дополнить уже работающую оптимизацию.
Условная схема вклада в обучение, а не реальные данные или прогноз результата.
Сохраните работающую стратегию. Дополняющий режим позволяет начать с выборочных сигналов модели. Роль модели выбирается отдельно в каждой интеграции.
Глубина данных / Sales Ninja
Аналитика показывает, что произошло. Мы добавляем подробное поведение, модельные оценки и данные ваших систем — чтобы понять, что может произойти дальше.

Пиксель Sales Ninja
Подробный слепок сессии помогает различать случайный просмотр и осмысленный интерес — даже когда покупка ещё не произошла.
Оценивать намерение по совокупности действий, а не по одному клику или времени на сайте.
Клики, скроллы, движения мыши, активность вкладок, корзина, просмотренные товары и цели прошлых сессий. UTM, устройство, город, погода и ваши собственные параметры.
Интересы, возрастная группа, платёжеспособность — с оценкой уверенности. Вероятность конверсии, ожидаемая выручка, цена клика и оценка ботности по поведению.
amoCRM, Битрикс24, RetailCRM; Calltouch, UIS / CoMagic, Phonix; Rick.ai, Smartis, Roistat; Яндекс Метрика, AppMetrica. Если готовой интеграции нет — своя выгрузка конверсий.
Цель, данные и ценность сигнала настраиваются под ваш бизнес. Модель учитывает различия между кампаниями, а вы выбираете, какие результаты для вас важнее.
Оптимизация по реальной экономике клиента, а не только по факту покупки. Модель обучается под выбранную цель и передаёт ценность в кабинет.
Не нужно настраивать модель под каждую новую кампанию вручную. Адаптивный слой распознаёт значимые рекламные платформы, кампании внутри них и крупные сегменты внутри кампаний, выдавая релевантное предсказание для каждого. Новая кампания подключается без перенастройки.
Подстраивается под бизнес-логику: новые покупатели vs повторные, ровные лиды vs крупные сделки. Не путать с моделью атрибуции в Метрике: здесь речь только о выборке для обучения.
Можно ограничить обучение определённым разделом сайта, типом товара, сегментом аудитории. Пример: отдельная модель под линейку кондиционеров, считающая покупкой только заказ с кондиционером.
10 реальных покупок на 100 000 ₽ → 45 виртуальных, совокупная ценность остаётся 100 000 ₽. Виртуальные можно миксовать с реальными и между собой, с разной силой участия, собирая стратегию под проект.
Реальная покупка + виртуальная конверсия по покупке + виртуальная по «CRM: оплачен» (100% ценности) + виртуальная по «CRM: создан» (5% ценности) + минус-цель «спам-лид». Каждая атомарна, калибруется отдельно и работает поверх любой модели атрибуции Метрики.
Мы не навязываем универсальный пресет — вы собираете стратегию под цель, данные и бизнес-логику проекта. Именно это даёт предсказуемый рост, а не случайную удачу.
Сценарий подбирается под воронку и задачу, а не наоборот. Все три могут работать одновременно внутри одного проекта.
Новое Воронковая оптимизация
От первого обращения до принятого результата сделки. Объединяем цели из разных систем в одну воронку, чтобы AI учился на том, что действительно ценно для бизнеса.
Вся глубина одной сделки
Розничный заказ и закупка юрлица: разные пути до выкупа и приёмки.
01 / Обращение
02 / Подтверждение
03 / Подготовка
04 / Оформление
05 / Доставка
06 / Выкуп
Заказ выкуплен. Покупатель получил и оплатил заказ. retailCRM передаёт реальный результат вместо одного лишь оформления заказа на сайте.
07 / Итог
Покупатель получил и оплатил заказ. retailCRM передаёт реальный результат вместо одного лишь оформления заказа на сайте.
Квалификация, согласование, договор, оплата и исполнение. Модель учитывает, до какого результата дошёл клиент, и ценность этого результата.
Спам, отказ и возврат уточняют исход. Раннее целевое действие не остаётся успехом, если дальше клиент принёс отрицательный результат.
События сайта, звонки и CRM-статусы дополняют друг друга. Учитываем задержку данных и связываем этапы без повторного счёта одного исхода.
Для перформанс-оптимизации
Качество заявок и дальнейшие результаты в CRM становятся частью сигнала для оптимизации рекламы.
Любой эффект Sales Ninja измерим. В отчётности для него всегда заводится отдельная цель «Sales Ninja: …», оригинальная цель не модифицируется. Финальная оценка эффективности кампании всегда строится по реальным конверсиям, а не по виртуальным.
Нативный split-tester платформы и основной инструмент валидации. Даёт корректное сравнение «c Sales Ninja» vs «без» на одном и том же трафике в один и тот же период.
Используется для платформ без нативных A/B (VK Реклама, MyTarget и др.). Подходит, когда сезонность и объём трафика стабильны.
Применяется в узких нишах (B2B, недвижимость, премиум-сегменты), где нативный A/B статистически нерелевантен из-за низкого недельного объёма.
Виртуальные конверсии всегда идут в отдельные цели Метрики. Бизнес-отчётность по кампании строится по реальным целям. Sales Ninja нельзя «накрутить»: финальная оценка всегда по деньгам и реальным сделкам.
Реальные сдвиги метрик на кампаниях клиентов. Итоговая эффективность всегда оценивается только по реальным конверсиям.
Виртуальные конверсии не участвуют в итоговой оценке — только реальные конверсии и деньги.
Как предиктивная AI-оптимизация работает в вашей отрасли: от первого обращения до результата, за который бизнес готов платить.

Банк · Розничное кредитование
Что добавляет модель
Модель в реальном времени предсказывает вероятность одобрения и подписания договора. Виртуальная конверсия идёт в кабинет с правильной ценностью, минус-цели по неквалифицированным заявкам очищают обучение.
Пример применения, а не обещание результата. Прогноз модели помогает обучению; эффективность проверяем по реальным событиям бизнеса.
Российские и зарубежные платформы, аналитика и CRM работают в одной схеме. Источники дают контекст, модель — обучающий сигнал, рекламная система — закупку трафика.
Откуда берём контекст

Объединяет сигналы.
Оценивает вероятность.
Калибрует ценность.
Куда передаём сигнал
Несколько платформ одновременноИнтеграции могут работать вместе внутри одного проекта.
amoCRM, Битрикс24, Calltouch, UIS, Rick.ai, Mango Office и Callibri — напрямую или через офлайн-конверсии Метрики. Для внутренней системы используем серверный API; способ подключения согласуем с вашей командой.
Подключение и сопровождение
От установки до проверки результата вас ведёт аккаунт-менеджер. Заранее разделяем задачи, доступы и ответственность — чтобы подключение не превращалось в отдельный проект разработки.
На выходеПонятный состав интеграций и нужных доступов.
На выходеСайт и учётные системы дают модели контекст.
На выходеРабочая модель и отдельные цели для её сигналов.
Для корпоративной команды
Сопровождаем согласование так же, как технический запуск: объясняем состав данных, условия работы и способ оценки результата.
Поведенческие и модельные сигналы обрабатываются на территории РФ. Работаем с действиями на сайте, контекстом и модельными оценками; состав подключаемых источников разбираем на старте.
Для команды информационной безопасности и владельцев данных.
Sales Ninja зарегистрирован в реестре программ для ЭВМ. Договорную работу и NDA сопровождает менеджер; требования корпоративной закупки обсуждаем до запуска.
Для юристов и закупки.
Сначала определяем нужные интеграции, затем согласуем доступы. Для базового скрипта доступ в рекламный кабинет не обязателен; расширенные функции подключаются отдельно.
Для технической команды и владельцев рекламных кабинетов.
Виртуальные конверсии передаются в отдельные цели. При оценке эффективности смотрим на реальные сделки, выручку и согласованные бизнес-метрики.
Для маркетинга, аналитиков и финансовой команды.
Согласования ведёт выделенный менеджер — вместе с вашей маркетинговой, технической и юридической командами.
Пилот на ваших кампаниях
Три месяца, чтобы измерить эффект на ваших данных и решить, стоит ли масштабировать решение.
Стоимость рассчитываем под проект и согласуем до старта.

Выбираем реальные цели, метрики и кампании. Фиксируем исходную ситуацию и способ сравнения.
Подключаем данные и модель. Для Директа используем A/B-эксперимент; для других платформ согласуем доступный метод проверки.
Разбираем результат, ограничения измерения и целесообразность расширения на остальные кампании.
Итоговый разбор эффективности на ваших данных: реальные конверсии, экономика кампаний и основания для решения о продолжении.
Установка, интеграции, обучение модели и аккаунт-менеджер входят в сопровождение пилота.