Основной
Моделируемые конверсии дают основной вклад в обучение и задают направление оптимизации.
Когда нужен плотный сигнал для обучения кампании.
Учите автостратегии находить клиентов, которые приносят результат.
Квалифицированные заявки, оплаченные сделки, прибыль и LTV — задайте ориентир для рекламы. Sales Ninja прогнозирует выбранный результат и передаёт моделируемые конверсии в Яндекс Директ, VK Рекламу, Авито Рекламу, Google Ads и TikTok Ads.
Обсудить мои кампанииSales Ninja выбирают компании из разных отраслей
Модель оценивает вероятность и ценность выбранного результата: квалификации, оплаты или будущих покупок. Автостратегия получает обучающий сигнал ещё до того, как этот результат наступит.
Посетитель на сайте
Посетитель открывает товары, изучает характеристики и возвращается к выбранной позиции.
Оценка Sales Ninja
Сопоставляем поведение с визитами, которые завершились целевым действием. Один просмотр сам по себе не становится конверсией.
Результат для рекламы
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.
Не подменяем автостратегию.
Помогаем ей лучше учиться.
Яндекс Директ, VK Реклама, Авито Реклама, Google Ads и TikTok Ads. Выберите площадку, чтобы увидеть способ передачи.
Передаём моделируемую конверсию и её ценность через счётчик или API Метрики. Цель подключается к автостратегии Директа.
Также передаём события в MyTracker и dataLayer. JavaScript-подписка позволяет получать результат модели в своей интеграции. Для каждой площадки проверяем способ приёма события, доступные поля и возможность использовать его в обучении автостратегии.
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.
Даже когда конверсий достаточно, рекламе полезно знать больше о качестве клиента и ценности сделки. Выберите задачу — покажем, что меняется в обучении автостратегии.

Конверсий достаточно, кампания работает. Но факт заявки или покупки не раскрывает все различия между посетителями и их будущей ценностью для бизнеса.
Модель оценивает вероятность и ценность целевого результата по поведению посетителя. Откалиброванные сигналы дополняют реальные конверсии и дают автостратегии больше оснований для обучения. Эффект проверяем по выбранной бизнес-метрике.
Причиной подключения может быть и плато эффективности, и задача улучшить уже работающую рекламу. Дефицит конверсий для этого не обязателен.
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 дополняет его с меньшей ценностью моделируемых конверсий.
Когда хотите дополнить уже работающую оптимизацию.
Условная схема вклада в обучение, а не реальные данные или прогноз результата.
Сохраните работающую стратегию. Дополняющий режим уменьшает вклад моделируемого сигнала. Роль модели выбирается отдельно в каждой интеграции.
Цель, данные и ценность сигнала настраиваются под ваш бизнес. Модель учитывает различия между кампаниями, а вы выбираете, какие результаты для вас важнее.
Выберите метрику и сравните смысл сигнала. Для денежных метрик нужны соответствующие данные; доступность зависит от типа модели.
Выберите цель — сравните нужные данные и способ проверки.
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.
Выберите, какие срабатывания попадут в обучение: все покупки, первая покупка или наиболее значимый результат. Это настройка обучающей выборки, отдельная от атрибуции в Метрике.
Можно ограничить обучение определённым разделом сайта, типом товара, сегментом аудитории. Пример: отдельная модель под линейку кондиционеров, считающая покупкой только заказ с кондиционером.
Условный пример калибровки: 10 покупок на 100 000 ₽ → 45 виртуальных конверсий с общей ценностью 100 000 ₽. Виртуальные можно сочетать с реальными и между собой, с разной силой участия, собирая стратегию под проект. Фактические количество и ценность зависят от данных и настроек.
Например: реальная покупка + виртуальная конверсия по покупке + виртуальная по «CRM: оплачен» + виртуальная по «CRM: создан» с меньшим весом + минус-цель «спам-лид». Состав и вклад целей подбираются под воронку проекта.
Для Метрики доступна отправка в набор целей с фиксированной ценностью. Такой вариант используется со стратегией оплаты за конверсии: состав целей и их ценность согласуются при настройке. Для VK и оптимизации по ДРР этот режим не применяется.
Модель формирует сигнал, автостратегия управляет рекламой. Цели и их вклад согласуем при настройке. Результат проверяем по реальным конверсиям и экономике кампаний.
Для быстрого решения нужен сигнал в текущем визите. При длинном выборе важно учесть цепочку посещений. Выбор подхода зависит от пути клиента и доступных данных.

Модель оценивает каждый визит в реальном времени и отправляет виртуальную конверсию прямо в сессии.
Учитываем цепочку касаний на пути к покупке, а не только последний клик.
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.
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.
До запуска согласуем целевую метрику, кампании и способ сравнения. Моделируемые события учитываем отдельно; результат оцениваем по реальным заявкам, сделкам, выручке или прибыли.

Сравниваем кампании с моделируемым сигналом и без него в один период. Заранее фиксируем условия эксперимента и проверяем, достаточно ли данных для вывода.
Если эксперимент недоступен, сравниваем сопоставимые периоды. Учитываем сезонность, бюджет, цены и изменения сайта: иначе эффект модели нельзя отделить от других причин.
Подбираем сопоставимые кампании и проверяем различия в аудитории, бюджете и предложении. При малом числе сделок сохраняем неопределённость, а не объявляем победителя заранее.
Заранее выберите критерий под задачу кампании. Больше моделируемых событий само по себе не означает больше продаж.
Реальные покупки редки, автостратегии не хватает обратной связи.
Количество реальных покупок и стоимость привлечения при сопоставимых расходах.
В отдельных кампаниях и сегментах мало целевых действий.
Распределение реальных конверсий и расходов по сегментам, а не только общий итог.
Заявка приходит сейчас, квалификация и оплата — позже.
Стоимость квалифицированного лида и оплаченной сделки с учётом задержки результата.
Большинство продаж приходится на популярные товары.
Продажи и прибыль по товарным группам. Рост среднего чека проверяем вместе с доходностью.
Одинаковые по стоимости заявки приносят разную ценность.
Фактическая прибыль и повторные покупки привлечённых клиентов за выбранный горизонт.
Виртуальные конверсии не участвуют в итоговой оценке — только реальные конверсии и деньги.
Как выбрать цель обучения рекламы в вашей отрасли: от первого обращения до результата, за который бизнес готов платить.
Выберите отрасль — изменятся путь клиента, цель модели и критерий результата.
Банк · Розничное кредитование
Что добавляет модель
Модель в реальном времени предсказывает вероятность одобрения и подписания договора. Виртуальная конверсия идёт в кабинет с откалиброванной ценностью, минус-цели по неквалифицированным заявкам уточняют обучающую цель.
Пример применения, а не обещание результата. Прогноз модели помогает обучению; эффективность проверяем по реальным событиям бизнеса.
События сайта, звонки и CRM-статусы связываются с визитами. Модель учится на выбранном результате, а рекламная платформа получает сигнал для своей автостратегии.

Объединяет сигналы.
Оценивает вероятность.
Калибрует ценность.
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.
Просмотры товаров, корзина, активность на сайте и история посещений помогают оценить намерение. Квалификация, оплата и возврат из ваших систем показывают реальный исход. Оценка содержания звонка может дополнить сигнал качества обращения.
ML-рематчинг помогает вернуть в обучение часть внешних конверсий без стабильного идентификатора. Например, UTM задают группу трафика, внутри которой модель оценивает вероятное распределение исходов. Это вероятностная связь, а не точное установление личности.
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.
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.
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.Познакомимся, разберём вашу ситуацию и наметим первые шаги. Без скриптов и давления: заявка вас ни к чему не обязывает.