"Управление скидками" в Яндекс Директе: алгоритм сам выбирает размер предложения для покупателя
В Яндекс Директе началось бета-тестирование нового инструмента "Управление скидками". Он предназначен для интернет-магазинов и использует машинное обучение, чтобы автоматически определить, какому пользователю стоит показать скидочное предложение и каким должен быть его размер.
Главная задача обновления - помочь бизнесу увеличить число заказов без пропорционального роста рекламных расходов. Алгоритм анализирует обезличенные сведения о покупательском поведении и распределяет скидочный бюджет между потенциальными клиентами. Благодаря этому предложение получает именно тот пользователь, для которого оно с большей вероятностью станет стимулом к покупке.
Как работает инструмент
Раньше рекламодателям приходилось самостоятельно решать, кому предоставить скидку. Маркетологи сравнивали эффективность акций, оценивали поведение новых и постоянных клиентов, а затем вручную задавали условия показа. Такой подход требует времени и не всегда позволяет эффективно использовать ограниченный бюджет.
Теперь часть этой работы выполняет ML-модель. Она может определить, что скидка будет полезна человеку, который впервые заинтересовался товаром, давно ничего не покупал у магазина или находится на грани отказа от заказа. При этом пользователю заранее показывается цена с учетом скидки - еще до перехода на сайт рекламодателя.
Инструмент объединяет два подхода к промоакциям:
- персональные скидки, рассчитанные с учетом вероятного поведения конкретного покупателя;
- общедоступные предложения, которыми может воспользоваться любой клиент в каналах Яндекса, даже если он раньше не совершал покупок у бренда.
Таким образом, алгоритм не ограничивается только лояльной аудиторией. Он может направлять скидки и новым клиентам, если модель предполагает, что дополнительная выгода повысит вероятность оформления заказа.
Какие параметры задает магазин
Несмотря на автоматизацию, рекламодатель сохраняет контроль над условиями акции. Перед запуском кампании компания определяет:
- перечень товаров, участвующих в продвижении;
- общий бюджет на скидки;
- предельный размер скидочного предложения.
После этого система самостоятельно распределяет доступный бюджет между пользователями. Алгоритм не может выйти за установленные ограничения, поэтому бизнес заранее понимает максимальный объем предоставляемых скидок и потенциальные расходы на акцию.
На этапе закрытого тестирования использование инструмента не требует дополнительной оплаты. Однако доступ к функции пока получили только отдельные компании.
Где появляются объявления со скидкой
На текущем этапе предложения, сформированные моделью, отображаются в рекламных объявлениях на Поиске Яндекса. Пользователь видит стоимость товара с учетом скидки непосредственно в результатах поиска, что позволяет оценить выгоду еще до перехода на сайт магазина.
Оплатить заказ по такой цене можно банковской картой любого банка через Яндекс Пэй. Это делает процесс получения скидки более понятным для покупателя: ему не обязательно искать промокод, вводить дополнительные комбинации символов или ждать письма с персональным предложением.
В дальнейшем Яндекс планирует расширить места размещения скидок. В числе возможных каналов называются органическая поисковая выдача и предложения, которые будут появляться в диалогах с Алисой.
Кому подойдет "Управление скидками"
Инструмент прежде всего рассчитан на интернет-магазины, которые привлекают покупателей с помощью Яндекс Директа. Он может оказаться особенно полезным компаниям с широким ассортиментом, большим количеством рекламных кампаний и ограниченным промобюджетом.
Автоматическое распределение скидок позволяет:
- не предоставлять максимальную выгоду всем посетителям без необходимости;
- эффективнее работать с новыми клиентами;
- возвращать пользователей, которые давно не оформляли заказы;
- повышать вероятность покупки у тех, кто уже проявил интерес к товару;
- тестировать разные варианты скидочной политики без постоянной ручной корректировки.
Для крупных магазинов важным преимуществом может стать масштабирование. Чем больше аудитория и ассортимент, тем сложнее вручную определить оптимальное предложение для каждого сегмента. Модель способна учитывать множество сигналов одновременно и быстрее реагировать на изменения в поведении покупателей.
Что важно учесть рекламодателю
Автоматизация не отменяет необходимости контролировать экономику кампании. Перед подключением инструмента магазину стоит определить минимальную допустимую маржу, товары с достаточным запасом прибыли и категории, на которые нельзя распространять скидки.
Не каждый товар одинаково подходит для алгоритмического продвижения. Если маржинальность низкая, даже небольшой дисконт может сделать заказ нерентабельным. Поэтому целесообразно начинать с отдельных товарных групп, сравнивая результат с обычной рекламной кампанией.
Оценивать эффективность следует не только по числу кликов или заказов. Важно отслеживать выручку, стоимость привлечения клиента, средний чек, прибыль после скидки и долю повторных покупок. В противном случае рост продаж может оказаться формальным и не привести к улучшению финансового результата.
Отдельное внимание стоит уделить корректности товарных данных: названиям, ценам, наличию и условиям акции. Если информация в объявлении не совпадает с данными на сайте, пользователь может отказаться от покупки, а доверие к магазину снизится.
Перспективы развития функции
"Управление скидками" вписывается в общий тренд на автоматизацию рекламных кампаний. Платформы постепенно передают алгоритмам не только управление ставками, но и принятие решений о том, кому показать предложение, какую выгоду сформировать и в какой момент сделать это наиболее эффективно.
Расширение инструмента на органическую выдачу и диалоги с Алисой может увеличить охват акций. При этом для бизнеса станет особенно важным единообразие условий во всех каналах: покупатель должен понимать, почему цена отличается и как именно применяется скидка.
Пока функция работает в тестовом режиме и доступна ограниченному кругу компаний. По мере накопления данных Яндекс сможет оценить, насколько стабильно модель влияет на конверсию, расходы магазинов и итоговую прибыль. Результаты тестирования, вероятно, определят состав будущих настроек и доступность инструмента для более широкого числа рекламодателей.
