Медийная реклама *

Цена — один из первых параметров, с которым пользователь сравнивает онлайн-курсы. Но на ней выбор не заканчивается. Программа, формат обучения, расписание, преподаватели и отзывы могут оказаться не менее важными при принятии решения. Для образовательных платформ это создает отдельную маркетинговую задачу: недостаточно привлечь пользователя на курс — нужно помочь ему выбрать конкретное предложение среди десятков похожих.

Авито Реклама провела исследование и выяснила, как россияне выбирают онлайн-курсы, сколько готовы тратить на обучение и какие факторы учитывают перед покупкой. Разбираем основные результаты и смотрим, что они означают для продвижения образовательных продуктов.

44 тысячи рублей — столько в среднем российские семьи готовы потратить на организацию летних каникул ребенка. При этом решение о том, как провести лето, принимают не в один момент: кто-то начинает искать варианты еще зимой, а кто-то определяется непосредственно перед поездкой.

Вместе со специалистами Авито Путешествий мы в Авито Рекламе изучили, как семьи с детьми планируют летний отдых: когда начинают поиск, кто участвует в принятии решения, на что обращают внимание при выборе жилья и какую роль играет онлайн-реклама — рассказываем обо всем в статье.

Пользователь редко ограничивается одним интересом: он может искать спиннинг, выбирать велосипед и одновременно присматривать загородный дом. Если учитывать только отдельные категории интересов, часть потенциально релевантной аудитории останется за пределами таргетинга.

По данным Авито Рекламы*, интересы пользователей действительно заметно пересекаются. Например, каждый четвертый любитель рыбалки интересуется моторными лодками, а каждый шестой — загородной недвижимостью. Разбираемся, почему привычного таргетинга по интересам бывает недостаточно и как учитывать более широкий контекст, чтобы находить аудиторию за пределами очевидных категорий.

Стоимость привлечения клиента стремительно растет: Gо данным E-Promo Group, за первый квартал 2026 года цена клика увеличилась на 3%, а стоимость целевого действия — на 26%. Одновременно меняется поведение пользователей: они дольше принимают решения и совершают меньше импульсивных покупок. В таких условиях таргетинг, который ищет клиента только в момент горячего спроса, охватывает узкий и дорогой срез аудитории. 

В этой статье разбираем, как расширить охват за счет изучения жизненного пути и смежных покупок пользователя, и как это реализовано в кабинете Авито Рекламы.

Добрый день, я хотел бы поделиться историей из 2013 года как обычные разговоры коллег на курилке через полгода привели к разработке СРМ и удвоили продажи компании.

Прежде всего, историю следует воспринимать в контексте времён когда Skype был не только главным мессенджером в бизнес-процессах, но и главным файлообменником постсоветского пространства, ИИ воспринимался как научная фантастика из далёкого будущего и сайты на Flash всё ещё были в моде.

Вот маркетинговая задачка: вам приносят отчёт и предлагают увеличить бюджет на следующий квартал. На первый взгляд всё выглядит хорошо: коэффициент LTV/СAC = 4, значит, каждый клиент приносит в 4 раза больше, чем стоит его привлечение. Запускаемся?

Начну с признания. Я сижу. Не в том смысле, в каком вы подумали, а в read-only. Это когда Хабр у тебя есть, но Хабра у тебя нет. Можешь читать, лайкать в уме и молча смотреть, как жизнь проходит мимо. Такой цифровой монастырь с обетом молчания, куда меня определили.

Расскажу, за что. А потом самое важное – как из этого выбираться. Потому что в этот вопрос я вложила чуть не больше исследований, чем в некоторые свои статьи, за которые, собственно, и села.

Тернистый лес для любого, кто только начинает заниматься маркировкой рекламы — это отчетность.

Когда нужно загружать акт? В какой момент подавать статистику? Что такое детализация (разаллокация) и почему без нее данные могут оказаться неполными?

Именно на этом этапе чаще всего возникают ошибки, которые приводят к расхождениям в ЕРИР и штрафам. В статье на примере ОРД-А попробуем разобраться, так ли страшен чёрт, как его малюют, и как правильно передать данные в ОРД.

Трафик из поиска падает, а доход паблишера все еще можно увеличить. Если разобраться, как устроен аукцион, который продает рекламу на сайте. Разберу это простыми словами, а также почему одна рекламная сеть — это потолок, и как на сайте за 4 дня удалось увеличить доход на 159%, ничего не меняя в трафике.

Стандартная модель атрибуции молча предполагает, что от касания до конверсии проходят часы или дни. У застройщика между кликом по объявлению и подписанием договора — месяцы: просмотры, расчёт ипотеки, семейный совет, ожидание продажи старого жилья. Квартира стоит 6–8 миллионов, на эмоции за вечер её не берут. В этот зазор проваливается вся привычная перформанс-аналитика: окно атрибуции короче цикла, конверсия-деньги живёт в CRM за пределами рекламного кабинета, и сделок за месяц так мало, что любая статистика по отдельному объявлению — шум.

Ниже — инженерный разбор, как под такие условия проектируется сквозная аналитика: какая нужна модель данных, где ломается last-click, как поднять оффлайн-конверсии из CRM обратно в рекламу и что вообще измерять, пока сделок две-три в месяц и обучать модель не на чем. Цифры по спросу в тексте — из нашего аудита рынка квартир по Башкортостану за 24 месяца; сразу оговорюсь, что конкретные доли верны для Уфы, а переносится между регионами только механика, не проценты.

Адресат — аналитики и маркетологи, которые собирают атрибуцию под длинный B2C-цикл (недвижимость, авто, дорогие услуги). Специфика застройщика тут — удобный крайний случай: цикл длинный, чек высокий, поток сделок низкий одновременно.

Мастер отчётов в Директе отдаёт один срез за запрос. Хочешь сравнить расход по площадкам — строишь один отчёт; нужна понедельная динамика стоимости лида — строишь второй; смотришь, какая кампания просела — третий. Между несколькими клиентскими логинами добавьте ещё перелогины. Картина всего аккаунта в этой схеме существует только в голове аналитика, и каждое утро её приходится пересобирать заново.

Мне это мешало достаточно, чтобы потратить вечер и вытащить данные напрямую из Reports API в Google-таблицу: один лист — весь аккаунт по неделям, рядом разрезы по площадкам и по каждой кампании, плюс подневное скользящее окно. Обновляется само через Apps Script. Ниже разберу, как это устроено под капотом, где у конструкции стенки (их хватает) и почему свои боевые дашборды я в итоге всё равно унёс в DataLens. Таблица — пустой шаблон, отдаю по ссылке в конце, можно скопировать и распотрошить.

Адресат — те, кто сам копается в Директе и аналитике. Написали такой инструмент — будет с чем сверить решения; только думаете — сэкономите вечер на граблях.

Сегодня ИИ для создания видео обещает почти одно и то же: загрузите фото или напишите промпт и через пару минут получите готовый ролик. На практике же все гораздо сложнее. Один сервис может сделать красивую картинку, но поменяет лица, другой хорошо держит промпт, но добавляет новые пальцы или руки, а третий отлично оживит фон, но зато люди будут двигаться слишком неестественно со странной мимикой.

Поэтому я решила провести эксперимент и проверить на одном сложном исходнике, какая же нейросеть справится лучше? 

Для теста взяла семейное сгенерированное фото: в кадре женщина, мужчина, ребенок, собака, игрушка, стакан, руки, лица, фон с деревьями и прохожими. Решила взять частый сценарий использования нейросетей, плюс проверить как нейросети справляются не только с “красивым видео”, но и с деталями, которые чаще всего выдают ИИ: глаза, пальцы(все помнят первые генерации пару лет назад с теми жуткими семью пальцами?😄), мимика, окружающие предметы и движением фона.

Для сравнения выбрала 11 российских и зарубежных сервисов. Именно эти сервисы я нашла в популярных подборках ИИ:

Кампания с недельным бюджетом 10 000 ₽ в нише, где заявка стоит около 5 000, не обучится никогда — и автостратегия тут ни при чём. Ей просто не на чем учиться: за неделю она не наберёт даже двух заявок, а без набранных заявок look-alike нечем строить закономерность. Это школьная арифметика, и желание заказчика на неё не влияет.

Я веду Яндекс Директ в недвижимости, и почти любой спор «автостратегии всё сливают» против «ручное управление умерло» у меня на глазах сводится к одному инженерному вопросу: наберёт ли алгоритм достаточно размеченных данных, чтобы обучиться в этих конкретных условиях. Стоит посмотреть на автостратегию как на классификатор, которому нужна минимальная обучающая выборка положительных примеров за единицу времени, — и половина мифов вокруг неё отваливается сама.

Дальше — как этот классификатор устроен под капотом (упрощённо, детали Яндекс не раскрывает), почему ему нужен объём, где вместо него честнее ручные ставки и как «удобная» цель тихо ломает всю оптимизацию. В конце — таблица по шести типовым сценариям недвижки. Если у вас поток в сотни конверсий в неделю, большая часть проблем ниже вас не касается: там автостратегии просто работают, и это нормально.

Как находить клиентов по смежным покупкам на Авито

Переезд, дача, сезон — люди уже выбирают смежные товары. Это сигналы будущей покупки: их можно ловить раньше прямого поиска и приводить клиентов дешевле.

21 июля в 11:00 мск приглашаем на бесплатный вебинар. Покажем, как работать со смежным спросом, куда вести покупателя, как попадать в момент выбора без лишних расходов

О чём ещё расскажем:

«Реклама не работает» — фраза, которую я слышу от застройщиков чаще любой другой. За ней почти всегда стоит одно: бюджет откручивается, заявки капают, а сделок мало. И первая реакция предсказуемая — добавить денег или сменить подрядчика.

Я решил разобрать эту жалобу на данных: взял 24 месяца помесячной статистики Яндекс Вордстата по Башкортостану и Уфе плюс срез по 109 активным жилым комплексам Уфы. Ниже — что реально видно в этих цифрах, три механизма, из-за которых кампания «буксует», и отдельно то, ради чего эту статью стоит дочитать аналитику: где данные Wordstat нельзя читать в лоб и как я на этом сам мог бы ошибиться.

Адресат — те, кто сам собирает семантику и настраивает кампании в нише недвижимости. Бизнес-рамку («как это влияет на ваши продажи») я убрал — она на сайте. Здесь разговор про методологию: как режется спрос, какие доли из этого можно считать, а какие нельзя.

Я маркетолог и до этого проекта не писала код. Но с помощью GPT собрала рабочую систему сбора, обработки и аналитики отзывов для ресторанной сети: 16 500 отзывов в одном контуре, более 9 500 записей в собственном хранилище, четыре XML-фида, мониторинг, автоответы и 130+ страниц документации. Все это обходится в 8,5К в месяц.

Это кейс не только про AI-assisted development, но и про вполне прикладную пользу для бизнеса: меньше ручной работы, меньше пропусков и ошибок, единая аналитика и понятная стоимость эксплуатации. А заодно – честный разбор того, где AI действительно снижает порог входа в разработку, а где без человеческого контроля быстро начинает моросить.

Почему-то в России к довольно острому вопросу о вторжении ИИ в жизнь общества отношение до сих пор довольно легкомысленное. Может недостаток цеховой солидарности или привычка к кризисам, уверенность, что это «о ком-то другом». А может несерьёзное отношение к авторским правам. 

На западе именно вопрос авторских оказался одним из первых и самых острых вопросов к ИИ. И творческий цех быстро стал объединяться в протесте против генеративного ИИ, уничтожающего и рабочие места, и смысл работы, и ценность любого произведения. То же происходит и среди их зрителей, подвергающих остракизму нейрослоп. Как в случае с Coca-Cola, заменившими нейроподелкой «реальную» рождественскую рекламу, ставшую праздничной традицией, как и созданный когда-то для её же рекламы нынешний образ Санта-Клауса.

И наоборот, всего лишь простая заставка Apple, которая казалась графикой, а оказалась реальным съёмочным роликом, вызвала фактом своей реальности вирусную волну восторга и даже заставила Apple завести отдельный запретграм-аккаунт чтобы показывать как они снимают свои реальные рекламы под общее одобрение и восторг. 

Но Coca-Cola же волна возмущения и насмешек не остановила - они упорно повторили эксперимент с тем же результатом. Почему?  
Полагаю потому, что реклама никогда не была «просто рекламой», это мощный инструмент воздействия на массы и формирования образного ряда и стереотипов мировосприятия, как бы ни посмеивались над этим обыватели. И та нейрослоп-реклама тоже была не просто роликом, а заявлением, или даже… объявлением войны человеку на его внутреннем поле - в пространстве художественных образов и эстетического мировосприятия. И не просто так это случилось именно в Рождество.

Представьте, что вам нужно обрабатывать десятки тысяч сообщений с помощью LLM: извлекать данные из текста, классифицировать объявления и получать строго структурированный JSON. При этом стоимость каждого запроса должна оставаться минимальной.

Я столкнулся именно с такой задачей и попробовал несколько подходов: от бесплатных моделей до платных API. В итоге удалось снизить стоимость одного запроса примерно до 0.006 рублей, сохранив качество обработки.

В статье расскажу, как я пришёл к этому решению и почему в итоге написал собственный API-слой поверх OpenCode Go.

Возраст, пол и интересы долгое время были основой рекламного таргетинга. Однако сегодня этих данных уже недостаточно, чтобы определить, готов ли пользователь принять решение о покупке. Все чаще рекламные платформы строят сегментацию вокруг намерений и жизненных сценариев, которые можно выявить по цепочке поведенческих сигналов.

Привет! Это Авито Реклама. В статье разбираем, почему такой подход становится новым стандартом рынка и как его используют крупнейшие рекламные платформы.

Пользователи все чаще начинают поиск товаров и услуг не в поисковых системах, а сразу на площадках с объявлениями, где можно сравнить предложения, цены и выбрать подходящий вариант. Вместе с этим меняются и подходы к рекламе: платформам становится важно понимать не только, что человек ищет, но и насколько он близок к покупке.

Один из примеров интент-подхода — Авито Реклама, которая использует данные о поведении пользователей на платформе, чтобы показывать персонализированные рекламные сообщения. В этой статье разберем, как работают интент-платформы, какие данные они анализируют и почему этот подход становится важной частью современного перформанс-маркетинга.