Яндекс внедрил в рекламную систему новую модель прогнозирования конверсий

Яндекс обновил модель прогнозирования конверсий и управления ставками рекламодателей. Особенность новой модели  — «многоголовая» архитектура: внутри работает несколько нейросетей, каждая из которых отвечает за свой тип сигналов. Благодаря этому анализируются не отдельные действия пользователя на сайте, а весь его путь на нем. Тесты показали, что решение может обеспечить рекламодателям в среднем на 10% больше конверсий при сопоставимом бюджете.  

Новая модель опирается на более чем 25 сигналов — втрое больше, чем прежде: от глубины просмотра и времени визита до добавления в корзину и других промежуточных действий, которые говорят о реальном намерении совершить покупку. 

«От показа рекламы до покупки может пройти некоторое время, а оценивать эффективность объявления нужно оперативно. “Многоголовая” архитектура модели дает возможность более точно спрогнозировать конверсию, так как  позволяет одновременно оценивать разные типы сигналов — от клика до отложенной покупки — и извлекать полезные данные даже из посещений сайтов и приложений, которые в моменте не завершились целевым действием», — отмечает директор по продуктам и искусственному интеллекту Яндекс Рекламы Алексей Штоколов.

Возможность отслеживать отложенные конверсии особенно ценна в категориях с долгим циклом принятия решения — при покупке недвижимости, автомобиля, электроники или туристических услуг. Пользователь может несколько дней или недель сравнивать предложения и возвращаться на сайт, прежде чем сделать выбор. 

Еще одна особенность новой архитектуры — встроенная прокси-модель, или промежуточная модель-посредник. Она улавливает свежие изменения в поведении аудитории без длительного переобучения и сразу передает их основной модели. Благодаря прокси-модели система еще до финальной покупки понимает намерение и в режиме реального времени формирует ставку в аукционе исходя из вероятности целевого действия. Рекламный бюджет расходуется эффективнее: объявления показываются пользователям с наибольшей вероятностью совершить покупку, оставить заявку, позвонить или скачать приложение.     

Новая модель прогнозирования конверсий работает в рекламных кампаниях в Поиске и Рекламной сети Яндекса. В РСЯ входят собственные сервисы Яндекса и более 90 000 партнерских площадок: сайты, приложения, мессенджеры, блоги, CTV и др.

Контекст 

Мировая тенденция в развитии архитектуры рекомендательных систем сегодня  — переход от поэтапных воронок к сквозным архитектурам с единой ML-моделью, формирующей релевантные объявления для всей сессии пользователя сразу — а не на каждом шаге по отдельности. 

Яндекс поэтапно реализовывает этот подход в своей рекламной системе.                                                                                      В начале 2026 года компания внедрила в нее генеративную модель Argus, которая моделирует поведение пользователя на основе его обезличенной интернет-истории; с ней “память” рекламной системы выросла в 30 раз.                                                Сейчас в рекомендательную систему в рекламе внедрили дискриминативную модель глубокого обучения Gorgona, такое название модель получила из-за своей “многоголовой” архитектуры.

В связке эти две модели позволяют рекламной системе не просто понимать намерение пользователя, а в режиме реального времени точнее оценивать его ценность для рекламодателя. Результат — больше конверсий при сопоставимом бюджете.