В 2026 году ручные настройки аудитории в Facebook* отошли на второй план. С внедрением алгоритма Andromeda основным фильтром для поиска пользователей стал сам креатив: система анализирует визуал и текст объявления, чтобы определить, кому именно показать рекламу. Ошибка на этапе подготовки данных или недостаток конверсий приводят к тому, что кампания не может найти зацеп и просто расходует бюджет без результата.
В этом материале мы разобрали техническую логику машинного обучения Meta* и то, как именно события пикселя влияют на поиск аудитории. Вы узнаете, как выстроить работу так, чтобы алгоритм находил целевых пользователей без лишнего вмешательства в настройки адсетов и ручного перебора интересов в кабинете.
Как работает алгоритм Facebook* сегодня
Механика Facebook* в 2026 году — это аукцион, результат которого зависит от показателя Action Rate. Система не просто продает показы, а рассчитывает математическую вероятность того, что конкретный пользователь совершит целевое действие: регистрацию, депозит или покупку.
Andromeda: креатив как фильтр аудитории. После внедрения алгоритма Andromeda состав объявления стал главным инструментом таргетинга. Система сканирует каждый пиксель изображения и смысл в тексте, выделяя тематические триггеры.
Машинное обучение и Action Rate. Перед каждым показом система анализирует сотни вводных: от модели устройства пользователя до его активности на сторонних сайтах, где установлены пиксели Meta*. На основе этих данных рассчитывается вероятность конверсии. Если прогнозируемый Action Rate высокий, Ваше объявление будет выигрывать аукцион и получать охват даже при более низкой ставке, чем у конкурентов.
Приоритет данных над настройками. Результат залива теперь завязан на качестве событий, которые возвращаются в кабинет через пиксель или CAPI. Каждая конверсия уточняет портрет целевого пользователя. Если данные приходят с задержкой или события настроены некорректно, алгоритм не получает подтверждения, что он нашел нужную аудиторию, и начинает размывать показы. Успех кампании зависит от того, насколько быстро и точно Facebook* получает информацию о реальных действиях внутри воронки.
Что такое обучение (learning phase)
Learning phase это период, когда алгоритм подбирает пласты аудитории внутри ГЕО под конкретный оффер. Система тестирует разные сегменты пользователей, чтобы найти тех, кто даст конверсию по нужной цене. Пока этот этап не пройден, результаты будут «прыгать», а цена лида может меняться несколько раз в сутки.
Технический минимум: 50 конверсий. Чтобы адсет вышел из режима обучения, ему нужно собрать 50 целевых действий в течение 7 дней. Это объем данных, необходимый для того, чтобы выдача стабилизировалась. Если событий меньше, кампания получает статус Learning Limited. Это не означает остановку показов, но говорит о том, что данных для стабильного поиска аудитории не хватает.
Волатильность на старте. Первые 48–72 часа после запуска — стадия активного поиска. В этот период CPM часто бывает завышенным. Алгоритм «прощупывает» аудиторию, чтобы зафиксировать первые регистрации или депозиты. Оценивать связку в первые двое суток бессмысленно: любые правки в это время сбрасывают прогресс, и обучение начинается заново.
Переход в рабочий режим. Статус «Active» появляется, когда система накопила базу для поиска нужных пользователей. С этого момента результаты выравниваются: алгоритм находит зацеп и начинает показывать рекламу тем, кто с большей вероятностью совершит действие. Если после завершения этапа цена лида остается неприемлемой, проблема не в алгоритмах, а в слабом креативе или «отжатом» оффере.
Какие данные влияют на поиск аудитории
Эффективность работы алгоритма зависит от скорости и объема поступающей информации. Если часть данных теряется или передается с задержками, система не может точно определить, кто из пользователей совершил конверсию, и продолжает искать аудиторию в широких сегментах, что ведет к неоправданному росту цены за результат.
Объем и плотность событий. Количество конверсий — основной показатель, на который ориентируется система. Для стабильной работы алгоритму необходим поток данных: если 50 регистраций или депозитов приходят не за неделю, а растягиваются на месяц, система не успевает выстроить устойчивую модель поведения пользователя. В таких случаях поиск аудитории размывается, и цена лида становится непредсказуемой.
Работа через Conversions API (CAPI). В 2026 году стандартной установки пикселя в код сайта недостаточно. Блокировщики рекламы и настройки приватности в iOS часто обрывают передачу данных на стороне браузера. В результате конверсия происходит, но Facebook* о ней не узнает.
Conversions API (CAPI) решает эту проблему, передавая данные напрямую с Вашего сервера на сервер Meta*. Это гарантирует, что алгоритм увидит каждое событие, даже если пользователь использует AdBlock.
Кликабельность и удержание внимания. Система анализирует реакцию на объявление еще до совершения конверсии. CTR и время взаимодействия с креативом это технический фидбек для аукциона.
Если пользователи массово пролистывают рекламу, алгоритм расценивает контент как нерелевантный и повышает CPM. Высокий отклик на старте дает системе понять, что направление выбрано верно, и позволяет снизить стоимость показов еще до набора критической массы конверсий.
Траст аккаунта и история спенда. Репутация аккаунта в аукционе строится на истории его работы. На профилях с открученным бюджетом и отсутствием блокировок за последнее время алгоритм находит зацеп значительно быстрее. Meta* учитывает объемы затрат на рекламу и общую результативность прошлых кампаний. Если же аккаунт новый или на нем часто случались баны, система выставляет более жесткие фильтры при проверке объявлений, что затягивает процесс обучения.
Почему кампании «не обучаются»
Статус Learning Limited появляется, когда алгоритм не может найти аудиторию в рамках заданных условий. Это результат нехватки данных или настроек, которые мешают системе зацепиться за целевых пользователей.
Дефицит данных и низкий бюджет. Основная причина остановки обучения — несовпадение бюджета и ожидаемой стоимости лида. Если Ваша выплата за депозит составляет $50, а дневной бюджет на адсет выставлен в $20, система не сможет собрать 50 конверсий за неделю. В таких условиях алгоритм получает данные слишком редко и не успевает найти закономерность: кто именно приносит результат. Для стабильного прохождения learning phase дневной бюджет должен покрывать минимум 3–5 целевых действий в сутки.
Частые изменения в адсетах. Любая правка в активном объявлении сбрасывает прогресс и возвращает алгоритм на стадию калибровки. Ошибка байеров — менять текст, креатив или настройки таргетинга каждые 12–24 часа, не дожидаясь стабилизации CPM. Система воспринимает каждое изменение как запуск новой кампании. В итоге адсет постоянно находится в поиске и не успевает выйти на рабочие показатели.
Слишком узкий таргетинг. В 2026 году попытки ограничить Facebook* наслоением интересов или сложной географией часто приводят к остановке результатов. Алгоритм Andromeda лучше работает на широких аудиториях, где у него есть пространство для маневра. Если Вы выставляете жесткие рамки по возрасту или узким интересам, размер выборки становится слишком малым. Системе не на ком тестировать гипотезы, и она перестает искать целевую аудиторию.
Разрыв в данных трекинга. Если в рекламном кабинете Facebook* количество конверсий значительно меньше, чем в Вашем трекере, обучение будет некорректным. Это происходит из-за ошибок в настройке CAPI или некорректной передачи событий с сервера. Когда система видит только часть реальных конверсий, она считает, что кампания неэффективна. Алгоритм начинает хаотично менять аудиторию в поисках зацепа, хотя связка на самом деле может быть плюсовой.
Как правильно управлять обучением
В 2026 году задача байера — не мешать алгоритму собирать данные. Управление обучением сводится к созданию условий, при которых система может быстро найти зацеп без постоянных сбросов настроек.
Переход на широкий таргет (Broad). После внедрения Andromeda использование узких интересов чаще вредит, чем помогает. Оптимальная стратегия сейчас — Broad (таргетинг только по ГЕО, полу и возрасту). В этом случае алгоритм использует сам креатив как фильтр аудитории. Если на баннере изображены атрибуты оффера, система сама найдет пользователей, которые на них реагируют. Широкий таргет дает системе неограниченный объем данных для тестов, что ускоряет прохождение learning phase.
Правила внесения правок. Любое «существенное изменение» обнуляет прогресс обучения. К таким действиям относятся:
- замена креатива или текста в активном объявлении;
- смена стратегии ставок;
- изменение настроек аудитории;
- резкое изменение бюджета (более чем на 20% в сутки).
Креатив как инструмент оптимизации. Если кампания застряла в Learning Limited, проблема чаще всего в низком CTR или плохой релевантности. Вместо того чтобы перебирать интересы, нужно работать над визуальной частью. Алгоритму проще обучиться, когда объявление получает высокий отклик на старте. Если текущий подход не дает 50 конверсий в неделю, значит, контент не цепляет аудиторию, и система не может выделить сегмент для стабильных показов.
Контроль бюджета. Для корректного обучения дневной бюджет должен быть сопоставим с ценой целевого действия. Если лид стоит $10, а бюджет на адсет — $5, обучение не закончится никогда. Минимум для старта — бюджет, позволяющий получать 5–7 конверсий в сутки. Это обеспечит необходимую плотность данных, чтобы алгоритм вышел из стадии калибровки за стандартные 7 дней.
Типичные ошибки
В 2026 году большинство сливов бюджета связано с некорректной работой с данными и логикой платформы. Любое нелогичное действие со стороны байера сбивает внутренние настройки алгоритма.
Резкое повышение бюджета. Частая ошибка — кратно увеличивать бюджет или дублировать адсет сразу после первых дешевых конверсий. На этапе обучения зацеп может быть временным. Резкий рост затрат выбрасывает кампанию из текущего аукциона и заставляет алгоритм начинать поиск заново, что почти всегда приводит к росту цены за результат.
Неверная цель оптимизации. Новички часто ставят целью «Депозит» на новых аккаунтах, где пиксель еще не зафиксировал ни одного события. Без накопленных данных алгоритм не понимает профиль пользователя и показывает рекламу всем подряд. В серых вертикалях правильнее сначала собрать базу на «Регистрациях», чтобы система сформировала модель поведения аудитории, и только после этого переходить к более сложным целям.
Конкуренция внутри аккаунта. Запуск нескольких кампаний на одно ГЕО с одинаковыми креативами создает внутреннюю конкуренцию. Ваши адсеты начинают соревноваться друг с другом, что искусственно завышает CPM. Вместо создания множества копий лучше объединять бюджет в одном адсете: так система быстрее наберет необходимые 50 конверсий для выхода из стадии обучения.
Анализ на коротких отрезках. Байеры часто принимают решения на основе статистики за последние несколько часов. Аукцион волатилен, и цена лида может прыгать в течение дня. Выключать адсет только потому, что утром результат стал дороже — ошибка. Реальную картину можно увидеть только на дистанции 24–48 часов. Постоянные перезапуски не дают системе завершить калибровку.
Игнорирование износа креатив. Когда частота показов растет, а CTR падает, смена интересов не поможет. Это означает, что контент перестал быть релевантным для текущей аудитории. В 2026 году «выгорание» связки решается только обновлением объявлений. Если креатив не цепляет пользователей, алгоритм не сможет обучить адсет даже при неограниченном бюджете.
Как использовать алгоритм в свою пользу
Работа с Facebook* в 2026 году это не перебор настроек в надежде найти результат, а создание условий для обучения системы. Акцент в работе байера перешел от манипуляций внутри Ads Manager к качеству контента и технической точности передачи данных.
Креатив как инструмент управления. Так как алгоритм Andromeda подбирает аудиторию на основе триггеров в креативе, Ваша задача — делать объявления, которые система считывает однозначно. Если контент слабый или слишком абстрактный, Facebook* не сможет выделить сегмент пользователей для показа, и адсет уйдет в бесконечное обучение. Вместо смены интересов тестируйте разные подходы в самих объявлениях: именно они теперь определяют, кому будет показана реклама.
Точность входящих данных. Алгоритм эффективен только тогда, когда он видит реальный результат. Ошибки в настройке CAPI или потеря событий на стороне сайта делают обучение бессмысленным. Чтобы использовать возможности Meta* на полную, обеспечьте системе прозрачность воронки. Используйте серверную передачу событий и следите за тем, чтобы данные в кабинете не расходились со статистикой партнерской программы.
Автоматизация процесса. Для масштабирования связок логичнее использовать автоматические правила, а не вносить правки руками. Они позволяют менять бюджет или отключать объявления по заданным условиям, не сбивая оптимизацию так агрессивно, как это происходит при ручном вмешательстве. Это дает кампании необходимую стабильность для долгого открута на объемах.
Результат залива теперь зависит от двух факторов: насколько Ваш креатив попадает в запрос аудитории и насколько точно Вы передаете информацию об этом системе. В текущих реалиях алгоритм работает точнее байера, если дать ему качественные объявления и чистые данные от пикселя.
*принадлежит компании Meta, признанной экстремистской и запрещённой на территории РФ
FAQ
Резко повышать бюджет на этом этапе нельзя, потому что это обнулит прогресс и вернет адсет на стадию калибровки. Если результаты Вас устраивают, поднимайте спенд постепенно, не более чем на 20% в сутки. Для агрессивного масштабирования правильнее дождаться статуса Active или делать дубли кампаний, чтобы не сбивать настройки в рабочем адсете.
Статус означает, что системе не хватает данных для стабильной работы. В такой ситуации стоит максимально расширить аудиторию и убрать узкие интересы, перейдя на Broad. Также проверьте корректность настройки CAPI: часто алгоритм не видит часть конверсий и не может завершить обучение из-за технического разрыва в данных. Если бюджет слишком низкий относительно цены лида, его повышение также поможет системе накопить нужные 50 событий.
Переход в статус Active подтверждает только то, что Facebook* нашел стабильный сегмент аудитории и выровнял выдачу. Это не гарантирует дешевый трафик. Если после выхода из обучения цена результата остается неприемлемой, проблема заключается в самой связке — креатив не цепляет пользователей или оффер не попадает в запрос. В такой ситуации нужно обновлять креативы, а не крутить настройки в кабинете.
Любые паузы дольше нескольких часов ломают график сбора данных. Алгоритм распределяет показы с учетом суточной активности пользователей в аукционе. Когда Вы выключаете рекламу руками, система теряет темп и при включении может начать поиск заново. Для контроля затрат в нерабочее время лучше настраивать автоматические правила, которые будут снижать бюджет или стопать только те объявления, которые не проходят по KPI.
Любая замена баннера или видео воспринимается системой как запуск абсолютно нового объявления. Это автоматически сбрасывает все накопленные данные и возвращает кампанию в стадию обучения. Если Вы нашли работающий зацеп, не трогайте его. Все новые подходы и тесты всегда запускайте отдельными адсетами, чтобы не портить результаты в кампаниях, которые уже приносят лиды.
