Почему я перестал считать «обучение алгоритма» главным узким местом в Meta Ads

Почему я перестал считать «обучение алгоритма» главным узким местом в Meta Ads

В 2026 году в Meta Ads слишком много внимания по-прежнему уходит на «докормить кампанию событиями», будто проблема всегда в алгоритме. По моей практике, в большинстве B2B и e-com аккаунтов узкое место уже не в том, что система плохо учится, а в том, что ей дают слишком бедный коммерческий сигнал.

Я часто вижу одинаковую картину: у клиента есть покупки, лиды, регистрации, но эти события собраны в одну кучу. В итоге Meta оптимизируется не под выручку, а под удобный для отчёта суррогат. Это особенно больно сейчас, когда last-click-атрибуция теряет вес, а решение о бюджете всё чаще опирается на server-side, MMM и оценку инкрементальности.

Что я делаю иначе:
— сначала отделяю события по ценности, а не по названию;
— если есть несколько типов лидов, передаю их в разном весе;
— для e-com смотрю не только на первую покупку, а на повтор и маржинальность;
— в B2B стараюсь дотянуть связку до выручки, а не до MQL-отчёта.

И вот что важно: **Meta лучше всего работает не там, где «больше данных», а там, где данные честнее отражают экономику.** Если кампании получают одинаково «плоские» сигналы, алгоритм начинает оптимизировать объём, а не качество.

Один заметный кейс из практики: после разделения «лид формы» и «квалифицированный лид» в одной B2B-воронке CPL почти не изменился, но доля SQL выросла примерно на 28% за три недели. Бюджет тот же, креативы те же — поменяли только структуру сигналов.

Поэтому мой вывод простой: в Meta Ads сейчас выигрывает не тот, кто громче говорит про машинное обучение, а тот, кто умеет построить **систему коммерческих сигналов**.

— @MetaAdsManual