Рекламная индустрия вступила в фазу, которую The Drum назвал «эрой outcomes». Суть проста: каждый вложенный доллар — будь то brand-кампания или performance-закупка — теперь должен доказать коммерческий эффект. Старое разделение на «имиджевую» и «прямую» рекламу стирается. Для медиабайеров и арбитражников это означает, что воронки, где верхний уровень не связан с конверсиями измеримым путём, становятся всё дороже и рискованнее.

Драйверы перехода — programmatic-закупки с real-time bidding, инструменты вроде Google Analytics, которые замкнули цикл от показа до действия, и закрытые loop-системы вроде AppLovin, которые автоматически поглощают данные об исходах, моделируют их и реинвестируют бюджет. Результат — рынок, где outcome становится не целью, а архитектурой закупки.

В этой статье разберём, как именно устроена outcome-экономика, что она меняет для арбитражников и медиабайеров, и как перестроить закупки, чтобы не терять ROI на переходном этапе.

Что такое «эра outcomes» и как мы до неё дошли

Outcome-based маркетинг — это подход, при котором каждый рекламный контакт оценивается по вероятности привести к измеримому коммерческому результату: покупке, установке, лиду, подписке. Не по охвату, не по кликам, не по brand lift — по исходу.

Путь к этой модели занял около двух десятилетий:

  • 2000-е — CPC-модели. Google AdWords сделал клик главной валютой. Маркетологи впервые получили прямой отклик.
  • 2010-е — programmatic и RTB. Алгоритмическая закупка позволила оценивать каждый показ в миллисекундах и ставить ставки на основе вероятности конверсии.
  • 2020-е — закрытые loop-системы. AppLovin, Meta и Google замкнули цикл: данные об исходах автоматически возвращаются в оптимизатор, который перераспределяет бюджет без участия человека.

Каждый этап ужесточал требование к измеримости. Если в эпоху CPC можно было оправдать расход «трафиком на сайт», то сейчас заказчик или байер должен показать, какой доход этот трафик принёс.

Closed-loop performance: как AppLovin переписал правила

AppLovin — самый яркий пример закрытой loop-системы в mobile-маркетинге. Платформа не просто закупает показы — она поглощает данные о постбэк-событиях (установки, покупки, retention), строит модель вероятности исхода и автоматически реинвестирует бюджет в наиболее эффективные сегменты.

Для арбитражников это означает следующее:

  • Бюджет перетекает к алгоритму. Ручная оптимизация по CPI/CTR проигрывает автоматической по LTV/purchase.
  • Прозрачность снижается. Вы не видите, по какой логике алгоритм выбрал конкретный показ — только результат.
  • Скорость реакции растёт. Если креатив перестаёт приносить outcome, система отключает его за минуты, а не за дни.

Аналогичные механизмы появляются и в Google Ads: Smart Bidding с Target ROAS, Performance Max, оптимизация по value — всё это элементы closed-loop подхода, где система сама связывает показ с исходом и корректирует ставки.

Почему brand-реклама больше не может прятаться от ответственности

Схема замкнутого цикла outcome-based маркетинга: от показа рекламы до конверсии и реинвестирования бюджета
Closed-loop система связывает показ, конверсию и ценность в единый цикл оптимизации

Долгое время brand-кампании жили в «убежище от ответственности»: их эффект считался долгосрочным, трудноизмеримым и не подлежащим прямой атрибуции. Эра outcomes это убежище разрушает.

Теперь brand-инвестиции тоже должны доказывать коммерческий эффект. Это не значит, что awareness больше не нужен — значит, что awareness без связи с конверсиями не оправдывает бюджет. Для медиабайеров это создаёт конкретную проблему: upper-funnel закупки (Display, YouTube, видео в Meta) всё чаще оцениваются по incrementality — насколько они увеличили конверсии по сравнению с контрольной группой.

Практические следствия:

  • Brand-кампании без incrementality-теста — риск. Если вы не можете показать, что upper-funnel показы подняли конверсии на нижнем уровне, бюджет урежут.
  • Атрибуция становится multi-touch. Один последний клик больше не работает — нужно распределять ценность по всем точкам контакта.
  • Частота показов оптимизируется под outcome, а не под охват. Показывать рекламу 7 раз «для запоминания» — это старая логика. Новая: показывать столько, сколько нужно для максимальной вероятности конверсии.

Как перераспределить бюджеты в эпоху outcomes

Для арбитражников и медиабайеров переход к outcome-экономике требует пересчёта медиамикса. Вот ключевые изменения:

1. Сдвиг от охватных форматов к performance-инвентарю

Если раньше 30% бюджета можно было потратить на «прогрев», теперь каждый канал должен вносить измеримый вклад. Upper-funnel форматы остаются, но их доля сокращается до 10–15%, а высвободившиеся средства уходят в performance-каналы: Search, Shopping, Performance Max, app-install кампании.

2. Оптимизация по value, а не по объёму

CPC и CPA — метрики прошлого этапа. Outcome-экономика требует оптимизации по value: ROAS, LTV, profit per impression. В Google Ads это означает переход на Target ROAS или Maximize Conversion Value. В арбитраже — пересчёт связок не по «сколько стоит лид», а по «сколько приносит клиент за жизненный цикл».

3. Замыкание loop на стороне данных

Если вы льёте трафик и не замыкаете loop — вы не в outcome-экономике, вы в CPC-экономике. Нужно:

  • Настроить server-side отслеживание конверсий.
  • Передавать value (сумму заказа) обратно в рекламную платформу.
  • Использовать enhanced conversions в Google Ads для восстановления данных после потери cookie.

Google Ads и outcome-based оптимизация: что использовать

Google Ads предлагает несколько инструментов, которые напрямую поддерживают outcome-подход:

  • Performance Max. Автоматически распределяет бюджет по всем инвентарям Google на основе вероятности конверсии. По сути — closed-loop система внутри экосистемы Google.
  • Target ROAS. Ставки оптимизируются по целевому возврату на рекламные расходы, а не по стоимости клика или конверсии.
  • Conversion Value Rules. Позволяют задать разную ценность конверсий в зависимости от аудитории, локации или устройства — что важно для точного outcome-моделирования.
  • Data-driven attribution. Распределяет ценность конверсии по всем точкам контакта на основе фактических данных, а не по фиксированной модели.

Для арбитражников критично: если вы не передаёте conversion value в Google Ads, алгоритм оптимизирует по объёму, а не по доходу. Это значит, что вы получаете дешёвые, но низкокачественные конверсии.

Риски и ограничения outcome-based подхода

Outcome-экономика не лишена проблем, и медиабайеры должны их понимать:

  • Паралич данных. Слишком много метрик и сигналов могут запутать. Если вы отслеживаете 15 событий с разной ценностью, алгоритм может не найти паттерн. Решение: выбрать 2–3 ключевых outcome-события.
  • Краткосрочное мышление. Оптимизация по немедленному исходу может убить долгосрочную ценность. Например, агрессивный ретаргетинг повышает конверсии сегодня, но снижает LTV из-за выгорания аудитории.
  • Зависимость от платформы. Closed-loop системы вроде AppLovin или PMax забирают контроль у байера. Вы не видите, куда именно уходят деньги — только итоговый ROAS. Это риск для арбитражников, работающих с тонкими маржами.
  • Loss of signal. Privacy-изменения (ATT, отказ от third-party cookie) ухудшают качество данных, на которых строится outcome-оптимизация. Server-side трекинг становится не опцией, а необходимостью.

Стратегии для медиабайеров: практические шаги

Чтобы не потерять эффективность при переходе к outcome-экономике, медиабайерам нужно действовать системно:

Шаг 1: Аудит текущей атрибуции

Проверьте, какие конверсии вы отслеживаете и передаёте ли их value. Если в Google Ads настроена только конверсия «покупка» без value — вы оптимизируетесь по объёму, а не по доходу.

Шаг 2: Внедрение conversion value

Настройте динамическую ценность конверсий. Для e-commerce — сумма заказа. Для affiliate — комиссия за лид. Для mVAS — revenue per subscription. Передавайте это значение в Google Ads через GTM или server-side.

Шаг 3: Тестирование incrementality

Запустите holdout-тест: отключите upper-funnel канал на тестовой группе и сравните конверсии с контрольной. Если разница статистически незначима — канал не приносит incrementality и бюджет нужно перераспределить.

Шаг 4: Переход на value-based bidding

Переключите кампании с Maximize Conversions на Target ROAS или Maximize Conversion Value. Дайте алгоритму 2–3 недели на обучение.

Шаг 5: Мониторинг качества конверсий

Outcome — это не только количество, но и качество. Отслеживайте post-conversion метрики: возвраты, отток, повторные покупки. Если ROAS растёт, а LTV падает — система оптимизируется в неправильном направлении.

Criteo и новые каналы: что меняется для SMB и арбитражников

Criteo недавно расширил платформу Criteo GO, добавив full self-service возможности для малого и среднего бизнеса и инвентарь ChatGPT Ads. Около 2000 брендов уже рекламируются в ChatGPT через Criteo. Для медиабайеров это означает появление нового канала, который:

  • Доступен через self-service интерфейс (без минимальных бюджетов крупных DSP).
  • Поддерживает cross-channel закупки (Meta, видео, ChatGPT).
  • Работает на retargeting-данных Criteo, что особенно ценно для e-commerce affiliate-связок.

Однако Criteo как канал для арбитража требует осторожности: retargeting-инвентарь зависит от cookie и third-party данных, что в условиях privacy-сжатия снижает охват. Используйте Criteo как дополнение к Google Ads, а не как замену.

YouTube как часть outcome-стратегии

YouTube с оценочной выручкой $62 млрд превращается из видеохостинга в полнофуннельную экосистему: CTV + social + performance. Для медиабайеров это значит, что YouTube-закупки теперь можно оптимизировать по конверсиям, а не только по охвату.

Практические шаги:

  • Используйте Video Action Campaigns для оптимизации по конверсиям.
  • Подключайте conversion value для YouTube-кампаний.
  • Тестируйте Demand Gen в Google Ads как альтернативу Meta для performance-видео.

Чек-лист: переход на outcome-based закупки

  • Настроена ли передача conversion value в Google Ads (а не только факт конверсии)?
  • Используется ли data-driven attribution вместо last-click?
  • Есть ли holdout-тест хотя бы для одного upper-funnel канала?
  • Переведены ли ключевые кампании на Target ROAS или Maximize Conversion Value?
  • Отслеживаются ли post-conversion метрики (возвраты, LTV, churn)?
  • Настроен ли server-side трекинг для восстановления данных после потери cookie?

Что ждать дальше

Эра outcomes — не временный тренд, а структурный сдвиг. Закрытые loop-системы будут расширяться: Google, Meta, AppLovin, Amazon — все движутся к автоматической оптимизации по коммерческому результату. Роль медиабайера смещается от управления ставками к управлению данными: качество сигналов, которые вы передаёте в систему, определяет качество оптимизации.

Для арбитражников это означает, что связки без замкнутого loop — то есть без обратной связи о конверсиях и их ценности — будут проигрывать всё дороже. Те, кто настроит качественный data pipeline и перейдёт на value-based оптимизацию, получат преимущество в CPM и конверсиях за счёт того, что алгоритм будет работать с правильными сигналами.

FAQ

Чем outcome-based маркетинг отличается от обычного performance-маркетинга?

Performance-маркетинг фокусируется на действии — клике, конверсии, установке. Outcome-based маркетинг идёт дальше: каждое действие оценивается по коммерческому результату (доход, ROAS, LTV). Это не просто «получить конверсию», а «получить конверсию, которая приносит прибыль».

Нужно ли полностью отказываться от brand-рекламы в эпоху outcomes?

Нет. Brand-реклама остаётся важной для верха воронки, но теперь она должна доказывать incrementality — реальный прирост конверсий по сравнению с контрольной группой. Если brand-канал не проходит incrementality-тест, бюджет нужно перераспределить.

Как настроить conversion value в Google Ads для арбитражных связок?

Передавайте динамическое значение конверсии через GTM или server-side. Для affiliate — комиссия за лид. Для e-commerce — сумма заказа. Для mVAS — revenue per subscription. Без conversion value алгоритм Google Ads оптимизируется по количеству, а не по доходу.

Что такое closed-loop система и почему она важна для арбитража?

Closed-loop система автоматически связывает показ рекламы с исходом (конверсией) и реинвестирует бюджет в наиболее эффективные сегменты. AppLovin, Performance Max, Smart Bidding — примеры. Важно, потому что ручная оптимизация не может соревноваться со скоростью и точностью алгоритма, если данные настроены правильно.

Какие риски несёт переход на outcome-based оптимизацию?

Основные риски: краткосрочное мышление (оптимизация по быстрой конверсии в ущерб LTV), зависимость от алгоритма платформы (потеря контроля над закупками), потеря качества данных из-за privacy-изменений. Решение — мониторинг post-conversion метрик и server-side трекинг.