Яндекс.Аудитории

Яндекс.Аудитории — инструмент Яндекс.Рекламы, который позволяет маркетологу загрузить собственную базу клиентов (телефоны, email-адреса, идентификаторы устройств) и превратить ее в рекламный сегмент для точного таргетинга в Директе, Дисплее и других продуктах экосистемы Яндекса. На основе загруженных данных платформа сопоставляет пользователей с аккаунтами Яндекса и строит похожие (look-alike) аудитории, расширяя охват за пределы имеющейся базы.

Что такое Яндекс.Аудитории

Яндекс.Аудитории — это сервис управления данными первой стороны (First-Party Data) внутри экосистемы Яндекса. Маркетолог загружает файл с контактами: хешированные email-адреса, номера телефонов или рекламные идентификаторы мобильных устройств (IDFA для iOS, GAID для Android). Яндекс сопоставляет эти данные с профилями пользователей в своей базе и формирует сегмент — список аккаунтов, которым можно показывать рекламу. Сопоставление происходит через однонаправленный хеш: ни Яндекс, ни рекламодатель не видят исходных контактов партнера. Это соответствует требованиям 152-ФЗ о персональных данных и GDPR. Готовый сегмент подключается к кампании в Директе как условие показа или исключения.

Сервис запустился в 2016 году — примерно одновременно с аналогичными продуктами других платформ: Facebook Custom Audiences появился в 2012-м, Google Customer Match — в 2015-м. Яндекс стал третьей крупной платформой, внедрившей механику загрузки собственных данных рекламодателя. К 2018 году сервис получил поддержку Яндекс.Метрики и AppMetrica в качестве источников данных, что расширило возможности сегментации за пределы CRM-баз. С 2020 года Яндекс.Аудитории интегрированы в единый кабинет Яндекс.Рекламы, а с 2022-го стали доступны в Метрике Про как один из базовых инструментов работы с аудиторией. Эволюция сервиса отражает общий тренд: переход от таргетинга по намерениям к таргетингу по идентичности пользователя.

В digital-маркетинге Яндекс.Аудитории решают проблему точного попадания в нужного человека в нужный момент. Классический таргетинг по ключевым словам или демографии дает широкий охват, но размытую точность: контекстная реклама работает тогда, когда человек сам ищет продукт, а социально-демографический таргетинг — это угадывание. Аудиторный подход перевернул логику: вместо того чтобы предполагать, кто купит, рекламодатель берет базу тех, кто уже купил, и говорит платформе — «найди таких же». Это принципиально меняет экономику кампании: CPA на аудиторных сегментах в среднем на 30-40% ниже, чем на стандартных поисковых кампаниях по тем же тематикам. Реклама попадает к людям с подтвержденным покупательским поведением, а не к широкой аудитории с неизвестным намерением.

Бизнесу и маркетологу важно понимать Яндекс.Аудитории по нескольким причинам. Первая — ограничения cookie-tracking: с 2024 года Google Chrome частично ограничил сторонние куки, а Яндекс.Браузер блокирует межсайтовое отслеживание, поэтому собственные данные компании стали единственным надежным источником для ретаргетинга. Вторая — конкурентное преимущество: компании, которые систематически собирают контакты клиентов и используют их для рекламы, получают структурное преимущество перед теми, кто работает только с «холодными» сегментами. Третья — масштабируемость: look-alike от качественной базы в 5 000 контактов дает сегмент в 500 000 — 1 000 000 пользователей, сохраняя поведенческие паттерны исходной аудитории. Четвертая — сокращение бюджетных потерь: исключение существующих клиентов из кампаний привлечения устраняет ситуацию, когда реклама «для новых» показывается тому, кто уже купил на прошлой неделе.

Как работает Яндекс.Аудитории

1. Подготовка и загрузка данных. Рекламодатель собирает базу контактов в файл формата CSV или TXT: один столбец с email-адресами, телефонами в формате +7XXXXXXXXXX или мобильными идентификаторами. Перед загрузкой данные нужно хешировать алгоритмом MD5 или SHA-256 — Яндекс принимает оба формата, а хеширование защищает персональные данные при передаче. Минимальный размер базы для создания сегмента — 1 000 записей, но реальный охват появляется начиная с 3 000 — 5 000 контактов: при меньшем объеме процент сопоставления с аккаунтами Яндекса оказывается слишком низким для статистически значимого таргетинга.
2. Хеширование и сопоставление (matching). После загрузки файла Яндекс запускает процесс сопоставления: хешированные контакты сравниваются с хешами в базе аккаунтов Яндекс ID. Когда хеши совпадают, система помечает аккаунт как входящий в сегмент. Типичный процент совпадения (match rate) для email-базы составляет 50-70%, для телефонов — 60-80%, потому что большинство российских пользователей регистрируют аккаунты Яндекса именно на номер телефона. Процесс занимает от 30 минут до нескольких часов в зависимости от объема базы.
3. Формирование сегмента. Сопоставленные аккаунты объединяются в сегмент, который получает статус «Активен» или «Мало данных». Статус «Мало данных» означает, что охват сегмента ниже порогового значения — Яндекс не раскрывает точную цифру, но на практике порог составляет около 1 000 уникальных пользователей после сопоставления. Сегмент обновляется при загрузке нового файла без паузы в показах: система пересчитывает аудиторию «на ходу». Срок хранения сегмента без обновления — 90 дней, после чего он деактивируется.
4. Построение look-alike аудитории. На основе готового сегмента Яндекс строит «похожую аудиторию» — математическую модель поведенческих и демографических паттернов исходной группы. Алгоритм анализирует сотни параметров: поисковые запросы, историю просмотров в РСЯ, взаимодействие с категориями сайтов, геолокацию, устройства и время активности. Параметр «точность охвата» позволяет регулировать баланс: высокая точность дает меньший, но более похожий сегмент; широкий охват увеличивает аудиторию за счет снижения схожести. Для e-commerce оптимальная точность — «высокая» и «средняя»; для медийных кампаний с целью охвата подойдет «широкая».
5. Подключение к рекламной кампании. Готовый сегмент подключается в настройках кампании Директа в разделе «Условия показа» — как целевой сегмент (показывать рекламу этим людям) или как исключение (не показывать). Для одной кампании можно комбинировать несколько сегментов логикой «И», «ИЛИ», «НЕ». Пример: показывать рекламу тем, кто есть в CRM (сегмент 1) ИЛИ в look-alike аудитории (сегмент 2), НО исключить тех, кто совершил покупку за последние 30 дней (сегмент 3 из Метрики). Такая комбинация сокращает нецелевые показы и повышает ROAS без увеличения бюджета.
6. Исключение аудитории и работа с воронкой. Один из недооцененных сценариев — использование Яндекс.Аудиторий для исключений, а не только для таргетинга. Загрузив базу текущих клиентов и исключив ее из кампании привлечения, рекламодатель прекращает тратить бюджет на людей, которые уже купили. По данным внутренних тестов агентств в e-commerce, исключение базы клиентов из кампаний привлечения снижает CPA на 15-25% за счет перераспределения показов на действительно новых пользователей. Этот сценарий особенно актуален для компаний с высокой долей повторных покупок — интернет-магазины, сервисы подписки, FMCG.

Виды сегментов в Яндекс.Аудиториях

• Сегмент на основе данных CRM. Создается из загружаемого файла с email-адресами, телефонами или мобильными идентификаторами. Это самый точный тип сегмента, потому что строится на реальных данных о конкретных людях — покупателях, подписчиках, лидах. Используется для ретаргетинга на существующих клиентов, создания look-alike аудитории или исключения базы из кампаний привлечения. Лучше всего работает в e-commerce, банках и страховых компаниях с CRM-базой от 10 000 контактов.
• Сегмент из Яндекс.Метрики. Создается на основе целей или сегментов, настроенных в Метрике: посетители конкретных страниц, пользователи, выполнившие целевое действие, аудитория с определенной глубиной просмотра. Передача данных между Метрикой и Аудиториями настраивается через связку счетчиков в интерфейсе. Преимущество — данные обновляются автоматически и в реальном времени: если пользователь выполнил цель сегодня, уже завтра он попадет в сегмент для ретаргетинга. Особенно полезен для сценариев брошенных корзин, незавершенных заявок, просмотра карточек товара без покупки.
• Сегмент из AppMetrica. Формируется на основе событий мобильного приложения, отслеживаемых через AppMetrica: установки, первые покупки, определенные экраны, уровень активности пользователя. Аудитория автоматически синхронизируется с Яндекс.Аудиториями и доступна для таргетинга в Директе как на мобильных, так и на десктопных размещениях. Актуален для приложений с большой базой — финтех, маркетплейсы, доставка еды — где важно работать с неактивными пользователями по сценариям возврата.
• Геосегменты на основе локаций. Позволяют создавать аудитории по геолокационному поведению пользователей: жители определенного района, люди, которые регулярно бывают в конкретной точке (офис, торговый центр, транспортный узел) или проезжали мимо заданного места. Яндекс использует данные навигации и геолокации из своих приложений для построения таких сегментов. Этот тип незаменим для офлайн-бизнесов — ресторанов, автосалонов, фитнес-клубов — где географическая близость определяет спрос.
• Пиксель Яндекс.Аудиторий. Специальный счетчик, устанавливаемый на сайт или в медийный баннер: собирает аудиторию, которая видела баннер или посетила страницу, даже без перехода по клику. Это позволяет строить последовательные медийно-перформанс цепочки: человек увидел медийную рекламу (охватная кампания) — попал в сегмент пикселя — получил ретаргетинговое объявление в Директе. По данным Яндекс.Рекламы, такая многоканальная последовательность повышает конверсию в целевое действие на 20-35% по сравнению с одноканальным перформансом.
• Похожая аудитория (look-alike). Автоматически строится на основе любого существующего сегмента минимальным размером 1 000 пользователей. Алгоритм находит пользователей Яндекса, чье поведение статистически схоже с поведением исходного сегмента. Размер look-alike аудитории может в 50-200 раз превышать исходный сегмент: из базы в 10 000 контактов алгоритм строит аудиторию в 500 000 — 2 000 000 человек. Этот тип особенно ценен для масштабирования: когда ретаргетинговый сегмент слишком мал для значимых объемов трафика, look-alike позволяет работать с широкой аудиторией при сохранении качества.

Сравнение Яндекс.Аудиторий с ВКонтакте ретаргетинговыми аудиториями

Пример использования

Онлайн-сервис по подбору и записи к частным врачам с трафиком 40 000 визитов в месяц запускал кампании в Директе на поиске и получал CPA (стоимость первой записи) около 2 300 рублей. Из 80 000 записей в CRM 60% составляли пациенты, записывавшиеся повторно, — они видели рекламу «для новых пациентов» со скидкой 20% на первый прием, хотя уже были клиентами. Такая ситуация стоила примерно 35% бюджета кампании и давала ложное ощущение высокого спроса: план по записям выполнялся, но значительная часть приходилась на повторных клиентов по цене привлечения нового.

После загрузки базы из 80 000 контактов в Яндекс.Аудитории (match rate составил 71%, то есть 56 800 активных пользователей) маркетолог сделал два шага: исключил базу из кампании привлечения и запустил отдельную кампанию для существующих клиентов с предложением по программе лояльности. За 45 дней CPA в кампании привлечения снизился с 2 300 до 1 410 рублей (-39%): исчезли «нецелевые» показы на уже знакомых клиентах. Кампания по лояльности на базу клиентов дала CPA повторной записи 540 рублей — в 4,3 раза дешевле, чем привлечение нового пациента. Суммарный бюджет вырос на 12%, число записей увеличилось на 28%.

Частые вопросы