1️⃣ В Meta все решают креативы
Таргетинги, bidding, структура кампаний и остальные ручки постепенно уезжают в алгоритмы. В итоге работа все больше сводится к циклу:
Нагенерили креативы → нашли winners → выжали из них spend → они выгорели → к этому моменту нашли следующие.
Объемы тестов уже какие-то безумные. Кирилл М. мониторит, что большие игроки тестят 80–100к новых креативов в месяц. Если убрать дубли и итерации, остается около 20к уникальных assets и порядка 3-5к разных концептов. При этом несколько миллионов долларов месячного спенда сейчас может обслуживать команда из трех человек, хотя раньше под такие объемы сидели сотни людей.
2️⃣ AI сделал креативы почти бесплатными, но поиск winner-ов все еще дорогой
Раньше хороший UGC мог стоить $200, на отлаженном продакшене $50. Сейчас AI UGC собирается за несколько долларов, статика вообще стремится к нулю.
Но производство стало дешевле, креативов стало намного больше, их win rate упал. Поэтому куда интереснее считать не Cost per Creative, а Cost per Winner. Кирилл М. считает, что CPW заметно снизился, а Кирилл К, что экономию почти полностью съел выросший объем тестов.
Но оба Кирилла сошлись в том, что тем, кто не перестроился, стало точно хуже: win rate упал как у всех, а возможности дешево производить тысячи итераций нет.
3️⃣ Полностью меняется логика тестов
Раньше хотелось нормально пролить каждый креатив и понять, хороший он или плохой. Когда креативов тысячи, это экономически бессмысленно. Теперь задача не правильно оценить каждый креатив, а как можно дешевле найти следующего winner.
Поэтому потенциально хороший креатив иногда выгоднее случайно убить, чем тратить деньги на доказательство жизнеспособности каждого. Совсем новые идеи можно кидать пачками по 10–20 и позволять Meta самой выбирать. Итерациям своих winners или концептам конкурентов, на которые явно уже пролит большой бюджет, наоборот, можно сразу давать больше денег.
Старое правило «пролей 1–2 CPA на каждый креатив» тоже постепенно умирает. Вместо него появляется каскад дешевых фильтров: trend watching, тесты на органике, дешевые гео/платформы, первичные тесты и только потом дорогой рынок. Если условная Новая Зеландия исторически хорошо коррелирует с US, зачем покупать первые знания сразу в США?
4️⃣ Early signals легко обманывают
Был пример, где CTR двух креативов отличался примерно в 10 раз, но креатив с ужасным CTR потом конвертил в 10 раз лучше. Поэтому правила «CTR ниже X, значит убиваем» нельзя придумать из головы. Нужно на своих данных проверять, какие ранние сигналы реально коррелируют с покупкой.
То же самое с длинными конверсиями. Если покупка происходит через 7–30 дней, ждать финального факта невозможно. Живем на prediction, понемногу увеличиваем spend по ранним сигналам, потом приезжает D7/D30 и корректируем решение. Чем больше новый трафик похож на исторический, тем раньше prediction можно доверять.
5️⃣ Польза от AI
Не только в генерации контента, но и в управлении всем этим зоопарком. На масштабе у вас десятки креативов × geo × языки × платформы × bidding × optimization events, а рабочая комбинация еще и постоянно меняется.
Если кампания тратит $10k в сутки, несколько часов задержки с реакцией стоят больших денег. Поэтому система выглядит так:
Накопили данные → построили thresholds → добавили predictions → повторяющиеся решения завернули в automation.
По оценке ребят, серьезная операционка начинает окупаться от $200k performance спенда в месяц. Ниже часто выгоднее просто больше тестировать, а выше цена медленных решений становится слишком большой.
Раньше bottleneck был в том, сколько креативов успеют сделать дизайнеры и сколько кампаний сможет залить байер. Сейчас кто дешевле находит winners и быстрее остальных понимает, что именно перестало работать.
🔗 В пост влезло процентов 5-10 интересного, поэтому рекомендую глянуть целиком.