Ad Set Budget Optimization: почему иногда сознательно финансируют «проигрывающий» ad set

Представь три ad set, что крутятся параллельно. Через две недели один явно впереди. Два других отстают, деньги уходят, цифры хуже. Первый инстинкт, выключить слабых, всю ставку на лидера.

Иногда этот инстинкт верный. А иногда именно так бизнес выбрасывает свою лучшую идею, не дав ей шанса. Разница в одном вопросе, который почти никто вслух не задаёт: этот ad set реально проигрывал, или его просто не докармливали, пока он ещё не успел ничего доказать?

Ad Set Budget Optimization, ABO, это как раз та настройка, что держит этот вопрос открытым для ответа. Каждый ad set получает свой фиксированный, неприкосновенный бюджет, и ни один из них нельзя тихо обобрать, чтобы подкормить того, кто на этой неделе выглядит лучше всех. Этой настройкой покупаешь не продуктивность. Покупаешь возможность реально узнать.

ЧТО ТАКОЕ ABO

Что такое Ad Set Budget Optimization (ABO)?

Ad Set Budget Optimization (ABO), это структура кампании в Meta Ads, где бюджет управляется на уровне ad set, а не на уровне кампании. Каждый ad set получает свой фиксированный дневной бюджет или бюджет на весь срок, и Meta не может перебрасывать деньги между ними. Это даёт прямой контроль над тем, сколько получает каждый тест, что делает ABO полезным, когда нужно сравнить новые аудитории, креативы, офферы или другие концепции до масштабирования.

Это техническое определение. Но контроль, не настоящая причина, по которой мы его используем.

Мы используем его, когда нужно купить информацию.

ПРОИГРЫШ НЕ ПОТЕРЯ

Ad set, что проигрывает, не всегда потраченные впустую деньги

Есть одна простая вещь из теории принятия решений, которая здесь подходит лучше любого маркетингового совета: когда ты реально не знаешь, какой вариант лучше, трата денег на то, чтобы узнать, имеет ценность, даже если конкретные доллары формально «проиграли». Экономисты называют это ценностью информации. Просто в рекламном кабинете это выглядит как обычный недорабатывающий ad set, который почему-то до сих пор не выключили.

Ключевое различие: если ты потратил $500, чтобы выяснить, что аудитория не работает, это может быть нормальной инвестицией в информацию. Если ты потратил $500 на то, про что уже было известно, что оно не работает, это waste. Та же сумма, совершенно разные категории трат.

Вот что я говорю клиентам, которые хотят закрыть всё, что не выигрывает уже на третий день: этот ad set не обязательно проваливается. Возможно, он как раз делает свою работу, отвечает на вопрос, ответа на который ты раньше не знал. Деньги, потраченные чтобы выяснить, работает ли аудитория, заходит ли угол подачи, имеет ли вообще смысл творческое направление, это совсем другая категория трат, чем деньги, слитые на то, что и так было обречено. Путать эти две вещи, это как раз способ, которым бизнес постепенно перестаёт тестировать что-то новое, потому что всё, что не выигрывает сразу, записывают в провал.

ОТ ЧЕГО ЗАЩИЩАЕТ

От чего ABO реально защищает

В Campaign Budget Optimization алгоритм непрерывно перекидывает деньги туда, где сигнал сейчас сильнее всего. В целом это эффективно, но означает, что более новый или медленнее разогревающийся ad set может остаться без денег ещё до того, как наберёт достаточно данных, чтобы хоть что-то доказать. Тест обрывается на середине. Ты не узнаешь, сработало бы это. Ты просто знаешь, что ему не дали шанса.

ABO убирает этот риск, давая каждому ad set защищённый, неприкосновенный бюджет. Три ad set по $50 в день потратят ровно столько, независимо от того, кого алгоритм хотел бы подкормить больше. Ты не гонишься за краткосрочной эффективностью. Ты сознательно платишь за честный и полный ответ.

Обратный риск тоже реален, и его стоит честно назвать: защита ABO не бесплатна. Деньги могут сидеть на действительно слабом ad set дольше, чем нужно, потому что ничего автоматически их не перераспределяет. Разница между «я ещё собираю данные» и «я уже знаю ответ, просто не подействовала», это уже вопрос суждения, и именно здесь ABO требует живого человека, что обращает внимание, а не настройки, что думает вместо него.

КАК ЧИТАТЬ ДАННЫЕ

Как реально отличить одно от другого

Честный тест, это не какое-то фиксированное количество дней. Это то, дошёл ли ты до точки, где ответ вообще что-то значит, а для этого нужно разделить две вещи, которые в большинстве советов слиты в одну.

Meta обычно использует ориентир примерно 50 оптимизационных событий за семидневное окно как порог выхода ad set из фазы обучения. Это реальный, задокументированный порог, и он важен: ниже него доставка нестабильна, а стоимость сильно скачет, пока алгоритм исследует. Читать результаты в этот период, значит получать вводящие в заблуждение данные.

Но этот порог не является универсальным статистическим тестом для объявления победителя. 50 событий помогают учиться Meta. Это автоматически не означает, что человек узнал достаточно, чтобы принять любое бизнес-решение. Нужный размер выборки для твоего реального решения зависит от того, что ты тестируешь, от объёма конверсий, от величины разницы, которую пытаешься уловить, и от того, во что обойдётся ошибка. Считай выход из фазы обучения точкой, где твоё тестовое окно начинается, а не заканчивается.

• Если ad set ещё не вышел из фазы обучения, у тебя вообще нет читаемых данных. У тебя шум. Выключать сейчас, это угадывать, не решать.

• Если стабилизировался и всё равно явно отстаёт на величину, что значима для твоего бизнеса, это уже основание действовать. Перераспределяй и двигайся дальше.

• Если стабилизировался, но разница маленькая или неоднозначная, это тоже не приговор. Узкому разрыву нужно больше данных, чем широкому, прежде чем он что-то значит.

• Если бюджета настолько мало, что ни один ad set не выйдет из обучения за разумное время, тест сломан ещё до старта, и никакой тип бюджета этого не починит.

Практика, что я реально использую: определяю, что буду считать настоящим ответом, ещё до старта теста, не тогда, когда уже хочется выключить того, кто сейчас отстаёт. Определить порог заранее, это то, что не даёт легитимному тесту превратиться в оправдание идти за цифрой, что сегодня выглядит лучше всего.

ABO ПРОТИВ CBO

ABO против CBO: какую стратегию бюджета выбрать?

Это не аргумент, что ABO правильный, а CBO нет. Это аргумент за то, чтобы использовать каждый именно там, где он реально силён.

В подходе к тестированию, который мы используем в Peretz, мы часто начинаем с ABO, когда открытый вопрос в том, какая концепция заслуживает бюджета: новая аудитория, новое креативное направление, оффер, что ещё не тестировали на масштабе. Как только концепция заслужила право масштабироваться, переходим к распределению бюджета на уровне кампании, чтобы эффективность алгоритма работала на нас, а не против нерешённого вопроса.

На практике это обычно означает: тестируй в ABO, дай каждой концепции поработать, пока она реально не станет читаемой, потом дублируй победителя в CBO-кампанию для масштабирования, оставляя оригинальный ABO-тест живым как чистую точку сравнения. Это наш подход, а не универсальное правило, что навязывает Meta, и аккаунты с другим объёмом, сезонностью или толерантностью к риску обоснованно приходят к другому. Логику управления за этим выбором разбираем глубже в статье Campaign Budget Optimization Is a Governance Decision, Not a Toggle.

ПОЧЕМУ ЭТО ВАЖНО

Почему это тот же разговор, что и весь остальной ряд статей

Каждая часть этой серии возвращается к одной идее: то, что выглядит технической настройкой в Meta Ads, обычно финансовое или стратегическое решение, одетое в ярлык настройки. Лимиты трат, управление риском, разбираем в статье Your Meta Spending Limit Is a Circuit Breaker, Not a Setting. Пороги оплаты, cash flow, в статье Meta тихо переписала правила списания денег с рекламодателей в 2026. Daily против lifetime, фиксированные затраты против переменных, в статье Daily или Lifetime бюджет в Meta Ads. CBO против ABO, централизованное распределение против децентрализованного, и внутри этого выбора ABO конкретно, это решение платить за определённость, а не предполагать её.

Это та же логика, по которой бизнес строит сначала уменьшенную версию продукта, а не целиком: ты покупаешь самый дешёвый возможный ответ на вопрос, на который нельзя ответить из таблицы. Про эту сторону писали в статье MVP, это не минимальный продукт. Это цена входа.

Когда смотрю на аккаунт клиента и вижу, что абсолютно всё работает на CBO, включая концепции, что явно только появились и ещё никем не проверены, это говорит мне конкретную вещь: в этом аккаунте сейчас никто не платит за информацию. Всё судят по сегодняшней цифре, без защищённого пространства реально узнать, заслуживает ли идея больше времени. Это не техническая недоработка. Это решение, которое никто сознательно не принимал.

КАК МЫ ПОДХОДИМ

Как мы подходим к этому в Peretz Agency

Каждая новая концепция, что мы тестируем, стартует в ABO, с тем, что будет считаться настоящим ответом, определённым ещё до запуска теста, а не придуманным на ходу, когда первые цифры уже начали расстраивать. Как только что-то доказало себя, переходит к распределению бюджета на уровне кампании. Ничего не пропускает этап тестирования просто потому, что удобнее доверить решение алгоритму с первого дня.

У каждой платформы есть дефолты. Зрелые компании решают, заслуживают ли эти дефолты остаться.

Серия завершается настройкой, что раскрывает, что дело никогда не было в самой Meta, в статье Learning Phase в Meta Ads: сложный процент, которому почти никто не даёт дорасти.

Автор: Ирина Нечаева, маркетолог, аналитик, таргетолог в Peretz Agency.