Meta меняет off-platform data: что это значит для воронки ecom
С июля 2026 Meta убирает пользовательскую настройку, связанную с активностью вне своих технологий. Для ecom это не новость “про приватность”, а новость про качество сигналов в воронке.
Практический вывод простой: ретаргетинг и lookalike-аудитории нельзя больше воспринимать как стабильный слой, который “сам дожимает”. Когда меняется логика сбора и интерпретации внешних сигналов, первыми страдают не охваты, а предсказуемость: размер аудиторий скачет, частота касаний меняется, атрибуция становится шумнее.
Что это значит для маркетолога, который собирает воронку продаж:
1. Пора считать Meta не источником истины, а одним из входов в CRM. Если лид, заявка, покупка и повторная покупка не связаны у вас в одной цепочке, вы не поймёте, что реально просело: трафик, дожим или качество сегмента.
2. Нужно пересобрать ретаргетинг по “смыслам”, а не только по пиксельным событиям. Сегменты уровня “бросил корзину” и “посетил страницу” становятся слабее без контекста. Сильнее работают связки по стадии выбора: смотрел сравнение, возвращался к условиям доставки, читал кейс, открыл FAQ.
3. Возрастает ценность first-party data. Email, телефон, события в CRM, post-purchase-сигналы, подписка на контент, квизы — это уже не бонус, а база для устойчивой оптимизации.
Хорошая рамка на ближайший квартал: проверить, какие 3 сигнала в вашей воронке принадлежат вам, а не платформе. Если таких сигналов нет, вы не оптимизируете воронку — вы арендуете её у рекламного кабинета.
С июля 2026 Meta убирает пользовательскую настройку, связанную с активностью вне своих технологий. Для ecom это не новость “про приватность”, а новость про качество сигналов в воронке.
Практический вывод простой: ретаргетинг и lookalike-аудитории нельзя больше воспринимать как стабильный слой, который “сам дожимает”. Когда меняется логика сбора и интерпретации внешних сигналов, первыми страдают не охваты, а предсказуемость: размер аудиторий скачет, частота касаний меняется, атрибуция становится шумнее.
Что это значит для маркетолога, который собирает воронку продаж:
1. Пора считать Meta не источником истины, а одним из входов в CRM. Если лид, заявка, покупка и повторная покупка не связаны у вас в одной цепочке, вы не поймёте, что реально просело: трафик, дожим или качество сегмента.
2. Нужно пересобрать ретаргетинг по “смыслам”, а не только по пиксельным событиям. Сегменты уровня “бросил корзину” и “посетил страницу” становятся слабее без контекста. Сильнее работают связки по стадии выбора: смотрел сравнение, возвращался к условиям доставки, читал кейс, открыл FAQ.
3. Возрастает ценность first-party data. Email, телефон, события в CRM, post-purchase-сигналы, подписка на контент, квизы — это уже не бонус, а база для устойчивой оптимизации.
Хорошая рамка на ближайший квартал: проверить, какие 3 сигнала в вашей воронке принадлежат вам, а не платформе. Если таких сигналов нет, вы не оптимизируете воронку — вы арендуете её у рекламного кабинета.
Индекс в ChatGPT не равен трафику: что это меняет для воронки
В обсуждениях вокруг «попадания в ChatGPT» часто смешивают две разные задачи: быть найденным системой и реально попадать в ответ пользователю. Для CRO это важное различие, потому что индекс — это не результат, а только право участвовать в выдаче.
Практический вывод простой: не стоит оптимизировать страницу под абстрактное «AI visibility», если она не отвечает на коммерческий или проблемный вопрос так, чтобы её можно было безопасно процитировать. Модель выбирает не самый «SEO-ный» текст, а фрагмент, который быстро закрывает намерение пользователя: что выбрать, как сравнить, когда внедрять, чем рисковать.
Отсюда рамка для воронки. Первый слой — техническая доступность: страницы должны открываться, читаться, не прятать ключевой смысл за скриптами и не размазывать ответ по десяти экранам. Второй слой — смысловая упаковка: одна страница = один сценарий спроса. Третий слой — конверсионный: если пользователь пришёл после AI-ответа, он уже частично «подогрет», и ему нужен не общий лендинг, а следующий шаг — калькулятор, шаблон, демо, кейс, сравнение тарифов.
Ошибка команд — мерить успех только позициями или индексом. Для воронки важнее другое: какие страницы чаще становятся входом в диалог с брендом, какой intent они закрывают и куда ведут дальше. В 2026 выигрывают не те, кто просто «оптимизировался под AI», а те, кто собрал библиотеку страниц под конкретные вопросы и встроил их в CRM-логику, ретаргетинг и nurture-цепочки.
Если коротко: думайте не «как попасть в ChatGPT», а «какую страницу модель захочет использовать перед моей конверсией».
В обсуждениях вокруг «попадания в ChatGPT» часто смешивают две разные задачи: быть найденным системой и реально попадать в ответ пользователю. Для CRO это важное различие, потому что индекс — это не результат, а только право участвовать в выдаче.
Практический вывод простой: не стоит оптимизировать страницу под абстрактное «AI visibility», если она не отвечает на коммерческий или проблемный вопрос так, чтобы её можно было безопасно процитировать. Модель выбирает не самый «SEO-ный» текст, а фрагмент, который быстро закрывает намерение пользователя: что выбрать, как сравнить, когда внедрять, чем рисковать.
Отсюда рамка для воронки. Первый слой — техническая доступность: страницы должны открываться, читаться, не прятать ключевой смысл за скриптами и не размазывать ответ по десяти экранам. Второй слой — смысловая упаковка: одна страница = один сценарий спроса. Третий слой — конверсионный: если пользователь пришёл после AI-ответа, он уже частично «подогрет», и ему нужен не общий лендинг, а следующий шаг — калькулятор, шаблон, демо, кейс, сравнение тарифов.
Ошибка команд — мерить успех только позициями или индексом. Для воронки важнее другое: какие страницы чаще становятся входом в диалог с брендом, какой intent они закрывают и куда ведут дальше. В 2026 выигрывают не те, кто просто «оптимизировался под AI», а те, кто собрал библиотеку страниц под конкретные вопросы и встроил их в CRM-логику, ретаргетинг и nurture-цепочки.
Если коротко: думайте не «как попасть в ChatGPT», а «какую страницу модель захочет использовать перед моей конверсией».
PMax получил asset experiments: что это меняет для воронки, а не только для рекламы
Google добавил в Performance Max отдельные эксперименты по креативным ассетам. Для ecommerce это важный сдвиг: раньше PMax часто выглядел как «черный ящик», где трудно понять, что именно тянет результат — оффер, визуал, заголовок или сама аудитория. Теперь хотя бы часть этого можно проверять ближе к нормальной тестовой логике.
Практический вывод для воронки такой: не тестируйте «красивее/некрасивее». Тестируйте угол сообщения на одном и том же этапе спроса.
Рабочая рамка:
1. Берете один продукт или одну категорию.
2. Оставляете неизменными цену, посадочную и механику оффера.
3. Меняете только message angle в ассетах.
Например:
— «экономия времени» против «снижение риска выбора»
— «цена/выгода» против «качество/доверие»
— «для новичка» против «для опытного пользователя»
Это полезно не только для ROAS. Если один угол стабильно выигрывает в PMax, его стоит протащить дальше по всей воронке:
— в первый экран лендинга
— в email welcome-цепочку
— в карточки товаров
— в ретаргетинг
— в скрипты продаж
Главная ошибка — воспринимать asset experiments как инструмент оптимизации баннеров. На деле это быстрый способ проверить, какой смысл лучше конвертирует холодный спрос.
В 2026 выиграют не те, кто делает больше креативов, а те, кто быстрее находит рабочее обещание и собирает вокруг него всю коммуникацию. PMax в этом случае — не просто канал закупки, а поле для валидации месседжа.
Если интересна смежная механика — @EditorialAiRu
Google добавил в Performance Max отдельные эксперименты по креативным ассетам. Для ecommerce это важный сдвиг: раньше PMax часто выглядел как «черный ящик», где трудно понять, что именно тянет результат — оффер, визуал, заголовок или сама аудитория. Теперь хотя бы часть этого можно проверять ближе к нормальной тестовой логике.
Практический вывод для воронки такой: не тестируйте «красивее/некрасивее». Тестируйте угол сообщения на одном и том же этапе спроса.
Рабочая рамка:
1. Берете один продукт или одну категорию.
2. Оставляете неизменными цену, посадочную и механику оффера.
3. Меняете только message angle в ассетах.
Например:
— «экономия времени» против «снижение риска выбора»
— «цена/выгода» против «качество/доверие»
— «для новичка» против «для опытного пользователя»
Это полезно не только для ROAS. Если один угол стабильно выигрывает в PMax, его стоит протащить дальше по всей воронке:
— в первый экран лендинга
— в email welcome-цепочку
— в карточки товаров
— в ретаргетинг
— в скрипты продаж
Главная ошибка — воспринимать asset experiments как инструмент оптимизации баннеров. На деле это быстрый способ проверить, какой смысл лучше конвертирует холодный спрос.
В 2026 выиграют не те, кто делает больше креативов, а те, кто быстрее находит рабочее обещание и собирает вокруг него всю коммуникацию. PMax в этом случае — не просто канал закупки, а поле для валидации месседжа.
Если интересна смежная механика — @EditorialAiRu
AI в воронке: проблема не в скорости, а в читаемости решений
В разработке сейчас хорошо видно то, что уже происходит и в маркетинге: когда часть работы делает AI, ценность смещается с “быстро сделать” на “понятно передать логику дальше”. Для кода это коммиты, комментарии и PR. Для воронки — структура гипотез, причины изменений и контекст тестов.
Главный риск не в том, что AI соберёт вам лендинг, письмо или цепочку касаний хуже человека. Риск в другом: через месяц никто не поймёт, почему вы поменяли оффер, убрали поле из формы, разделили трафик или переписали welcome-цепочку. В итоге команда теряет не скорость, а накопленное знание.
Практический вывод для CRO простой: каждая правка в воронке должна оставлять след, понятный без автора.
Минимум, который нужен:
— что именно изменили;
— какую гипотезу проверяли;
— на какой метрике ждали эффект;
— на каком сегменте запускали;
— что получили по факту;
— что делать дальше: масштабировать, докрутить или откатить.
Если этого нет, AI только ускоряет хаос. Если это есть, AI начинает усиливать систему: быстрее собирать варианты, готовить тексты, предлагать идеи сегментации и помогать в разборе результатов.
Хорошая воронка в 2026 году — это не набор экранов и автоворонок. Это база решений, где любой тест можно поднять, понять и использовать повторно.
Короткая рамка: документируйте не “что сделали”, а “почему решили, что это должно сработать”. Именно это потом повышает конверсию второй раз.
Похожий разбор есть в @SocialAdsNotesRu
В разработке сейчас хорошо видно то, что уже происходит и в маркетинге: когда часть работы делает AI, ценность смещается с “быстро сделать” на “понятно передать логику дальше”. Для кода это коммиты, комментарии и PR. Для воронки — структура гипотез, причины изменений и контекст тестов.
Главный риск не в том, что AI соберёт вам лендинг, письмо или цепочку касаний хуже человека. Риск в другом: через месяц никто не поймёт, почему вы поменяли оффер, убрали поле из формы, разделили трафик или переписали welcome-цепочку. В итоге команда теряет не скорость, а накопленное знание.
Практический вывод для CRO простой: каждая правка в воронке должна оставлять след, понятный без автора.
Минимум, который нужен:
— что именно изменили;
— какую гипотезу проверяли;
— на какой метрике ждали эффект;
— на каком сегменте запускали;
— что получили по факту;
— что делать дальше: масштабировать, докрутить или откатить.
Если этого нет, AI только ускоряет хаос. Если это есть, AI начинает усиливать систему: быстрее собирать варианты, готовить тексты, предлагать идеи сегментации и помогать в разборе результатов.
Хорошая воронка в 2026 году — это не набор экранов и автоворонок. Это база решений, где любой тест можно поднять, понять и использовать повторно.
Короткая рамка: документируйте не “что сделали”, а “почему решили, что это должно сработать”. Именно это потом повышает конверсию второй раз.
Похожий разбор есть в @SocialAdsNotesRu