Что происходит после 50 конверсий в Meta Ads и почему это важно

Почти каждый, кто работает с Meta Ads, хотя бы раз слышал правило про 50 конверсий за 7 дней. Кто-то воспринимает его как обязательное условие для успешной кампании, кто-то считает очередным мифом из арбитражных чатов. Мое личное мнение — правда где-то посередине. Эти 50 конверсий — не волшебная цифра, после которой алгоритм внезапно начинает приносить больше дешевых конверсий. Это скорее ориентир, который показывает, что Meta накопила достаточно данных, и если даже после этого с конвертом или ценой CPA у вас не все хорошо — значит у связки точно нет перспектив.

Но это только мое мнение, а есть еще справка Meta, которая объясняет, что происходит внутри алгоритма во время обучения, почему одни кампании быстро стабилизируются, а другие могут неделями болтаться в Learning Phase. Так что предлагаю в этом вопросе разобраться один раз и сделать выводы до конца наших арбитражных карьер 🙂 И конечно же не забудьте на меня подписаться!  

Что такое Learning Phase простыми словами

Давайте разберемся, что вообще происходит, когда вы запускаете новый адсет. Сначала Meta не знает, кому именно лучше показывать вашу рекламу. Поэтому первые дни алгоритм не столько оптимизирует кампанию, сколько собирает данные. Этот этап как раз и называется Learning Phase — фаза обучения.

В это время система показывает объявления разным людям, тестирует плейсменты, время показа и другие параметры, чтобы понять, какая аудитория чаще совершает целевое действие. По сути, алгоритм ищет закономерности, на которых сможет строить дальнейшую оптимизацию.

Собственно поэтому в период обучения результаты часто нестабильны: CPA может прыгать, а количество конверсий — заметно меняться изо дня в день. А вот когда данных становится достаточно, Meta начинает показывать рекламу тем пользователям, которые с наибольшей вероятностью совершат конверсию. Вот инфографика, чтобы лучше усвоить данную механику. 

Почему все говорят именно про 50 конверсий

Как и сказал выше, число в 50 конверсий — это просто ориентир, который Meta использует уже много лет. Пока данных мало, алгоритм продолжает тестировать разные аудитории, плейсменты и стратегии показа. Но когда за неделю набирается около 50 целевых действий, у системы появляется достаточно информации, чтобы увидеть закономерности и начать оптимизировать рекламу более уверенно.

На этом этапе алгоритм уже лучше понимает, какие пользователи чаще совершают конверсии, какие плейсменты работают эффективнее, в какое время реклама показывает лучшие результаты и какие комбинации факторов приносят максимальную отдачу. Проще говоря, Meta постепенно перестает действовать методом проб и ошибок и начинает опираться на накопленные данные.

При этом важно понимать: 50 конверсий не гарантируют успешную кампанию. Это лишь порог, после которого алгоритм получает достаточно сигналов для более точной оптимизации. Если оффер, креатив или аудитория изначально слабые, даже выход из Learning Phase сам по себе не сделает рекламу прибыльной.

Что меняется после выхода из Learning Phase

После выхода из Learning Phase алгоритм уже не тратит большую часть бюджета на поиск рабочей аудитории. Вместо постоянных экспериментов он начинает чаще показывать рекламу тем пользователям, которые с наибольшей вероятностью совершат конверсию. За счет этого результаты кампании обычно становятся более предсказуемыми.

Одновременно Meta эффективнее распределяет показы между плейсментами. Если, например, Reels или Stories стабильно приносят больше конверсий, система постепенно направляет туда большую часть бюджета. То же самое происходит и с аудиторией: алгоритм все точнее определяет, кому стоит показывать рекламу.

Почему некоторые кампании никогда не выходят из обучения

И вот здесь начинается самое интересное. Очень часто проблема вообще не в алгоритме. Ему просто не дают обучиться. Самые распространенные причины выглядят так:

• слишком маленький бюджет;
• узкая аудитория;
• оптимизация под редкое событие вроде Purchase;
• постоянные изменения бюджета;
• регулярная замена креативов;
• бесконечные правки таргетинга.

Каждое серьезное изменение фактически говорит алгоритму: “Забудь все, что ты уже узнал. Начинай сначала.” В результате Learning Phase может длиться бесконечно.

То есть ключевая ошибка баеров выглядит так: запустили рекламу → через день увидели высокий CPA и изменили бюджет → еще через день заменили креатив → затем расширили аудиторию → после этого снова уменьшили бюджет → отключили один из плейсментов → спустя неделю сделали вывод, что «Meta опять сломалась». Хотя на самом деле алгоритму просто ни разу не дали закончить обучение — каждое серьезное изменение сбрасывало накопленные данные, и система снова начинала все сначала.

Как помочь Meta обучиться быстрее

Если кампания долго не выходит из Learning Phase, проблема далеко не всегда в алгоритме. Чаще всего ему просто не хватает данных для обучения. Самый простой способ ускорить процесс — оптимизироваться не под редкое событие вроде Purchase, а под более частые действия: Add to Cart, Initiate Checkout или View Content. Когда накопится достаточно статистики, можно постепенно переходить к оптимизации под покупки.

Еще одна распространенная ошибка — дробить бюджет на множество небольших адсетов. Если каждый из них приносит по 5–10 конверсий в неделю, ни один не сможет набрать достаточный объем данных для обучения. Гораздо эффективнее объединить их и дать одному адсету собрать необходимую статистику. 

И, конечно, не стоит забывать про математику: если средний CPA составляет около $20, то при недельном бюджете $200 алгоритм физически не сможет получить 50 покупок. В таких условиях проблема не в Meta — ей просто нечего анализировать.

Вот как-то так. С вами был автор канала @ARBI_TRAFFIC. Если интересно обсудить эту тему — пишите в комменты в блоге — я обязательно отвечу. Буду рад подписке, пока!