Узкий или широкий таргетинг: почему алгоритмы рекламных систем теперь умнее вашего гипотетического аватара клиента

Ещё несколько лет назад настройка рекламы напоминала снайперскую охоту: маркетолог сужал аудиторию до предела, выбирая точный возраст, доход, интересы и даже поведенческие паттерны, а потом гордо показывал коллегам цифру CPL, будто это олимпийская медаль. Сегодня та же самая тактика в половине случаев приводит к пустому рекламному кабинету и алгоритму, который просто не может набрать статистику для нормальной работы. Рекламные платформы изменились, и вместе с ними изменилось само понятие точного попадания в аудиторию.

Разберёмся чем отличается узкий таргетинг от широкого, почему в 2026 году алгоритмы Яндекс Директа и VK Рекламы всё чаще работают эффективнее именно на широких настройках, и в каких случаях онлайн-школе всё равно стоит сужать аудиторию до предела.

Что изменилось в логике рекламных алгоритмов

Раньше рекламная система показывала объявление именно той аудитории, которую задал рекламодатель: возраст, интересы, пол, гео — всё вручную. Сейчас большинство крупных платформ работает на автостратегиях, где рекламодатель задаёт не портрет аудитории, а цель и бюджет, а алгоритм сам ищет тех, кто с высокой вероятностью совершит целевое действие.

По данным конференции Яндекс Рекламы, ещё несколько лет назад свыше 74% всех рекламных кампаний в Директе уже управлялись автостратегиями, и с тех пор их доля только растёт. Смысл в том, что машинное обучение анализирует куда больше сигналов, чем человек может вручную заложить в настройки: время суток, устройство, поведение на сайте, историю предыдущих конверсий. Узкая ручная настройка в этой парадигме превращается в костыль, который мешает алгоритму учиться, а не помогает ему.

Что такое узкий таргетинг и когда он всё же работает

Узкий таргетинг — это точная настройка показов на конкретный, детально описанный сегмент аудитории: определённый возраст, конкретные интересы, поведение, гео, а иногда даже отдельные сообщества или должности. Такой подход исторически был стандартом для рекламы с ограниченным бюджетом, потому что позволял не тратить деньги на явно нецелевую аудиторию.

Узкий таргетинг до сих пор оправдан в нескольких ситуациях. Первая — дорогой нишевый продукт с чётко определённой аудиторией, например курс повышения квалификации для узких медицинских специалистов или программа для собственников бизнеса с оборотом от определённой суммы. Здесь аудитория объективно мала, и расширение таргетинга просто приведёт показы туда, где покупать всё равно никто не будет.

Вторая ситуация — тестирование гипотез на старте. Когда школа только выходит с новым продуктом и не знает, кто на самом деле покупает курс, узкие сегменты с разными настройками позволяют быстро и относительно дёшево проверить, какая аудитория даёт лучший отклик, прежде чем вкладывать основной бюджет.

Третья ситуация — ретаргетинг. Показ рекламы тем, кто уже был на сайте, смотрел лендинг, начинал оформлять заявку, но не завершил её — это по определению узкая аудитория, и здесь сужение не просто оправдано, а является самой суть подхода.

Что такое широкий таргетинг и почему алгоритмы его любят

Широкий таргетинг — это настройка рекламы с минимальными ограничениями по аудитории, когда рекламодатель задаёт только цель кампании, а алгоритм сам ищет подходящих пользователей среди максимально возможного охвата. Идея в том, что современные системы аналитики видят закономерности в поведении людей, которые человек интуитивно даже не рассматривал бы как целевую аудиторию.

Практика показывает: автостратегии особенно хорошо работают там, где заявка стоит недорого и конверсия достаточно высока — например, для регистрации на бесплатный вебинар или лид-магнит в инфобизнесе. В таких случаях алгоритм быстро набирает достаточно данных, обучается и находит закономерности точнее, чем ручная настройка по гипотетическому портрету клиента.

Специалисты по контекстной рекламе в 2026 году прямо отмечают, что Директ приводит ровно то, чему его научили: если рекламная кампания настроена на одну ясную цель, а не размазана между пятью разными задачами, алгоритм способен находить конверсии эффективнее, чем маркетолог с самым детальным аватаром клиента на руках. Похожая логика работает и в VK Рекламе, где широкий охват с оптимизацией по целевому действию часто даёт более стабильный поток заявок, чем узкие сегменты, которые быстро выгорают из-за ограниченного объёма аудитории.

Пример из ниши: как это выглядит на практике

Возьмём размещенную на Антитренингах онлайн-школу подготовки к ЕГЭ, где чётко определена базовая аудитория — школьники выпускных классов и их родители. Казалось бы, идеальный случай для узкого таргетинга: возраст, интересы, гео. Но на практике широкая настройка с оптимизацией на конкретную конверсию — оставленную заявку на бесплатную диагностику знаний — часто даёт более дешёвые и качественные лиды, потому что алгоритм самостоятельно находит родителей, чьё поведение похоже на поведение тех, кто уже оставил заявку, даже если формально они не входили в изначально заданный портрет по интересам.

А вот для школы, которая продаёт дорогую программу переподготовки на нишевую профессию, скажем, для специалистов по кибербезопасности в узком секторе промышленности, узкий таргетинг остаётся более разумным решением. Аудитория здесь настолько специфична, что широкий охват просто разбавит бюджет показами нерелевантной аудитории, а алгоритму банально не хватит достаточного объёма релевантных конверсий, чтобы правильно обучиться.

Ключевая ошибка, которую совершают обе стороны

Сторонники узкого таргетинга часто забывают, что чрезмерное сужение аудитории лишает алгоритм необходимого объёма данных для обучения. Автостратегиям нужно время на разгон и достаточное количество целевых действий, чтобы найти закономерности — если аудитория слишком маленькая, кампания просто не набирает статистику, и бюджет тратится в условиях полной неопределённости для системы.

Сторонники широкого таргетинга, в свою очередь, часто забывают о качестве цели, на которую обучается алгоритм. Если цель кампании задана нечётко — например, клик по номеру телефона вместо реальной завершённой заявки — то широкий охват просто приведёт трафик, который выглядит вовлечённым, но не конвертируется в оплаты. Алгоритм оптимизируется на то, что вы ему задали, а не на то, что вы имели в виду.

Как выбрать подход для конкретного курса

Разумная стратегия начинается с честного ответа на вопрос о размере потенциальной аудитории. Если продукт массовый — иностранные языки, подготовка к экзаменам, курсы для родителей, базовые профессиональные навыки — есть смысл тестировать широкий таргетинг с фокусом на одну чёткую цель и качественную аналитику по конверсиям. Если продукт узкоспециализированный с ограниченным числом потенциальных покупателей, точная сегментация аудитории остаётся более рабочим инструментом, а широкий охват станет просто способом слить бюджет на нерелевантные показы.

Отдельная рекомендация для всех сценариев — не смешивать в одной рекламной кампании несколько разных целей. Специалисты по контекстной рекламе в 2026 году сходятся на простом правиле: одна кампания — одна цель, и эта цель должна быть максимально близкой к реальной оплате, а не промежуточным действием типа простого перехода на сайт. Именно передача корректных данных о конверсиях из CRM обратно в рекламный кабинет позволяет алгоритму находить аудиторию, которая доходит до оплаты, а не просто интересуется темой.

Почему это критично для онлайн-школ именно сейчас

Рынок онлайн-образования замедляется, конкуренция за каждого платящего студента растёт, а значит, стоимость ошибки в настройке рекламы становится выше. Школа, которая продолжает вручную сужать аудиторию по устаревшему представлению об идеальном клиенте, рискует упустить конверсии там, где алгоритм уже нашёл бы покупателя. А школа, которая слепо включает широкий охват без правильно настроенной цели и качественной аналитики, рискует слить бюджет на красивый охват без реальных оплат.

Правильный ответ почти всегда находится не в выборе одного подхода навсегда, а в регулярном тестировании обоих вариантов на реальных данных конкретного продукта. Именно поэтому связка между рекламным кабинетом и системой, где фиксируются реальные оплаты — включая прием платежей за оплату онлайн-курса, — становится критическим элементом всей маркетинговой машины. Без этой связки ни узкий, ни широкий таргетинг не покажут, какая настройка реально приводит платящих студентов, а не просто дешёвые клики, которые красиво выглядят в отчёте, но не превращаются в деньги на счёте школы.