Алгоритмы, которые приносят заказы: как ML-инженер построил новую модель продвижения в Яндекс Еде

𝓲

Фото: Личный архив Евгения Назарова

Как рассказал эксперт, их CPA-аукцион не просто увеличил доходы — он переписал правила игры для всей индустрии доставки еды. Яндекс стал пионером нового подхода к рекламе в food-tech.

Проблемы модели CPC в food delivery

Представьте: ваш ресторан платит за тысячу кликов пользователей, а заказов получает всего пятьдесят. Остальные 950 человек просто открыли меню, посмотрели и ушли к конкурентам. При этом деньги с вашего рекламного бюджета списались за все тысячу кликов.

Именно с такой проблемой сталкивались рестораны в старой CPC-системе (cost per click — оплата за клик). Партнёры жаловались на непрозрачность: сложно планировать бюджет, когда не знаешь, сколько реальных заказов принесёт каждый потраченный рубль.

Но проблема была не только у ресторанов. Сам Яндекс ограничивал себя: рекламные места доставались только тем заведениям, которые попадали в первые позиции поиска. Все остальные оставались "за бортом", а это означало упущенную прибыль для платформы.Международный конгресс по anti-age и эстетической медицине — ENTERESTET 2026

К 2023 году стало понятно: система CPC исчерпала свой потенциал. Нужно было что-то менять, причём радикально. Вот тогда руководство и обратилось к Евгению Назарову.

Экспертиза, выросшая из практики

Евгений попал в Яндекс в 2021 году после опыта работы в Parexel и небольшой исследовательской компании Rebels.ai. В Еде он сразу занялся улучшением алгоритмов ранжирования — тех самых, которые определяют, какой ресторан показать пользователю первым, а какой отправить на вторую страницу.

За два года работы Назаров досконально изучил, как пользователи взаимодействуют с приложением. Он знал, что 67% клиентов выбирают ресторан с первых позиций выдачи, а 75% всех заказов приходится на топ-25. Эти данные стали фундаментом для будущего CPA-аукциона.

Проект достался Евгению неслучайно. Незадолго до этого он успешно провёл эксперимент с ранжированием по ожидаемой маржинальности заказа — и это сработало. Руководство поняло: Назаров может создать модель, которая будет точно предсказывать коммерческий потенциал каждого ресторана для конкретного пользователя.

Весной 2023-го Евгению поставили задачу: разработать CPA-аукцион, где рестораны будут платить только за совершённые заказы. Звучало просто, но технически это означало полную перестройку существующей системы.

Как эксперимент привёл к масштабному изменению

Идея CPA (cost per action — оплата за действие) витала в воздухе уже давно. В других отраслях такие модели показывали хорошие результаты. Но food-delivery — особая сфера, где решение о заказе принимается моментально, под влиянием десятков факторов: от настроения до погоды за окном.

Евгений понимал: простое копирование решений из других индустрий не сработает. Нужна была система, которая в реальном времени учитывала бы особенности каждого пользователя, каждого ресторана и каждого момента их взаимодействия.

Началось всё с анализа данных предыдущих экспериментов. Команда обнаружила интересную закономерность: модель предсказания маржинальности, которую создал Евгений ранее, можно адаптировать для решения более широкой задачи. Если алгоритм умеет предсказывать прибыль с заказа, то почему бы не научить его предсказывать саму вероятность этого заказа?

Руководство поначалу отнеслось к идее осторожно. CPC-аукцион приносил стабильные деньги, зачем рисковать? Но когда Евгений показал предварительные расчёты и объяснил, как новая система может увеличить количество участников аукциона, сомнения отпали.

Главным аргументом стала простота для ресторанов: вместо сложных расчётов кликов и конверсий — понятная ставка за заказ. Захотел получать больше заказов — увеличь ставку. Всё честно и прозрачно.

Техническая реализация CPA-аукциона

Техническая реализация CPA-аукциона оказалась намного сложнее, чем казалось изначально. Евгению предстояло создать систему, которая за миллисекунды принимает решение о том, какой ресторан показать конкретному пользователю. Алгоритм должен был учитывать три параметра одновременно: ставку ресторана (сколько он готов заплатить за заказ), вероятность того, что пользователь действительно закажет еду, и ожидаемую маржинальность заказа. Найти баланс между этими величинами — задача на уровне парето-оптимизации.

Но самое сложное заключалось в скорости. Старая система работала относительно просто: ранжировала рестораны по популярности и показывала результат. Новая должна была для каждого пользователя запускать две ML-модели, обрабатывать их результаты и выдавать персонализированную выдачу. И всё это — не дольше, чем работала предыдущая версия.

Евгений решил задачу через параллельные вычисления. Вместо последовательного расчёта модель предсказания вероятности заказа и модель маржинальности стали работать одновременно. Добавили батчевую обработку кандидатов (способ обработки данных, при котором несколько объектов анализируются одновременно) — это позволило загружать сразу несколько ресторанов для анализа, экономя время на каждом запросе.

Отдельной головной болью стала калибровка. Недостаточно было просто получить от модели некое число — нужно было, чтобы это число точно отражало реальную вероятность заказа. Если алгоритм говорит "30% вероятности", то из ста похожих ситуаций заказ должен происходить именно в тридцати случаях, не больше и не меньше.

Риски и сложности внедрения

Самым напряжённым моментом стало внедрение системы. Одно дело — тестировать алгоритмы на исторических данных, совсем другое — запускать их на живом трафике, где каждая ошибка может стоить тысячи заказов.

Первые недели Евгений практически не спал. Система работала, но результаты были непредсказуемыми. То алгоритм слишком агрессивно продвигал дорогие рестораны, то вдруг начинал показывать только дешёвые заведения. Приходилось постоянно подстраивать параметры, анализировать аномалии, искать баланс.

Особенно сложно давалось взаимодействие с другими командами. CPA-аукцион затрагивал работу не только ML-инженеров, но и разработчиков бэкенда, фронтенд-команды, менеджеров по продукту. Каждое изменение нужно было согласовывать, объяснять, доказывать необходимость.

"Я научился делегировать и доверять коллегам, — признаётся Евгений. — Раньше привык контролировать каждую деталь, но такой проект невозможно реализовать в одиночку".

Прорыв случился через месяц после запуска. Данные показали: новая система не только работает стабильно, но и превосходит все ожидания. Рекламные доходы начали расти не на планируемые 10-15%, а в разы, поделился Евгений Назаров.

Цифры и эффекты от нового подхода

К концу 2024 года результаты CPA-аукциона превзошли самые смелые прогнозы. По словам эксперта, рекламные доходы выросли в 2,5 раза, почти половина ресторанов-партнёров (47%) подключилась к новой системе. Но главное — улучшились отношения с партнёрами.

Рестораны получили прозрачность, которой так не хватало в CPC-модели. Теперь они точно знают: каждый потраченный рубль принесёт конкретный заказ. Появилась возможность более точно планировать рекламные бюджеты и прогнозировать выручку.

Для пользователей изменения оказались практически незаметными — выдача стала даже лучше, потому что алгоритм научился точнее подбирать рестораны под индивидуальные предпочтения каждого клиента.

Успех проекта не остался незамеченным внутри компании. Евгений получил повышение, высокую оценку на ревью и премию. CPA-аукцион стал одним из докладов на внутренней конференции "Тема Еды", где собираются ключевые партнёры сервиса.

Но главное признание пришло от индустрии. Пока основные конкуренты — Uber Eats, Wolt, Delivery Hero — продолжают работать по CPC-модели, решение Яндекса стало примером для подражания. CPA-аукцион уже внедряется в других сервисах экосистемы: Маркете и Лавке.

CPA-модель как новый стандарт рекламы

Сегодня CPA-аукцион Яндекс Еды — это часть более масштабного тренда. Компания строит единую рекламную платформу для всех своих e-commerce сервисов, где принцип "плати за результат" становится стандартом.

Для ресторанного бизнеса это означает революцию в подходе к digital-маркетингу. Если раньше продвижение в приложениях доставки было лотереей, то теперь это управляемый процесс с предсказуемым результатом.

Евгений и его команда уже работают над следующими улучшениями системы. В планах — более точное предсказание поведения пользователей, интеграция данных из разных сервисов Яндекса, автоматическая оптимизация ставок для ресторанов.

История CPA-аукциона показывает: иногда прорывные идеи требуют сложных технических решений. Но когда всё получается, выигрывают все — и платформа, и партнёры, и пользователи. Именно так рождаются решения, которые меняют целые индустрии.

Автор: Елизавета Трудова