Обзор технологии Яндекс Argus

Обзор технологии Яндекс Argus

Яндекс Argus (ARGUS) — технология рекомендаций на основе генеративного искусственного интеллекта. Она анализирует действия в сервисах Яндекса и помогает подбирать рекламу, товары и материалы с учетом интересов пользователей.

Название ARGUS расшифровывается как «Авторегрессионное генеративное последовательное моделирование поведения пользователей». За этой формулировкой стоит понятный принцип: система учитывает предыдущие действия человека, их порядок и обстоятельства, в которых они происходили. Затем она рассчитывает, какие предложения с большей вероятностью окажутся ему полезны.

Технология уже работает в рекламных продуктах и ряде других сервисов Яндекса. Она помогает выбирать объявления и рекомендации с учетом интересов аудитории и повышать вероятность целевых действий. Рекламодателю не требуется устанавливать Argus или разбираться в его внутренних настройках. Это часть системы Яндекса: изменения в алгоритмах внедряются самой компанией и действуют автоматически.

Яндекс Argus — что это простыми словами

Яндекс Argus помогает алгоритмам понять, что интересно человеку и какое предложение может понадобиться сейчас. Для этого система изучает последовательность действий пользователя.

Яндекс представил технологию в 2025 году. Она учитывает историю взаимодействия с сервисами и обстоятельства каждого действия, чтобы оценивать интерес к товарам и содержанию страниц. Argus применяется в Яндекс Музыке, Маркете, Лавке, а также в Директе и Рекламной сети Яндекса (РСЯ).

Раньше рекомендательные модели Яндекса опирались на сравнительно короткий период активности и ограниченное число событий. Argus анализирует более длинную историю и видит, как интересы развивались со временем. Например, человек мог сначала просто читать об автомобилях, затем сравнивать комплектации и только потом искать кредит. По данным Яндекса, технология способна учитывать до 8000 обезличенных действий за год. Благодаря этому система лучше различает разовый интерес и подготовку к покупке.

Пользователи получают рекомендации, которые лучше соответствуют их планам. Рекламодатели могут точнее находить заинтересованную аудиторию. Это способно повысить долю заявок и покупок и снизить затраты на привлечение клиентов, хотя итог зависит от качества кампании.

Как работает технология ARGUS

Argus анализирует историю действий пользователя по порядку. Поисковые запросы, просмотры и другие сигналы рассматриваются вместе, чтобы определить интересы человека и их изменения.

Работу технологии можно описать по шагам: пользователь совершает действия → система изучает их последовательность → определяет возможные интересы → прогнозирует следующий шаг → подбирает рекламу или рекомендацию. Каждый этап учитывает информацию, полученную на предыдущем.

Принципы работы Яндекс Аргус

  • События рассматриваются по порядку. Для модели важно, что человек делал раньше, а что — позже. Просмотр товара, сравнение цен и поиск магазина могут указывать на разные этапы покупки. Один переход по объявлению такой картины не дает.
  • Учитывается долгая история взаимодействий. Argus изучает действия в сервисах Яндекса за продолжительное время. Так система замечает, что прежний интерес снова стал актуальным, и видит, как меняются предпочтения.
  • Учитываются обстоятельства. На прогноз влияют условия использования сервиса: время суток, устройство, местоположение и другие сигналы. Один и тот же запрос в разных ситуациях может означать разные потребности.
  • Применяется генеративная модель. Принцип похож на работу больших языковых моделей (LLM — нейросетей для понимания и создания текста). Но Argus продолжает цепочку действий: по предыдущим событиям предполагает, что человек сделает дальше. Он не ограничивается постоянной отметкой «интересуется автомобилями».
  • Рассчитывается вероятность интереса. По истории действий модель оценивает, насколько человеку может подойти товар, услуга, объявление или композиция. Результат используется при подборе рекомендаций.

Argus использует обезличенные сведения о действиях. Система работает с математическим представлением событий, а не с открытым списком личных данных человека. Рекламодателю не передается история действий конкретного пользователя.

Представим покупателя, который выбирает автомобиль. Сначала он изучает обзоры и сравнивает технические характеристики нескольких моделей. Через несколько недель начинает проверять цены и комплектации, а позже читает об автокредитах. Каждое действие связано с одной задачей, но интерес человека постепенно становится конкретнее.

Argus учитывает весь путь выбора. По последовательности запросов модель может определить, что пользователь уже присматривает машину для покупки, а не просто читает автомобильные новости. Поэтому в рекомендациях могут появляться подходящие модели в нужной ценовой категории, предложения автосалонов, условия кредитования или страхования. Система выбирает варианты исходя из истории интересов и текущих сигналов.

В таблице показано, чем анализ пользовательских действий в Argus отличается от подхода предыдущих рекомендательных моделей Яндекса.

Обзор технологии Яндекс Argus

Архитектура ARGUS: как генеративный ИИ помогает рекомендациям

Для создания Argus Яндекс использовал подходы из нейросетей, работающих с текстом. В них следующее слово зависит от предыдущих. В Argus вместо слов — запросы, просмотры и другие действия человека. По их последовательности алгоритм предполагает следующий шаг.

Для этого технология объединяет несколько способов обработки информации:

  • Авторегрессионная модель. Так называют алгоритм, который строит прогноз по предыдущим событиям. В Argus система последовательно изучает действия и рассчитывает, что человек вероятнее всего сделает дальше. При появлении новых событий прогноз обновляется.
  • Нейросети-трансформеры. Это модели, которые находят связи между событиями в длинной истории действий. Например, они могут сопоставить сегодняшний поиск товара с интересом, проявленным полгода назад.
  • Учет предыдущих действий. Значение запроса зависит от того, что ему предшествовало. Человек, недавно купивший мотоцикл, может искать кожаную куртку для поездок. Если перед таким же запросом он смотрел записи рок-концертов, вероятнее интерес к обычной одежде. Argus использует последовательность событий, чтобы различать такие ситуации.
  • Совместная работа моделей. Для выбора рекламы нужны разные расчеты. Argus взаимодействует с нейросетями, которые оценивают интерес, вероятность перехода или покупки. Их результаты помогают выбрать объявление.

В Директе и РСЯ одновременно работают десятки нейросетей, каждая со своей задачей. Рекламная система объединяет результаты в момент показа и быстро оценивает множество доступных объявлений.

Как это работает. Допустим, человек искал кожаную куртку и позже увидел объявление магазина с подходящей моделью и скидкой. Чтобы выбрать этот показ, системе недостаточно знать, что пользователь интересовался куртками. Одна модель оценивает вероятность нажатия на объявление, другая — вероятность покупки после перехода на сайт. Дополнительные расчеты учитывают устройство, время и местоположение. На основе этих сигналов рекламная система определяет, стоит ли показывать именно это предложение.

Совместные расчеты помогают выбирать объявление из множества вариантов. Задача Яндекса — показать человеку подходящее предложение, а рекламодателю помочь получить целевое действие. Но система не может гарантировать переход или покупку.

Где Яндекс использует ARGUS

Яндекс Музыка

Яндекс Музыка стала первым сервисом компании, где применили генеративный подход к рекомендациям. В разделе «Моя волна» модель изучает, что человек слушает, какие композиции отмечает как понравившиеся и какие пропускает. По этой истории система подбирает музыку, которая может подойти ему сейчас. Она также помогает находить новых исполнителей и композиции, близкие по звучанию к привычным, даже если пользователь раньше их не включал.

Яндекс Маркет

На Яндекс Маркете рекомендательные алгоритмы формируют подборки товаров на главной странице, в корзине и рядом с карточками товаров. Они используют историю просмотров, покупок и сравнения характеристик. Например, после покупки ноутбука покупателю могут предложить чехол, мышь или другие подходящие принадлежности. Подборка меняется по мере появления новых интересов и покупок.

Яндекс Лавка

В Яндекс Лавке рекомендации помогают быстрее собирать заказ. Система учитывает привычные продукты, частоту заказов и любимые категории. Также могут учитываться день недели, время и погода. Покупатель может быстрее добавить знакомые товары или найти скидки на них.

Яндекс Реклама

В апреле 2026 года Argus начали использовать в Яндекс Директе и Рекламной сети Яндекса. Технология помогает оценивать интерес человека к объявлению на основе длинной истории обезличенных действий. Рекламная система использует такие прогнозы, когда выбирает объявление для показа и оценивает вероятность перехода на сайт или другого целевого действия.

Яндекс внедряет Argus постепенно, прежде всего в сервисах, где важна длительная история интересов.

Как ARGUS влияет на рекламу в Яндекс Директе

Директ может учитывать более ранние действия наряду с недавними запросами. Это помогает определить, на каком этапе выбора находится покупатель, и подобрать рекламу под его текущие потребности.

Применение Argus помогает рекламной системе решать несколько задач:

  • Точнее распознавать интерес. Модель объединяет действия в последовательность и учитывает их связь. Так проще отличить случайный просмотр товара от подготовки к покупке.
  • Помнить более ранние действия. Argus учитывает до 8000 обезличенных событий за год. Поэтому старые запросы могут помогать оценивать нынешние интересы вместе с новыми сигналами.
  • Оценивать вероятность перехода. Система рассчитывает, насколько объявление подходит человеку с учетом его интересов. Этот прогноз используется и на площадках Рекламной сети Яндекса.
  • Прогнозировать целевые действия. Алгоритмы оценивают вероятность заявки, звонка или покупки после показа. Это помогает направлять рекламу пользователям, которые могут выполнить нужное действие.
  • Учитывать условия показа. Система оценивает площадку, устройство и время суток, чтобы определить, в каких обстоятельствах реклама будет наиболее подходящей.
  • Выбирать подходящие предложения. Если интерес человека изменился, система может показывать ему другие объявления, соответствующие текущей задаче, а не предложения, которые уже неактуальны.

Например, несколько месяцев назад человек выбирал подрядчика для ремонта квартиры, изучал планировку и отделку. Позже он перестал искать бригады и начал выбирать паркет, плитку и сантехнику. Вероятно, этап поиска исполнителя уже закончился и началась закупка материалов.

Argus учитывает более ранние поиски вместе с новыми действиями. По такой истории система может определить, что пользователю сейчас полезнее реклама строительных магазинов, чем очередное предложение ремонта под ключ. Вместо повторения прежних объявлений она может подобрать товары для следующего этапа работ. Это пример того, как длинная история влияет на выбор рекламы.

Argus встроен в рекламные алгоритмы Яндекса. Для его работы не требуется отдельная настройка или подключение в Директе. При запуске и ведении кампаний важно учитывать несколько особенностей:

  • Включать технологию не нужно. В Директе нет кнопки Argus или особого режима. Яндекс внедряет изменения самостоятельно, и они становятся частью обычного подбора рекламы.
  • Инструменты Директа остаются прежними. Рекламодатель по-прежнему выбирает цели, стратегии и аудиторию. Переносить кампании не требуется.
  • Качество исходных данных по-прежнему важно. Даже точный прогноз интереса не поможет, если система получает неверные сведения о результатах рекламы. Поэтому нужно правильно настроить цели в Метрике, передавать данные о заявках и покупках, следить за скоростью работы сайта и работать над качеством рекламных объявлений. Это дает алгоритмам информацию для выбора аудитории и повышает шансы на результат.

Argus не гарантирует рост продаж в каждой кампании. Результат зависит от цены, качества товара, условий предложения, сайта и объявлений. Технология помогает находить аудиторию, но не решает остальные задачи бизнеса.

Запустить рекламу в Яндексе можно через PromoPult:

  • В модуле «Контекстная реклама» есть подсказки для запуска кампании. Внесите от 3000 рублей: вся сумма пойдет на рекламу, а специалист бесплатно настроит кампанию. Такой способ подойдет тем, кто предпочитает поручить настройку специалисту.
  • В прямом аккаунте Яндекс Директа доступны все настройки рекламного кабинета. Подготовить кампанию поможет ИИ-маркетолог, а бонусная программа позволяет вернуть до 8% расходов на внешнюю рекламу.

ARGUS и Gorgona: в чем разница

ARGUS и Gorgona — нейросетевые технологии Яндекса для подбора рекламы. У каждой своя задача. Argus изучает интересы по истории действий, а Gorgona оценивает вероятность целевого действия после показа. Поэтому их часто упоминают вместе, хотя они выполняют разные расчеты.

Особенности Яндекс Аргус

Argus изучает изменение интересов человека. Модель учитывает порядок действий и обстоятельства выбора товаров и услуг.

Что анализирует: обезличенную историю поисков, просмотров и других действий в том порядке, в каком они происходили.

Суть работы: модель связывает прошлые и новые действия, чтобы оценить интерес человека. Например, она помогает заметить переход от знакомства с товаром к сравнению условий покупки.

Особенности Gorgona

Gorgona рассчитывает вероятность того, что рекламный показ приведет к покупке, заявке или другому действию, важному для рекламодателя.

Что анализирует: сигналы о поведении пользователя и условиях показа рекламы. Это позволяет оценить, насколько человек готов выполнить целевое действие именно в момент контакта с объявлением.

Суть работы: модель прогнозирует результат конкретного показа. Рекламная система использует его при выборе объявления и оценке пользы для рекламодателя.

Подробнее о технологии Gorgona читайте в этой статье.

В таблице показано, чем занимаются Argus, Gorgona, автоматические стратегии Директа и механизмы учета конверсий.

Обзор технологии Яндекс Argus

Чтобы прогнозы приносили пользу при размещении рекламы, они используются вместе с другими элементами Директа. Особенно важны два механизма:

  • Автоматические стратегии. Argus помогает оценить, кому интересно предложение, а Gorgona — насколько вероятно целевое действие. Автоматические стратегии используют доступные прогнозы и статистику кампании, чтобы управлять показами и ставками. Например, система определяет, с какой ставкой участвовать в рекламном аукционе. Как выбирать стратегии и управлять ставками в Директе, объясняем здесь.
  • Модели атрибуции (учета конверсий). Они определяют, какому рекламному взаимодействию засчитать покупку или заявку, которая уже произошла. Это помогает анализировать результаты кампании и передавать системе правильную статистику. Argus и Gorgona строят прогнозы будущих действий, а модели атрибуции отвечают за учет состоявшихся. Подробности — в этом материале.

Argus изучает историю интересов и помогает выбрать объявление. Gorgona оценивает вероятность целевого действия. Автоматические стратегии используют прогнозы при показах, а модели атрибуции — при учете полученных результатов.

Какие результаты дает ARGUS и какие есть ограничения

Argus повышает точность рекомендаций благодаря длинной истории действий. Но технология оценивает вероятность интереса, а не знает решение человека заранее.

Преимущества технологии

  • Более точное понимание интересов. По последовательности запросов и просмотров проще отличать случайное внимание к товару от устойчивого интереса. Это полезно при длительном выборе покупки.
  • Более подходящие рекомендации. Подборки товаров, музыки и материалов меняются вместе с действиями человека. Система учитывает и недавние события, и прежние интересы.
  • Точнее выбранная реклама. Алгоритмы получают больше сведений об интересах и могут показывать объявления тем, кому сейчас нужно подобное предложение. Это сокращает неактуальные показы.
  • Учет длительного выбора. Годовая история позволяет учитывать интересы, которые возникли задолго до покупки. Это важно для автомобилей, недвижимости и других дорогих товаров и услуг.
  • Улучшение прогнозов. Длинная история помогает рассчитывать вероятность перехода и покупки. Эти данные используются при подборе рекомендаций и рекламы.

По данным Яндекса, в 2025 году развитие нейросетевых технологий повысило эффективность рекламной системы компании на 38%. Это общий показатель, а не результат одной модели. В него входит влияние разных обновлений, в том числе Argus, Gorgona и YandexGPT. Поэтому нельзя утверждать, что именно внедрение Argus обеспечило весь указанный прирост.

Ограничения технологии

  • Прогноз не равен гарантии. Argus оценивает вероятность действия, но человек может увидеть подходящее объявление и отказаться от покупки. Алгоритм не может точно знать его решение.
  • Многое зависит от предложения. Даже правильно подобранной аудитории могут не подойти цена, условия доставки или характеристики товара. На результат также влияют сезонность, конкуренты и удобство сайта. Argus не управляет этими факторами.
  • Результаты кампаний различаются. Улучшение алгоритмов на уровне всей системы не означает, что каждое объявление станет приносить больше заявок. Эффект нужно оценивать по статистике конкретного бизнеса и выбранной рекламной стратегии.
  • Ручное управление недоступно. Рекламодатель не может открыть настройки Argus, изменить параметры нейросети или самостоятельно исправить историю интересов аудитории. Технология работает внутри Яндекса и управляется его специалистами.
  • Устройство модели раскрыто не полностью. Яндекс не публикует параметры обучения и внутренние правила Argus. Рекламодателям доступны основные принципы технологии и статистика результатов.

Что делать рекламодателю

Появление Argus не требует перестраивать рекламные кампании. Технология работает внутри Директа и использует сведения, которые рекламная система получает при обычном запуске и ведении рекламы. Поэтому задача рекламодателя остается прежней: правильно настроить кампанию, отслеживать реальные результаты и передавать данные, по которым алгоритмы смогут выбирать нужную аудиторию.

На что стоит обратить внимание:

  • Настройте цели в Метрике. Отмечайте действия, которые нужны бизнесу: заявку, заказ, звонок. Если важной целью назначить случайное нажатие на кнопку, система может искать посетителей, которые не собираются покупать.
  • Передавайте сведения о результатах. Данные о подтвержденных заказах, обращениях и продажах помогают оценить рекламу. По такой статистике алгоритмы учатся определять, какие показы приводят к нужным действиям.
  • Подберите подходящую стратегию. Автоматическое управление ставками полезно, когда хватает статистики. Выбирайте стратегию под задачу кампании и проверяйте, какие данные она использует.
  • Проверьте объявления и страницы сайта. Покупатель может уйти, если не найдет цену, условия или форму заказа. Следите за скоростью загрузки, ясностью предложения и работой сайта на телефоне. Подробнее о мобильной версии мы рассказали отдельно.
  • Учитывайте срок принятия решения. При продаже недвижимости, автомобилей или в сфере услуг для компаний (B2B) человек может изучать предложения месяцами. Поэтому анализируйте не только покупки в день перехода по рекламе, но и заявки и продажи, которые произошли позже. Это помогает точнее оценивать результат кампании.
  • Смотрите на заявки и продажи, а не только на переходы. Количество нажатий на объявление не показывает, сколько заработала компания. Сравнивайте расходы со стоимостью обращения и выручкой, оценивайте окупаемость рекламы.
  • Соберите достаточно статистики. Автоматическим стратегиям нужны данные о показах, переходах и целевых действиях. По нескольким дням работы или десятку посещений трудно оценить эффективность кампании.
  • Не меняйте настройки без причины. Если кампания стабильно приносит обращения по приемлемой цене, появление Argus не повод ее останавливать. Алгоритмы обновляются автоматически. Ориентируйтесь на результаты, а не на новости.

Что запомнить

Яндекс Argus — технология рекомендаций, которая использует генеративный искусственный интеллект для анализа последовательности действий. Она учитывает длительную историю обезличенных событий и помогает оценивать текущие интересы пользователя. Это используется при подборе товаров, музыки и рекламных объявлений в сервисах Яндекса.

Argus встроен в рекламную систему. Его не нужно покупать, устанавливать или включать. Настройки Директа и способы управления кампаниями остаются прежними.

Настройте цели в Метрике, передавайте данные о заявках и продажах и проверяйте результаты. Так рекламной системе проще обучаться на действиях людей, важных для бизнеса.

Argus помогает выбирать аудиторию. Окупаемость рекламы зависит от предложения, сайта, объявлений и работы с покупателями.

Реклама. ООО «Клик.ру», ИНН:7743771327, ERID: 2VtzqxPDWPx

22