Новые возможности AI Max в Google Ads: как тестировать автоматизацию до масштабирования

Автоматические стратегии Google Ads обещают больше охвата и конверсий, но бизнесу важно понимать, какой ценой достигается этот результат. Поэтому главное изменение в AI Max сейчас связано не столько с самой автоматизацией, сколько с возможностью проверить ее в контролируемом эксперименте.

20 августа 2026 года Google расширил инструменты тестирования и планирования для AI Max в поисковых кампаниях. Рекламодатель может сравнивать автоматизированный вариант с контрольной кампанией, сохранять ограничения по брендам и географии, а также заранее оценивать влияние бюджета и целевых показателей через Performance Planner.

Для компаний это снижает риск сценария, когда алгоритм сразу получает значительную часть бюджета, а выводы приходится делать уже после перерасхода.

Что такое AI Max и зачем его тестировать

AI Max - это набор автоматических возможностей для поисковых кампаний Google Ads. Система может расширять охват запросов, подбирать рекламные сообщения и направлять пользователя на более подходящие страницы сайта. Главный плюс такого подхода - возможность находить дополнительные конверсии за пределами жестко заданной структуры кампании.

Но у автоматизации есть обратная сторона. Чем больше свободы получает алгоритм, тем сложнее заранее понять:

• какие запросы начнут приводить трафик;
• как изменится качество аудитории;
• какие посадочные страницы будут использоваться;
• сохранится ли нужный уровень CPA или ROAS;
• не вырастет ли доля нецелевых заявок.

Поэтому AI Max разумнее сначала проверять на ограниченной части трафика.

Что изменилось в экспериментах Google Ads

Раньше рекламодатель уже мог сравнивать обычную поисковую кампанию с вариантом, где включен AI Max. Теперь Google расширяет саму логику экспериментов.

Тесты с ограничениями по брендам

Если бизнес не хочет показываться по определенным брендовым запросам или, наоборот, хочет сохранить жесткий контроль над такими показами, это можно учитывать в эксперименте. Это важно, потому что тест без реальных рабочих ограничений может показать результат, который невозможно будет повторить после запуска.

Тесты с географическими ограничениями

Аналогично можно сохранять настройки, связанные с географией. Например, компания может работать только с несколькими регионами или не обслуживать отдельные территории. В таком случае эксперимент должен учитывать эти условия с самого начала.

Эксперименты сразу для нескольких кампаний

Google также анонсировал многокампанийные A/B-тесты, где можно сравнивать разные бюджеты и цели по окупаемости сразу на группе кампаний. Но здесь есть важный нюанс: развертывание этой возможности начинается только в сентябре 2026 года.

Поэтому в августе не стоит исходить из того, что функция уже доступна во всех аккаунтах.

Зачем нужен Performance Planner

Performance Planner решает другую задачу.

Если эксперимент показывает, что AI Max работает лучше контрольной версии, следующий вопрос - что произойдет после увеличения бюджета. Планировщик помогает оценить возможный эффект изменений до их применения.

Например, можно посмотреть:

• как изменится число конверсий;
• что произойдет с расходами;
• как может поменяться CPA;
• как изменится ROAS;
• насколько оправдано увеличение бюджета.

Но такой прогноз нельзя считать гарантией. Performance Planner показывает расчетный сценарий, а не фактический результат. Поэтому после прогноза все равно нужен постепенный запуск и контроль реальных данных.

Как правильно построить тест AI Max

Хороший эксперимент начинается не с кнопки запуска, а с понятной гипотезы.

Например: AI Max снизит стоимость квалифицированного лида без ухудшения качества обращений.

Или: AI Max увеличит выручку при сохранении целевого ROAS.

После этого можно выстроить тест по шагам:

• выбрать кампанию со стабильной историей;
• зафиксировать текущие показатели;
• проверить корректность целей и конверсий;
• создать контрольный вариант;
• включить AI Max только в тестовой группе;
• не менять другие важные настройки;
• дождаться достаточного объема данных;
• сравнить результаты;
• сопоставить заявки с CRM;
• принять решение о масштабировании.

Такой подход позволяет понять именно влияние автоматизации, а не сумму случайных изменений.

Почему нельзя одновременно менять бюджет, ставки и структуру

Одна из типичных ошибок - запускать сразу несколько изменений.

Например, рекламодатель:

• включает AI Max;
• увеличивает дневной бюджет;
• меняет целевой CPA;
• переписывает объявления;
• корректирует посадочные страницы.

Через несколько недель показатели меняются, но определить причину уже невозможно.

Эксперимент теряет смысл. Если цель - проверить AI Max, желательно оставить остальные условия максимально стабильными.

Хороший тест отвечает на один конкретный вопрос. Если вместе с AI Max изменить бюджет, цели и посадочные страницы, результат уже нельзя корректно связать с автоматизацией

Почему данных Google Ads недостаточно

Самая частая ошибка при оценке автоматизации - смотреть только на конверсии внутри рекламного кабинета.

Допустим, контрольная кампания получила 90 заявок по 4 500 рублей, а тестовая - 125 заявок по 3 800 рублей. На уровне Google Ads победитель очевиден. Но CRM может показать другую картину.

Например, в контрольной кампании 40 заявок оказались квалифицированными, а в AI Max - только 27. В таком случае стоимость формы снизилась, а стоимость реального потенциального клиента выросла.

Поэтому сравнивать нужно не только верхнюю часть воронки.

Для бизнеса важнее цепочка: клик → заявка → квалифицированный лид → продажа → выручка.

Какие показатели нужно смотреть

Набор метрик зависит от модели бизнеса.

Для услуг особенно важны:

• стоимость заявки;
• стоимость квалифицированного лида;
• доля целевых обращений;
• количество продаж;
• стоимость продажи;
• выручка;
• окупаемость рекламы.

Для интернет-магазина на первый план выходят:

• количество покупок;
• средний чек;
• выручка;
• ROAS;
• прибыль на заказ;
• доля повторных покупок.

CTR, клики и обычная цена конверсии полезны для диагностики, но не всегда подходят для финального решения.

Пример из практики

В одном из рекламных проектов автоматизация показала заметное снижение стоимости заявки. В интерфейсе рекламной системы тест выглядел успешным, поэтому на первом этапе возникло желание увеличить бюджет. После сверки с CRM выяснилось, что доля целевых обращений в тестовой группе стала ниже. Пользователи чаще отправляли форму, но значительная часть лидов не соответствовала требованиям отдела продаж.

Мы изменили критерий оценки эксперимента. Вместо обычной стоимости заявки начали считать стоимость квалифицированного обращения.

После пересчета преимущество автоматизации оказалось значительно меньше, чем показывал Google Ads. Этот случай хорошо показывает, почему AI Max нельзя оценивать только по внутренним конверсиям системы.

Когда автоматизацию можно масштабировать

Увеличивать бюджет стоит после того, как тест подтвердил преимущество по бизнес-метрике. При этом лучше не переводить весь бюджет сразу.

Рациональнее действовать поэтапно:

• подтвердить результат эксперимента;
• проверить качество лидов;
• оценить прогноз через Performance Planner;
• умеренно увеличить бюджет;
• снова проверить CPA или ROAS;
• следить за CRM;
• продолжить масштабирование только при сохранении качества.

Так рекламодатель получает больше контроля и снижает риск того, что алгоритм начнет покупать объем за счет ухудшения аудитории.

Когда AI Max может не подойти

Автоматизация полезна не для любой кампании.

Проблемы могут возникнуть, если:

• у кампании мало конверсий;
• цели настроены неправильно;
• CRM не связана с рекламой;
• бизнес не умеет отличать хороший лид от плохого;
• рекламодатель постоянно меняет настройки;
• бюджет слишком мал для накопления статистики.

В таких условиях AI Max получает слабый сигнал для обучения, а сам тест становится менее надежным. Поэтому сначала нужно привести в порядок аналитику, а уже потом расширять автоматизацию.

Что это меняет для рекламодателей в 2026 году

Главный тренд Google Ads остается прежним: система получает все больше возможностей самостоятельно управлять показами и поиском аудитории. Но одновременно Google дает рекламодателям больше инструментов для проверки этих решений.

Бизнесу не обязательно выбирать между полным ручным управлением и полной автоматизацией. Гораздо разумнее использовать AI Max как гипотезу, которую сначала нужно проверить на реальных данных.

Расширение AI Max делает автоматизацию Google Ads более удобной для проверки. Теперь важнее не вопрос «доверять ли алгоритму», а умение правильно поставить эксперимент. Если контрольная группа, тестовая кампания и CRM показывают одинаково убедительный результат, масштабирование становится обоснованным решением, а не ставкой на обещания рекламной системы.

Материал проверен редакцией «Поисковая индустрия»

FAQ: популярные вопросы и ответы