Как читать посекундную кривую удержания рекламы: три графика и один перцентиль

Обычно конкурентные креативы разбирают так: сортируют объявления в creative center по числу просмотров, открывают лидера, пересматривают ролик несколько раз и делают вывод на уровне ощущений — «в начале быстрый темп» или «хорошо попали в боль». Затем снимают собственную версию. Результат получается средним, и цикл начинается заново со следующим хитом.

Проблема здесь не в недостатке старания, а в выборе метрик. Просмотры и лайки говорят лишь о том, что креатив выстрелил. Но они не показывают, на какой секунде это произошло и за счёт чего. А именно это можно перенести в следующий ролик.

Сначала о происхождении данных: все графики и перцентили из этой статьи доступны в публичных рекламных библиотеках и creative center самих платформ — через обычный аккаунт, без перехвата трафика, подписей или обхода ограничений. Эти инструменты изначально созданы для рекламодателей. Данные уже лежат на виду; большинство просто не знает, на какие несколько чисел смотреть.

Просмотры — самая бесполезная метрика

На число просмотров слишком сильно влияет логика дистрибуции платформы. Большой охват может означать, что креатив действительно хорош. А может быть следствием раннего запуска, большого стартового бюджета и удачного периода дешёвого трафика. По одной этой цифре невозможно отделить сильный креатив от большого бюджета.

С лайками ещё сложнее. Лайк фиксирует эмоциональную реакцию, а она нередко вообще не совпадает с целевой конверсией. Ролик может рассмешить зрителя, собрать много лайков — и при этом не принести ни одной покупки: человек улыбнулся и листнул дальше. Оптимизируя рекламу под лайки, вы улучшаете развлекательность, а не намерение купить.

У обеих метрик один фундаментальный изъян: это скалярные значения без временного измерения. Реклама разворачивается во времени, и поведение зрителя на 2-й, 5-й и 8-й секунде различается полностью. Одно итоговое число просмотров стирает эту шкалу. Если пытаться с его помощью управлять работой, в которой критично именно «что происходит и когда», нужная информация теряется ещё до начала анализа.

Данные с временным измерением уже есть в creative center — на странице конкретного креатива. Просто туда почти никто не заходит.

Три графика, которые раскрывают механику креатива

Откройте успешный ролик: помимо самого видео, платформа обычно показывает три посекундных графика, которые почти никто не изучает — удержание, клики и конверсии. По оси X указана секунда видео, при этом общая длина ролика тоже известна. По оси Y — сколько людей продолжают смотреть, сколько кликают и сколько конвертируются. Платформа даже отмечает отдельные ключевые кадры, но отметка ещё не означает интерпретацию: она показывает место изменения, а не его причину.

При чтении графика важна не его общая высота, а секунда точки перегиба. У каждого из трёх графиков она отвечает на свой вопрос:

Обрыв на графике удержания показывает, сработало ли начало ролика. Любая кривая стартует со 100% и снижается, но имеет значение форма снижения. Резкий провал на 2-й или 3-й секунде означает, что в первые две секунды зрителю не дали повода остаться. Именно эти люди и пролистнули рекламу. Положение обрыва напрямую привязано к конкретной реплике или кадру в сценарии: провал на 3-й секунде — проблема в кадре на 3-й секунде.

Пик графика кликов показывает, в какой момент действительно сработал коммерческий аргумент. Клики не распределяются равномерно: обычно они концентрируются в одной-двух секундах. То, что происходит в этот момент — показывают цену, демонстрируют результат, формулируют обещание, — и есть настоящий хук этого креатива. Часто считают, что хук обязательно должен быть в самом начале, хотя пик кликов нередко приходится на середину ролика.

Запаздывание графика конверсий — самый неочевидный и самый ценный сигнал. Конверсия почти никогда не совпадает с кликом: она всегда происходит позже. Зрителя зацепили на 5-й секунде, он кликнул, но конвертировался только на 12-й, когда успел увидеть развёрнутое подтверждение выгоды. Этот лаг — число секунд между пиком кликов и ростом конверсии — показывает, сколько времени креативу нужно, чтобы перевести человека из состояния «интересно» в состояние «готов купить». Слишком длинный лаг означает, что выгоду раскрывали слишком медленно, и часть аудитории ушла раньше.

Если наложить все три графика друг на друга, станет видна полная история креатива: за несколько секунд удержать внимание, в определённый момент заинтересовать и затем за несколько секунд довести интерес до конверсии. Секунды этих трёх точек перегиба — готовый каркас, который можно буквально перенести в следующий сценарий.

CTR важен только в сравнении с категорией

Помимо графиков, платформа даёт ещё один показатель: перцентиль CTR этого креатива.

Типичная ошибка новичка — оценивать CTR как абсолютное значение: «тут 5%, неплохо». Без ориентира по сопоставимым креативам цифра ничего не значит. В категории импульсных покупок 5% может оказаться в самом низу, а в сегменте дорогих товаров — в топе. Сам по себе CTR неинформативен, информативен перцентиль. Перцентиль 0.9 означает, что этот креатив кликают лучше, чем 90% креативов в той же индустрии. На такой основе уже можно принимать решение.

У перцентиля есть ещё один часто упускаемый параметр — временное окно. У одного и того же креатива могут быть сильно разные перцентили за последние 7, 30 или 180 дней. Ролик, который только недавно начал набирать объём, будет высоко выглядеть в окне 7 дней и размываться на горизонте 180 дней. Смысл цифры определяется периодом сравнения, поэтому окно нужно выбирать с учётом вашего ритма запусков.

Есть и ещё один график, который легко пропустить: популярность креатива по дням. Она может расти, выйти на плато или уже начать снижаться. Если у объявления высокий перцентиль CTR, но кривая популярности направлена вниз, копировать его сейчас — значит гнаться за уходящей волной трафика. Копировать стоит креатив с достойным перцентилем, популярность которого всё ещё растёт. Этот график отвечает не на вопрос «копировать или нет», а на вопрос «не поздно ли копировать прямо сейчас».

Как отдать набор графиков модели на разбор

Три графика одного креатива человек ещё способен прочитать самостоятельно. Но для воспроизводимого вывода нужно посмотреть на выборку: десяток или два успешных объявлений из одной индустрии и найти общее в их точках перегиба. Все ли удерживают аудиторию до 2-й секунды? Приходятся ли пики кликов на один и тот же тип кадра? Удержать в голове и совместить посекундные значения десятков кривых человек не может. Здесь и нужна модель.

Работать лучше в два этапа, а не одним запросом — та же логика используется в материале о кластеризации рекламных текстов:

На первом этапе извлеките структурированные поля для каждого креатива. Для каждого ролика выделите секунду перегиба на всех трёх графиках, величину изменения вокруг перегиба и содержание кадра в этот момент. Результатом должна стать одна структурированная запись на креатив. Это механическая задача с высокой параллельностью: от сотен до тысяч вызовов на пакет.

На втором этапе передайте модели всю таблицу для атрибуции. Формат ответа нужно зафиксировать в промпте. Не спрашивайте «почему эти креативы хороши» — в ответ получите набор расплывчатых фраз вроде «вовлекающее начало». Вместо этого требуйте для каждой повторяющейся структуры три части:

You'll receive per-second curve summaries for N high-performing creatives in
one category, each with three inflection seconds, drops, and a frame
description at that second. Find the recurring structures, and output each
one in the format below, no prose:

1. Inflection second
   Which second of the video this structure reliably appears at (give a
   range, not a single point)

2. What the frame is doing
   The specific action/element at that second, pointing to specific
   creative IDs, no vague descriptions allowed

3. Reusable script structure
   Abstract it into one instruction you can write into the next script
   (e.g. "an after-use result frame must appear before second 2")

4. Counterexample
   Are there creatives in this batch that break this structure and still
   perform well? If so, list them. If the structure doesn't actually hold,
   say so directly

Первый этап хорошо подходит для недорогого пакетного тарифа. Второй требует одновременно удерживать всю выборку значений кривых — посекундные массивы десятков креативов легко занимают несколько сотен тысяч токенов. Это естественная задача для тарифа с длинным контекстом. При таком разделении совпадают и стоимость, и точность.

Результат атрибуции должен превращаться в сценарий

Весь смысл метода — в третьем пункте промпта. Если вывод атрибуции нельзя преобразовать в сценарную инструкцию для следующего ролика, он бесполезен.

«У всех этих хитов хороший ритм» — не атрибуция, а впечатление. По «хорошему ритму» ничего не снимешь. «Во всех креативах с высоким удержанием до 2-й секунды показывают не сам продукт, а результат после использования» — уже атрибуция. Из неё сразу следует исполнимая инструкция: в следующем сценарии показать кадр с результатом до 2-й секунды.

Проверка полезности проста: можно ли превратить вывод в конкретную переменную сценария? Секунда — переменная. Тип кадра — переменная. Длина отрезка убеждения — тоже переменная. Оставляйте только то, что становится переменной, и отбрасывайте всё остальное. В итоге нужен не отчёт об анализе конкурентов, а таблица переменных для следующей пачки креативов: что показать на какой секунде, сколько времени оставить на убеждение, в каком кадре находится хук.

Следующий шаг после таблицы переменных — сценарий, затем готовый ролик. Связка «ключевое слово → атрибуция кривых → сценарий → готовая реклама» разобрана в материале о пайплайне от ключевого слова до готового видео. Здесь речь только о первой половине процесса: как превратить графики в таблицу переменных.

Главная ловушка: корреляция не равна причине

У пакетной атрибуции есть почти неизбежная ловушка: модель очень склонна выдавать корреляцию за причинно-следственную связь.

Она замечает кота в начале десяти роликов с высоким удержанием и заявляет: «кот — ключ к удержанию». Но выборка могла просто состоять из объявлений одной команды, которой нравятся коты. И кот, и высокое удержание в таком случае — следствия стиля этой команды, а не причины друг друга. Если поверить модели и вставить кота во все новые ролики, удержание не вырастет.

Это та же проблема, что и ситуация, когда при JS-реверс-инжиниринге модель «узнаёт семейство алгоритмов и перестаёт внимательно разбирать детали». Как только она выдала внутренне непротиворечивое объяснение, сомневаться в нём она уже не хочет. Подход из реверс-инжиниринга решает проблему требованием вывести в промпте раздел с контрдоказательствами. Здесь этот приём переносится напрямую: четвёртый пункт промпта выше, контрпример, — не опция, а проверка того, можно ли доверять атрибуции.

На практике это выглядит так: если модель утверждает, что «кадр с результатом на 2-й секунде вызывает высокое удержание», заставьте её ответить на вопрос: «Есть ли в этой выборке креативы, где результат показан на 2-й секунде, но удержание низкое?» Если такие примеры есть, причинная связь неверна — между кадром и удержанием действует что-то ещё. Если модель проверила всю выборку и контрпримеров не нашла, структуру стоит занести в таблицу переменных. Если модель не умеет находить контрпримеры, ни один её вывод не должен направлять создание креативов: иначе вы будете снимать по набору корреляций и не понимать, почему это не работает.

Какую модель использовать на каждом этапе

Этот четырёхэтапный пайплайн предъявляет к модели совершенно разные требования. Использовать одну модель на всём пути — значит либо переплачивать, либо терять точность:

Особенно важен этап с контрпримерами. Он проверяет то же, что и раздел с контрдоказательствами при определении семейства алгоритмов: способна ли модель продолжать проверять вывод, который только что сама сформулировала. Более слабая модель вместо контрпримера перефразирует заключение: «структура подтверждается большинством креативов». Более сильная действительно находит ролик, который ему противоречит. От качества этого раздела напрямую зависит, сколько ложных причинно-следственных связей попадёт в ваши съёмки.

Не верьте на слово — проверьте разницу сами. Протокол такой:

1. Соберите 10–15 лучших креативов в одной индустрии: по три посекундных графика и перцентиль CTR для каждого.

2. На недорогом тарифе извлеките из них структурированную таблицу: секунды перегибов и содержание кадра в эти моменты.

3. Передайте всю таблицу в claude-opus-5 и gpt-5.6-sol, используя промпт на контрпримеры из пункта 4 выше.

4. Посмотрите на одно: выделит ли модель самостоятельно креатив с отличным удержанием, но плохой конверсией как контрпример. Для сценариев стоит использовать атрибуцию от того тарифа, который предлагает контрпримеры без дополнительных подсказок.

Одного запуска достаточно, чтобы увидеть разницу яснее любого бенчмарка.

Проблема не в выборе модели, а в цене переключения

Четыре модели от трёх поставщиков — это три SDK, три схемы авторизации и три формата ошибок. Наивный подход — подключить трёх клиентов. Большинство смотрит на объём этой работы, решает, что оно того не стоит, и использует одну модель на всём пайплайне. В итоге для пакетной атрибуции выбирается тариф, который плохо работает с контрпримерами, а в производство уходят креативы, основанные на ложной причинности.

AIReiter убирает этот слой сложности: один ключ, один совместимый с OpenAI интерфейс, все четыре тарифа за ним, а для переключения достаточно изменить поле model в теле запроса.

# Batch attribution + counterexamples: the reasoning tier
curl https://aireiter.com/api/v1/chat/completions \
  -H "Authorization: Bearer $AIREITER_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "claude-opus-5",
    "messages": [{"role": "user", "content": "<attribution prompt + N curve-summary table>"}]
  }'

# Extract fields per creative: change the model field, leave the rest
#   "model": "claude-sonnet-5"
# Long context to hold a whole batch of curves:
#   "model": "kimi-k3"

Если вы уже используете OpenAI SDK, укажите для base_url значение https://aireiter.com/api/v1 — больше ничего менять не нужно. В Anthropic SDK отправляйте запрос на POST /api/v1/messages, используя тот же ключ.

По цене: модели Claude доступны со скидкой 30% от прайса, а GPT — за половину стоимости. Для этого процесса скидка приходится именно на основную статью расходов: извлечение полей по каждому креативу — самый плотный по вызовам этап, от сотен до тысяч на пакет, — выполняется на Claude Sonnet со скидкой 30%; атрибуция различий одного креатива работает на GPT-5.6 Sol за половину цены. Пакетная атрибуция с входом в несколько сотен тысяч токенов идёт на Kimi K3 и вызывается тем же ключом. Скидка покрывает две самые затратные части процесса.

• Получить API-ключ

• Попробовать без регистрации: сначала вручную передайте несколько графиков, сравните, предлагают ли две модели контрпримеры, и только потом решайте, какую подключать.

Итог

Оценивать креативы по просмотрам и лайкам — значит брать скалярную метрику, из которой вырезано время, и пытаться с её помощью управлять работой, построенной на времени от начала до конца. Нужная информация в таком подходе потеряна изначально.

Creative center всё это время показывает данные с временным измерением. Точки перегиба трёх посекундных графиков указывают секунды, на которых нужно удержать, заинтересовать и конвертировать зрителя. Перцентиль CTR показывает, насколько креатив хорош среди аналогов, тогда как его абсолютное значение само по себе ничего не значит. Передайте модели графики пачки креативов для пакетной атрибуции — и вместо ощущения «ролик хороший» получите таблицу переменных, которую можно перенести в следующий сценарий. Но только если заставите модель приводить контрпримеры и последовательно отфильтруете предполагаемые корреляции до реальных причинных связей.

Роль модели здесь вполне конкретна: это инструмент атрибуции, способный одновременно сопоставить десятки графиков, найти общую структуру и, при правильно составленном промпте, возразить самому себе. Она не снимает ролик за вас и не принимает за вас решение о причинности. Контрпримеры отбирают реальные причины, таблица переменных превращается в сценарий, а готовый ролик — задача следующего материала.