Битва за внимание на классифайдах: как алгоритмы персонализации Авито решают парадокс выбора
На торговых онлайн-площадках происходит сдвиг парадигмы: механическое расширение каталога и прямые баннеры теряют отдачу. Выступление управляющего директора Авито Влада Федулова на Восточном экономическом форуме (ВЭФ-2026) в сессии «Битва за внимание» зафиксировало этот перелом. В условиях информационной перегрузки побеждает не тот, кто предлагает бесконечный ассортимент, а тот, кто умеет вовремя отсечь шум и персонализировать витрину под контекст покупателя.
Для продавцов трансформация меняет привычные методы. Прежняя тактика «выставить сотни типовых объявлений и выкупить максимальные охваты» больше не гарантирует продаж: пользователи игнорируют навязчивый маркетинг, а рекомендательные модели перераспределяют внимание в пользу релевантности.
Кризис классической рекламы: три барьера цифрового внимания
Традиционные рекламные форматы сталкиваются с растущим сопротивлением аудитории. В докладе на ВЭФ названы три фактора, снижающих эффективность прямой рекламы:
- Распределенное внимание и второй экран. Потребитель редко смотрит в один экран. По приведенным на форуме данным, около 50% людей при просмотре ТВ параллельно пользуются смартфоном, и лишь 29% устойчиво фокусируются на телеэкране. В условиях фрагментированного внимания статичные баннеры перестают считываться: работают лишь точные, контекстно уместные предложения.
- Баннерная слепота. Перегруженный рекламными блоками интерфейс включает автоматическую подсознательную фильтрацию. Человек видит промо-модуль периферийным зрением, но игнорирует его. Попытки сделать графику ярче лишь ускоряют раздражение аудитории.
- Иммунитет к шаблонным призывам. Пользователи выработали психологическую защиту от директивного маркетинга. Формулы вроде «откройте прямо сейчас» или «заберите подарок» мгновенно считываются как манипуляция и перестают стимулировать переходы.
В итоге закупка лобового промоушена становится неоправданно дорогой: показы растут, но отклик целевых клиентов падает.
Парадокс избыточного выбора: почему огромный ассортимент тормозит сделки
Долгое время главным преимуществом классифайдов считался валовый размер базы: чем больше вариантов доступно, тем лучше. Однако в современной коммерции эта модель столкнулась с парадоксом выбора (Choice Overload).
Широкий ассортимент привлекает первое внимание, но после определенного оптимума каждое новое предложение увеличивает когнитивные затраты покупателя. Человек устает сопоставлять десятки однотипных карточек, сомневается в цене и условиях. В результате наступает отказ от сделки: перегруженный сомнениями пользователь просто закрывает приложение.
По заявлениям Авито, структурированный интерфейс удерживает внимание пользователя в два раза дольше по сравнению с перегруженными витринами. Чистая верстка снижает напряжение, но интерфейсной оптимизации мало: платформе необходим инструмент предварительного отбора предложений.
Архитектура персонализации: 50 000 событий в секунду и две воронки спроса
Ответом на кризис внимания стало внедрение высоконагруженных рекомендательных алгоритмов. По информации руководства платформы, рекомендательный движок Авито обрабатывает в реальном времени около 50 000 событий в секунду, сопоставляя контекст и поведение пользователя с каталогом предложений.
Влияние алгоритма подтверждается структурой платформенного трафика: более половины (50%) всех сессий на Авито состоят исключительно из просмотра персональных рекомендаций. Для миллионов покупателей сервис превратился в персонализированную витрину, предугадывающую спрос на базе истории действий.
При этом лента рекомендаций не вытесняет поиск, а дополняет его. В публикациях инженерной команды AvitoTech на Habr раскрыта механика двух параллельных маршрутов:
• Рекомендательный вход на главной странице. Покупатель начинает сессию без готового запроса; алгоритм предлагает подборку карточек, опираясь на профиль интересов и сопутствующие категории. • Поисковый маршрут с фильтрами. Пользователь вводит конкретную формулировку и уточняет параметры выдачи. По данным инженеров, порядка 25% запросов оказываются настолько узкими, что прямая выдача минимальна или пуста. В этих сценариях подключаются векторный поиск семантических аналогов и доставка из других регионов.
При поисковом ранжировании система оценивает объявление примерно по десяти числовым характеристикам, включая качество оформления, свежесть и силу платного продвижения в аукционе. Все изменения алгоритмов проходят валидацию через логирование, офлайн-модели и строгие A/B-тесты.
Традиционная витрина против персональной ленты: сравнение подходов
Переход к рекомендательной модели меняет логику взаимодействия:
| Параметр | Каталожная витрина | Персонализированная лента |
|---|---|---|
| Маршрут клиента | Самостоятельный просмотр десятков страниц, рекламы и фильтров. | Изучение подборки, предварительно отобранной алгоритмом. |
| Риск покупателя | Перегрузка информацией, баннерная усталость и отказ от сделки. | Ограничение выдачи рамками персонального алгоритмического пузыря. |
| Стратегия продавца | Массовая закупка баннеров и механическое умножение объявлений. | Заполнение атрибутов, структурированное описание и сервис. |
| Модель контакта | Оплата нецелевых показов широкой аудитории с низкой конверсией. | Точечный показ заинтересованным клиентам с высокой отдачей. |
| Оценка результата | Оценка по валовому трафику, просмотрам и показам баннеров. | Оценка по реальным обращениям, звонкам, сделкам и стоимости лида. |
Прикладная адаптация: как готовить карточки к рекомендациям
Тезис о том, что алгоритмы «сами приводят покупателей», не означает, что продавец может публиковать небрежные объявления. Алгоритм не способен предложить карточку, если в ней отсутствуют необходимые параметры.
Опираясь на технические данные платформы, можно сформулировать пять правил подготовки предложений:
- Полное заполнение характеристик. Модели ранжирования опираются на формализованные атрибуты. Отсутствие бренда, размера или материала лишает алгоритм возможности связать товар с запросом покупателя и отсекает объявление при подборе аналогов.
- Отказ от крикливого капслока и псевдоакций. В условиях психологического иммунитета шаблонные призывы отталкивают клиентов. Текст должен быть емким, закрывая вопросы о состоянии вещи, гарантиях и доставке.
- Поддержание актуальности карточки. Фактор свежести входит в число базовых параметров ранжирования. Важно вовремя обновлять остатки, корректировать цены и отслеживать актуальность данных.
- Разделение органического качества и платного продвижения. Аукционная ставка усиливает охват, но не заменяет ценности товара. Продвижение карточки с плохими фото или завышенной ценой приводит лишь к сливу бюджета.
- Фокус на сквозных бизнес-метриках. Алгоритмы оценивают сигналы внимания: добавления в избранное, время изучения карточки, диалоги и звонки. Чем лучше поведенческий отклик, тем чаще система предлагает объявление целевым пользователям.
Ограничения и риски: о чем важно помнить бизнесу
Оценивая развитие персонализации, предпринимателям стоит учитывать объективные границы:
• Статус форумных заявлений. Цифры о 50 000 событий в секунду, 50% рекомендательных сессий и двукратном удержании внимания — данные из выступления руководства Авито на ВЭФ, чья точная методология не опубликована. • Отсутствие автоматических гарантий. Алгоритм привлекает внимание к карточке, но финальную сделку определяют рыночная цена, отзывы, надежность продавца и скорость ответов. • Закрытость точных весов ранжирования. Платформа анализирует сотни факторов, но формулы защищены от манипуляций; любые обещания сторонних специалистов «взломать алгоритм» недостоверны. • Параллельность каналов спроса. Рекомендации не заменили поиск. Карточки необходимо одновременно готовить к точным поисковым запросам и визуальному восприятию в рекомендациях.
Борьба за внимание на классифайдах смещается от выкупа рекламных площадей к качеству данных и релевантности. Платформа берет на себя фильтрацию парадокса выбора, а продавцам важно сосредоточиться на прозрачном контенте и клиентском сервисе.