У кампаніях Performance Max поняття «таргетинг» зміщується в бік сигналів аудиторії. Це не жорсткі фільтри показів, а підказки для алгоритму: кому в першу чергу варто показати рекламу, щоб швидше вийти на цільові конверсії та стабільну ефективність. Саме якість цих сигналів визначає, наскільки швидко PMax вийде з фази навчання, як він масштабуватиметься та чи буде зростання контрольованим з точки зору економіки.
Найцінніший ресурс для Performance Max — це ваші власні дані (first‑party data). Вони напряму відображають реальну поведінку потенційних та наявних клієнтів, а не абстрактні інтереси.
До ключових сигналів належать:
Для PMax такі дані виконують дві функції: вказують, кого система має вважати «якісною аудиторією», і дають можливість будувати схожі аудиторії, масштабуючи покази на людей з подібною поведінкою та профілем.
Другий критично важливий блок — сигнали наміру. Це все, що вказує на те, що користувач перебуває в активній або передактивній фазі вибору товару.
До них зазвичай відносять:
Завдання маркетолога — «упакувати» ці патерни у відповідні сегменти аудиторій: наприклад, люди, які шукають конкретні бренди, порівнюють моделі, читають огляди в ніші, де ви працюєте. Це допомагає PMax швидко знаходити користувачів зі сильним або зростаючим наміром купівлі.
Демографічні параметри та інтереси — це допоміжні, але важливі сигнали, які задають контекст: хто зазвичай купує ваш продукт.
Корисно виділяти:
Важливий момент: ці сигнали не варто робити надто вузькими. Завдання — окреслити портрет вашого покупця, але залишити алгоритму простір для пошуку нових схожих аудиторій, які ви самостійно могли б і не визначити.
Окремо варто виділити кастомні аудиторії, побудовані на:
Ці сигнали особливо корисні, коли:
Для PMax такі списки — це «маяки», які допомагають зрозуміти, який контент, які сайти й які пошукові патерни характерні для вашої цільової аудиторії.
Практичною моделлю для e‑commerce може бути така логіка налаштування груп ресурсів (asset groups):
У результаті Performance Max отримує чітку карту: де «гарячі», де «теплі», а де «холодні» аудиторії. Це дозволяє алгоритму швидше розподіляти бюджет, розуміти, які комбінації сигналів дають найкращу цінність конверсій, і підтримувати баланс між ефективністю та масштабуванням.