DIDENOK TEAM: CPV у блогеров варьируется от 0,79 до 14 рублей в TikTok, YouTube, VK и Telegram

30 августа 2026 · cossaru

В период с июля 2025 по июль 2026 года DIDENOK TEAM изучила внутренние бюджеты и прайс-листы, охватывающие 550 блогеров в Telegram, 700 авторов в YouTube, 500 блогеров в VK и 650 авторов в TikTok, чтобы построить бенчмарки среднего CPV по платформам, темам и форматам. Цены в TikTok держались в узком диапазоне — от 1,57 до 2,61 рубля за просмотр вне сделок с селебрити, чему способствует алгоритмическое распространение, выводящее ролики за пределы собственной аудитории подписчиков автора. В YouTube прероллы остались самой дешёвой покупкой, интеграции стоили дороже за более глубокое размещение и более долгое удержание внимания, а Shorts показали самый широкий разброс, обходясь дороже полных интеграций в нишевых категориях вроде бизнеса, технологий и авто. Самым дешёвым форматом в VK стали длинные интеграции — от 0,79 до 1,68 рубля, посты в VK стоили от 4 до 14 рублей, а клипы — от 2,80 до 12 рублей, при этом самые высокие ставки были у авторов в категориях селебрити, спорта, красоты и лайфстайла. CPV в Telegram вырос повсеместно по категориям, включая развлекательный контент со средней ценой 1,53 рубля и контент про строительство, дизайн, ремонт и DIY с ценой 1,64 рубля, на фоне того, что агентство назвало турбулентностью вокруг платформы.

Бюджетные строки, построенные на единой фиксированной ставке CPV для платформы, ошибочно оценят половину плана: формат и категория меняют стоимость в десять раз в рамках одной и той же сети, а если считать пост в VK по цене длинной интеграции в VK или нишевый YouTube Shorts по цене ролика в широкой теме, часть денег теряется впустую. Закупки в Telegram нужно закладывать с дополнительным запасом бюджета с учётом повсеместного роста цен, о котором сообщает агентство. Кампании в нишах с высоким уровнем доверия — красота, спорт, лайфстайл — должны рассчитывать на премиальные ставки за меньшую, но более целевую аудиторию, тогда как категории с массовым охватом сохраняют низкую стоимость благодаря алгоритмическому масштабу.