Используются три типа моделей: модели CTR прогнозируют вероятность клика, модели CVR оценивают вероятность целевого действия после клика, а корректирующая модель регулирует ставки на основе качества трафика. Чтобы средняя стоимость клика оставалась стабильной, используется функция потерь перекрёстной энтропии по запросам. Для оценки качества ранжирования применяется стратифицированный ROC-AUC вместо глобального ROC-AUC, потому что пользователи сравнивают объявления в рамках одного запроса. Калибровка оценивается с помощью метрики RIG. Команда сталкивается с проблемами атрибуции, используя подходы последнего клика, первого клика или мультитач, и изучает возможность снижения веса ранних кликов. Для борьбы со смещением позиции используются либо три модели CatBoost, либо обратное взвешивание склонности. Также происходит переход от CatBoost к глубокому обучению, которое уже показывает лучшее качество прогнозирования CTR, но отмечается, что моделирование сделок сложнее, чем кликов, из-за более длинных пользовательских путей.