Как искусственный интеллект меняет programmatic для рекламодателей

Скорость больше не решает в programmatic — сегодня это просто норма: покупать показы нужно быстро. По-настоящему волнует рекламодателей — почему пользователь видит именно эту рекламу, именно в этот момент и именно в таком контексте. С этим «именно» неплохо справляется машинное обучение: считает, сравнивает, прогнозирует поведение людей и мгновенно корректирует ставки. Но его возможностей не хватает, когда в уравнение добавляется неоднозначность человеческого поведения. Там, где важны интерпретация, гибкость и работа с неструктурированными данными, внедряется искусственный интеллект. В материале рассказываем, как это происходит. 

Почему одного ML уже недостаточно

Машинное обучение помогает выжать максимум из бюджета и минимизирует потери на нерелевантных показах. Алгоритмы анализируют параметры показа — устройство, браузер, площадку, формат, историю кликов и просмотров — и прогнозируют вероятность целевого действия и оптимальную ставку на аукционе. Машина быстро обрабатывает крупные массивы данных, находит повторяющиеся закономерности и корректирует ставки, но у нее есть предел — когда пользователи начинают вести себя как люди.  

Один и тот же пользователь может проявлять схожее поведение с точки зрения метрик: читать статьи о здоровье, проводить одинаковое время на странице, взаимодействовать с похожим контентом. Для машинного обучения это будет выглядеть как устойчивый интерес к медицинской тематике. Но контекст может быть принципиально разным. В одном случае человек изучает экспертный разбор новых препаратов и ищет решение своей проблемы. В другом — читает новости о побочных эффектах лекарств или медицинском скандале. С точки зрения поведения сигналы схожи, а в реальности это две разные ситуации: в первой реклама уместна, во второй — может нести репутационный риск.

Более прозаичная ситуация — ретаргетинг. Он сработает, если человек возвращается в информационную статью, читает отзывы или сравнивает товары, а может дать обратный эффект, если пользователь попадет на негативный новостной контент или столкнется с эмоционально перенасыщенным материалом. 

Как ИИ максимизирует эффект

Искусственный интеллект позволяет анализировать контент, который потребляет пользователь (статьи, обзоры, обсуждения на форумах, отзывы) и формировать сегменты по интересам и потребностям. Эффект особенно заметен в сложных вертикалях вроде фармы. Стандартные сегменты наподобие «интерес к здоровью» или «медицина» плохо отражают реальную ситуацию пользователя, а ИИ соотносит обезличенные поведенческие паттерны с конкретными фармакологическими категориями, не определяя диагноз и не нарушая требований к данным. В результате реклама ориентируется не на тему в целом, а на контекст запроса — и становится уместнее.

Еще одна зона, где ИИ приходит на помощь — Brand Safety. Классические блэк- и вайт-листы работают по формальным признакам и не учитывают смысл контента. То есть, страница может подходить по ключевым словам, но при этом нести негативную или чувствительную повестку. Нейросети анализируют страницы целиком и в реальном времени, учитывая тематику, тональность и общий контекст материала. Так что потенциальные репутационные риски можно рассмотреть до показа рекламы, так что креативы не оказываются в нежелательном окружении.

Объединение машинного обучения и искусственного интеллекта хорошо работает в динамическом ретаргетинге. Когда пользователь уходит с сайта без покупки, система анализирует не только факт просмотра товара, но и его характеристики: стиль, цвет, категорию, назначение, ценовой сегмент. На этой основе формируются персонализированные баннеры с логичными продолжениями выбора: просмотренный товар, альтернативы по стилю или сопутствующие позиции. Такой подход позволяет работать не с единичным действием, а с логикой принятия решения пользователя.

Что меняется для рекламодателей

Подключение искусственного интеллекта к programmatic меняет логику управления рекламными кампаниями. Фокус постепенно смещается с ручных гипотез и постоянных корректировок в сторону системных решений, которые учитывают контекст в реальном времени. На практике это дает несколько приятных изменений: 

Во-первых, снижается зависимость от человеческого фактора. Рекламодателю больше не нужно угадывать, в каком окружении реклама будет уместна и какой сигнал окажется решающим. Интерпретировать сложные сценарии теперь может искусственный интеллект. 

Во-вторых, сокращаются репутационные риски. Анализ контекста в реальном времени позволяет избегать показов в чувствительном или токсичном окружении. Это особенно важно для брендов, которые работают с имиджем, регулированными категориями или широкой аудиторией.

В-третьих, растет точность попадания в реальную потребность пользователя. Вместо широких сегментов и усредненных сценариев реклама опирается на текущий интерес и ситуацию человека, становясь уместнее.

В конечном итоге меняется качество взаимодействия с аудиторией. Реклама перестает быть механическим повторением и начинает выглядеть как логичное продолжение пользовательского сценария — поиска информации, сравнения вариантов или возвращения к отложенному выбору. В итоге programmatic превращается в адаптивную экосистему принятия решений, которая учитывает поведение, контекст и задачи бизнеса.