ИИ в programmatic-рекламе и медиабаинге: The Trade Desk AI, DV360 и атрибуция

The Trade Desk обрабатывает >10 миллионов рекламных решений в секунду. Каждый показ рекламы — RTB (Real-Time Bidding) аукцион: за 100 миллисекунд AI решает стоит ли показывать рекламу конкретному пользователю и по какой цене. Без AI — невозможно. Programmatic реклама — одна из первых индустрий, полностью построенных на ML.

Кейс 1. The Trade Desk — AI-двигатель programmatic

Что такое The Trade Desk (TTD)

TTD — независимая DSP (Demand-Side Platform):

• Рыночная капитализация: >$40 млрд
• Бюджеты через платформу: >$8 млрд/год
• Конкурент: Google DV360

Kokai — AI-платформа TTD:

1. AI Bidding:

• RTB аукцион за 100 мс:

- AI получает: сигналы о пользователе (сайт, устройство, поведение, время) - ML предсказывает: вероятность конверсии этого пользователя - Рассчитывает: оптимальная ставка (не переплатить, но выиграть нужный показ)

• Обрабатывает: >30 миллиардов рекламных запросов в день

2. Koa — AI Decision-maker:

• Оптимизирует: всю кампанию в реальном времени
• «Этот сайт даёт CTR в 2× выше — увеличить ставку здесь»
• «Эта аудитория конвертирует плохо — снизить ставку или исключить»

3. Unified ID 2.0:

• Privacy-first идентификация (без cookies)
• ML матчинг: email хеш → рекламный ID
• Post-cookie era: TTD позиционирует как решение на будущее

Реальный кейс — автопроизводитель:

• Цель: test drives
• TTD AI: анализирует Intent данные → люди, искавшие обзоры конкурентов
• Lookalike AI: похожие аудитории
• Результат: стоимость test drive в 3 раза ниже vs прямая покупка медиа

Кейс 2. Google DV360 + AI — доминирующий игрок

DV360 (Display & Video 360)

Google's premium programmatic DSP:

• Интеграция с: YouTube, Gmail, Google Display Network
• Smart Bidding: ML-алгоритмы ставок

AI-стратегии в DV360:

Target CPA (Cost-Per-Acquisition):

• Цель: конверсия за не более $X
• AI: автоматически настраивает ставки для достижения цели
• Обучение: первые 2 недели ML собирает данные → потом оптимизирует

Performance Max:

• AI распределяет бюджет: между YouTube, Gmail, Search, Display, Shopping
• Одна кампания → AI решает где лучше потратить каждый рубль
• Результат: компании видят рост конверсий на 18% в среднем vs разрозненные кампании

Advanced Audience AI:

• Custom Intent: люди, которые искали конкретные фразы в последние X дней
• Similar Audiences: ML находит похожих на ваших конвертировавших клиентов
• Affinity: интересы, определённые ML по поведению в сети Google

Кейс 3. Яндекс Директ + AI — российский рынок

Яндекс как самостоятельная экосистема

После ухода Google Ads из России (2022): Яндекс Директ стал монопольным инструментом programmatic рекламы:

• >80% российского рынка поиска → Яндекс-аудитория огромна
• Директ: поиск + РСЯ (Рекламная сеть Яндекса) + programmatic

AI-функции Яндекс Директ:

Мастер кампаний (полностью AI):

• Минимальный ввод: сайт + бюджет + цель
• AI создаёт: все объявления, подбирает аудиторию, устанавливает ставки
• Оптимизирует: непрерывно, без ручного вмешательства
• Для малого бизнеса: работает «из коробки»

Автотаргетинг:

• AI сам определяет: кому показывать без указания ключевых слов
• Анализирует: контент объявления → находит релевантную аудиторию
• Актуально: когда ключевые слова сложно предусмотреть

Смарт-баннеры:

• Для e-commerce: персонализированные баннеры под каждого пользователя
• Показывает: товары, которые пользователь смотрел или похожие
• ML: подбирает лучший набор товаров для каждого посетителя

Кейс 4. Marketing Mix Modeling vs Multi-Touch Attribution

Атрибуция в мире без cookies

Проблема атрибуции:

• Клиент видел баннер → потом поиск → потом email → купил
• Кому засчитать конверсию?

Multi-Touch Attribution AI (Northbeam, Rockerbox):

• ML анализирует: все точки касания
• Взвешенная атрибуция: каждый канал получает «долю» конверсии
• Позволяет: правильно распределять бюджет

Marketing Mix Modeling (Meridian — Google, Robyn — Meta):

• Статистическая модель: как разные каналы влияют на продажи
• Нет зависимости от cookies: использует агрегированные данные
• Горизонт: квартальные результаты (не real-time)

Практика: «Вот данные о расходах на рекламу по каналам за 12 месяцев и данные о продажах [таблица]. Помоги провести простой Marketing Mix Modeling анализ: какой канал наиболее эффективен, рекомендации по перераспределению бюджета».

Кейс 5. Практика для российского маркетолога

AI-оптимизация Яндекс Директ

Инструменты анализа (₽0–10 000/мес):

• Яндекс Метрика: бесплатно, AI-аномалии и инсайты
• Calltouch / CoMagic: колл-трекинг + AI-атрибуция (для бизнесов с входящими звонками)
• Elama: инструменты автоматизации Директа

Практика оптимизации с ChatGPT:

Анализ ключевых слов: «Вот мои топ-50 ключевых слов с данными: показы, клики, конверсии, стоимость. Выяви: убыточные (стоимость/конверсию > $X), перспективные (CTR высокий но мало показов), неэффективные (много показов, 0 конверсий)».

Написание объявлений: «Напиши 5 вариантов объявлений для Яндекс Директ [продукт]. Для каждого: заголовок 1 (56 символов), заголовок 2 (30 символов), описание (81 символ). Акцент на: [главное преимущество]».

Аудиторные гипотезы: «Мы продаём [продукт]. Какие аудиторные сегменты в Яндексе нам протестировать? Предложи 5 сегментов с обоснованием».

ROI AI-оптимизации рекламы:

• Снижение CPL (стоимость лида) через AI-оптимизацию: 15–35%
• Рост ROAS через лучшую атрибуцию: 20–40%
• При бюджете ₽500 000/мес: потенциальная дополнительная эффективность ₽75 000–200 000/мес

Источники: The Trade Desk Annual Report 2023, Google DV360 documentation, Яндекс Директ справочные материалы, Northbeam attribution platform data.