ИИ в программатик-рекламе и медиапланировании: DV360, The Trade Desk и AI-таргетинг

В 2023 году объём глобального рынка программатик-рекламы достиг $558 миллиардов. Более 90% цифровой рекламы продаётся через алгоритмический аукцион в реальном времени (RTB). Каждый показ баннера — результат аукциона, который длится <100 миллисекунд. Без AI это физически невозможно: алгоритм оценивает пользователя, делает ставку, выигрывает аукцион быстрее, чем мигает веко человека.

Кейс 1. The Trade Desk — независимый лидер программатик

Масштаб The Trade Desk

• ARR: >$1,8 млрд (2023)
• Обрабатывает: >12 миллионов запросов в секунду
• Доступ к: >1 миллиарда уникальных профилей пользователей (cookie + cookie-less)

Koa AI — умный алгоритм ставок:

• ML анализирует в режиме реального времени: вероятность конверсии каждого показа
• Обучается: на данных клиента + агрегированных данных всей платформы
• Оптимизирует: ставки в каждом RTB-аукционе
• Результат: +15–25% конверсий при том же бюджете vs ручные ставки

UID2 (Unified ID 2.0):

• Privacy-first идентификатор на основе email
• Без cookies (которые умирают): The Trade Desk альтернатива
• Индустрия переходит на: UID2 as новый стандарт

Connected TV + AI:

• CTV реклама: Netflix, Disney+, Hulu — программатик приходит на ТВ
• ML targeting: показать рекламу BMW людям, которые искали автомобили в интернете — но на ТВ-экране
• The Trade Desk: лидер CTV программатик

Кейс 2. Google DV360 — Ad Server империи данных

DV360 — Display & Video 360

Google DV360:

• Часть Google Marketing Platform
• Программатик + YouTube + Display + CTV в одном интерфейсе
• Преимущество: доступ к данным Google (поиск, YouTube, Gmail, Maps)

Google AI в DV360:

Smart Bidding:

• Target CPA: алгоритм сам устанавливает ставки для достижения целевой стоимости конверсии
• Target ROAS: оптимизация под возврат рекламных расходов
• ML обучается: на каждой конверсии → точнее с каждым днём

Audience Intelligence:

• In-market audiences: ML выявляет кто «готов купить» по поведению в поиске
• Custom intent: «люди, которые искали [ваши ключевые слова]»
• Similar audiences: ML находит людей, похожих на ваших покупателей

Attribution:

• Традиционно: «последний клик» — вся заслуга последней точке касания
• Google Attribution AI: Data-driven attribution — справедливое распределение по всем касаниям
• Результат: лучшее понимание реального вклада каждого канала

Кейс 3. Яндекс Директ — AI в российском программатик

Яндекс Рекламная Экосистема

Яндекс — монополист в российском поиске (~60% доли), его рекламная экосистема:

• Яндекс Директ: поиск + РСЯ (Рекламная Сеть Яндекс)
• Яндекс Аудитории: сегментация и таргетинг
• Яндекс Метрика: аналитика + ML атрибуция

AI-функции Яндекс Директ:

Автостратегии:

• «Оптимизация конверсий» — аналог Google Smart Bidding
• ML: анализирует пользователя в момент аукциона → оценивает вероятность конверсии → ставка
• Обучение: 2–4 недели (нужно 50+ конверсий для старта)

Автотаргетинг:

• Показывает рекламу без ключевых слов: ML сам определяет релевантность
• Использует: текст объявления + посадочная страница → понимает тематику
• Дополнительный охват без работы с ключевыми словами

Смарт-баннеры:

• Динамические объявления: AI берёт данные из фида (каталог товаров) → персонализирует для каждого пользователя
• «Показываем человеку именно тот товар, который он смотрел» — ремаркетинг с AI

Look-alike в Яндексе:

• ML находит пользователей, похожих на ваших покупателей
• Данные Яндекса: поиск, Маркет, Недвижимость, Авто → богатый профиль

Кейс 4. AI для Attribution и медиамикс

Проблема Attribution

Типичный путь покупателя:

1. Видел баннер в VK
2. Искал в Яндексе «отзывы»
3. Перешёл из рассылки
4. Купил через прямой заход

Вопрос: кто заслуживает «кредит» за конверсию?

Традиционно: Last Click Attribution → всё достаётся прямому заходу AI Attribution: Data-Driven → каждое касание получает справедливую долю

Как это работает:

• ML анализирует: тысячи пользовательских путей, которые привели к покупке
• Сравнивает: с путями без покупки
• Вычисляет: вклад каждого канала на основе реальных данных (не предположений)

Практические инструменты:

• Google Analytics 4: ML-атрибуция (бесплатно)
• Triple Whale (для e-commerce): AI-атрибуция с учётом influencer и offline
• Northbeam: AI MMM (Media Mix Modeling) для больших бюджетов

Кейс 5. AI Media Planning для малого и среднего бизнеса

Когда нет аналитика-медиапланировщика

Практические промпты:

Медиаплан: «Мы запускаем онлайн-школу английского для взрослых. Бюджет ₽500 000/мес. Аудитория: 25–45 лет, Москва и Санкт-Петербург. Создай медиаплан: какие каналы, какой бюджет на каждый, KPI для каждого канала».

Анализ рекламы: «Вот результаты рекламных кампаний за 3 месяца: [данные по каналам]. Что работает, что нет? Где перераспределить бюджет?»

Аудитория: «Наш продукт: CRM для стоматологий. Опиши детально нашу целевую аудиторию для таргетинга в Яндексе и ВКонтакте. Какие интересы, поведение, должности?»

ROI расчёт: «Вложили ₽200 000 в рекламу, получили 150 лидов, 30 покупок по ₽15 000 каждая. Посчитай: ROAS, CPL, CPA. Как оценить эффективность?»

Источники: The Trade Desk Annual Report 2023, Google DV360 documentation, Яндекс рекламная экосистема отчёты, eMarketer Programmatic Advertising Forecast.