ИИ в цифровом маркетинге и performance-рекламе: автоматизация кампаний, Attribution и ROAS-оптимизация

В 2008 году агентство размещало рекламу в Google Ads и вручную управляло ставками для каждого ключевого слова. В 2024 году Smart Bidding Google делает это автоматически — миллиарды решений о ставках в секунду, каждое учитывающее десятки сигналов. Маркетолог теперь задаёт цели, а не управляет ставками.

Кейс 1. Google Performance Max — AI-кампания нового поколения

Инструменты

• Performance Max (PMax) — полностью AI-управляемый тип кампании
• Автоматический выбор плейсментов: Search, Display, YouTube, Gmail, Discover, Maps
• Smart Creative: AI выбирает оптимальные комбинации заголовков, текстов, изображений
• Smart Bidding: ML оптимизирует ставки в реальном времени под Target ROAS/CPA

Что происходит

Традиционные кампании Google: отдельно Search, отдельно Display, отдельно Shopping, отдельно YouTube — каждая со своими ставками, бюджетами, таргетингами. PMax: одна кампания, AI сам решает как распределить бюджет между каналами в каждый момент для максимального результата.

Smart Creative: рекламодатель загружает 15 заголовков, 5 описаний, 15 изображений, 5 видео. AI тестирует 6 750 000 комбинаций и перераспределяет показы на лучшие. Это A/B тест в промышленном масштабе.

Сигналы аудитории: маркетолог указывает «намёки» на целевую аудиторию. AI начинает с них, но расширяется на похожих пользователей, которых алгоритм находит самостоятельно.

Результаты

• Google: PMax в среднем даёт +18% конверсий при том же бюджете vs стандартные кампании
• Компании, перешедшие на PMax: CPA снижается в среднем на 12–22%
• Управление: менеджер тратит в 3–5 раз меньше времени на рутинную оптимизацию

Кейс 2. The Trade Desk и Programmatic AI

Инструменты

• Koa AI — ML-система оптимизации The Trade Desk
• Real-time Bidding: решение о ставке за 100 миллисекунд
• Predictive Clearing: предсказание минимальной ставки для победы
• Brand Safety AI: автоматический отказ от показа рядом с нежелательным контентом
• Cross-Device Attribution: ML соединяет пользователя между устройствами

Что происходит

Programmatic реклама: миллиарды аукционов в секунду — каждое рекламное место продаётся в реальном времени. DSP (Demand-Side Platform) типа The Trade Desk участвует в этих аукционах за миллисекунды. Человек физически не способен управлять ставками — только ML.

Koa AI: анализирует сотни сигналов для каждого импрессиона — тип контента, устройство, время суток, поведение пользователя, вероятность конверсии, историческую ценность похожих показов. Ставка рассчитывается в 100 мс.

Predictive Clearing: в закрытых аукционах (sealed bid) система предсказывает минимальную ставку победы — и делает предложение чуть выше. Экономия на «переплате» при одновременном максимальном охвате.

Результаты

• The Trade Desk с Koa AI: ROAS рекламодателей улучшился в среднем на 15–20% при переходе с ручного управления
• Brand Safety: <0.02% показов рядом с «нежелательным» контентом
• The Trade Desk: выручка >$1,5 млрд (2023), рост 23% год к году

Кейс 3. AI Attribution — понимание реального влияния каналов

Инструменты

• Northbeam, Triple Whale, Rockerbox — AI-атрибуция для e-commerce
• ML-Data-Driven Attribution (DDA) vs последний клик
• Multi-Touch Attribution: реальный вклад каждого касания в конверсию
• Incrementality Testing: действительно ли канал приносит дополнительные продажи?

Что происходит

Классическая атрибуция «последний клик»: клиент увидел бренд в Instagram → через неделю нашёл в Google → купил. Весь credit достаётся Google. Instagram «кажется» неэффективным — бюджет урезают. Продажи падают, никто не понимает почему.

ML Data-Driven Attribution: анализирует всю цепочку взаимодействий и распределяет credit реалистично: Instagram — 35% (запустил интерес), ретаргетинг — 20% (напомнил), Google Brand — 45% (закрыл конверсию).

Incrementality Testing: контрольная группа не видит рекламу в Facebook, остальные видят. Сравнение конверсий → реальный дополнительный вклад канала. Часто выясняется: Facebook генерирует не «новые» продажи, а ускоряет те, что были бы и без него.

Результаты

• Бренды с AI-атрибуцией: перераспределение бюджета даёт +15–30% ROAS без изменения общего бюджета
• Northbeam: сокращение «атрибуционного шума» → рекламодатели лучше понимают что работает
• Компании с incrementality testing: избегают $2–5 млн/год неэффективных расходов на «атрибутивные» конверсии

Источники: Google Performance Max documentation, The Trade Desk Annual Report 2023, Northbeam attribution research, IAB «Data-Driven Attribution 2024».