NastępnyNastępny poradnik
Programmatic SEO with AI
Aplikacje
PRZEWODNIK branżowy
AI w reklamie programatycznej
Sztuczna inteligencja w reklamie programatycznej polega na wykorzystaniu uczenia maszynowego do automatycznego kupowania i sprzedawania cyfrowych wyświetleń reklam, decydowania w ciągu milisekund, która reklama ma zostać wyświetlona, komu i za jaką cenę.
Posłuchaj tego przewodnikaOpowiadane przez sztuczną inteligencję · ~3 min
Na tej stronie4 minuty czytania
Przegląd
Ma to znaczenie, ponieważ duża część dzisiejszych zasobów reklamowych, wideo i telewizji podłączonej jest sprzedawana w ten sposób, zatem modele te wpływają na to, jakie reklamy widzą użytkownicy, jakie zarobki wydawcy oraz jakie ryzyko oszustw i prywatności niesie ze sobą system.
Głębokie nurkowanie
Po załadowaniu strony lub aplikacji z boksami reklamowymi platforma po stronie podaży wydawcy wysyła pytanie o stawkę, często w formacie OpenRTB obsługiwanym przez IAB Tech Lab, do giełd reklamowych i platform po stronie popytu. Żądanie opisuje wyświetlenie: witrynę lub aplikację, rozmiar reklamy, typ urządzenia, przybliżoną lokalizację i wszelkie dostępne identyfikatory użytkownika. Cała aukcja ma zazwyczaj budżet czasowy wynoszący około 100 milisekund, a zwycięska reklama jest renderowana, zanim użytkownik zauważy opóźnienie. Większość decyzji podejmuje sztuczna inteligencja. Dostawcy DSP uruchamiają modele, które przewidują współczynnik klikalności, współczynnik konwersji lub widoczność każdego wyświetlenia, a następnie przekształcają te prognozy w stawki. Gdy branża przeszła z aukcji drugiej ceny na aukcje pierwszej ceny między mniej więcej 2017 a 2019 rokiem (Google Ad Manager zmienił się w 2019 r.), dostawcy DSP dodali cieniowanie stawek: modele szacują najniższą cenę, która prawdopodobnie nadal wygra, więc kupujący nie przepłacają. Po stronie sprzedaży dostawcy SSP ustalają dynamiczne minimalne ceny i decydują, do których partnerów popytowych zadzwonić. Modelowanie odbiorców w przeszłości opierało się na plikach cookie innych firm, które śledzą użytkowników w różnych witrynach. Safari je domyślnie blokuje, a Firefox ogranicza, a funkcja Apple App Tracking Transparency (2021) ogranicza identyfikatory reklam mobilnych. Google przez lata planował wycofanie plików cookie innych firm z przeglądarki Chrome za pośrednictwem piaskownicy prywatności, a następnie w 2024 r. zmienił kurs i stwierdził, że nie będzie wymuszał ich usunięcia. Mimo to branża zwróciła się w stronę danych własnych, targetowania kontekstowego, pomieszczeń czystych danych i alternatywnych identyfikatorów. Oszustwa reklamowe to stały problem. Boty, ukryte reklamy i fałszywe domeny drenują budżety; operacja Methbot ujawniona w 2016 r. polegała na fałszywych wyświetleniach filmów w fałszywych wersjach witryn premium. Modele wykrywania wykrywają zachowania inne niż ludzkie, a standardy ads.txt i Sellers.json pozwalają kupującym zweryfikować, kto jest upoważniony do sprzedaży zasobów witryny. Powszechnym błędnym przekonaniem jest to, że sztuczna inteligencja reklam „zna” jednostki. Większość modeli opiera się na sygnałach probabilistycznych, a duża część targetowania ma charakter kontekstowy lub modelowany na poziomie grupy.
Implementacja w świecie rzeczywistym
Platforma strony popytowej (DSP) przewiduje prawdopodobieństwo, że określone wyświetlenie doprowadzi do zakupu i mnoży je przez wartość konwersji reklamodawcy, aby ustalić jego stawkę w aukcji w czasie rzeczywistym.
Platforma podaży (SSP) wydawcy wiadomości korzysta z dynamicznych cen minimalnych, ucząc się minimalnej ceny, jaką prawdopodobnie osiągnie każdy rodzaj wyświetlenia, aby zasoby reklamowe nie były sprzedawane zbyt tanio.
System wykrywania oszustw oznacza grupę „odwiedzających”, którzy ładują strony z adresów IP centrów danych, nigdy nie przewijają i nie klikają w odstępach czasu zgodnych z maszyną, a ruch ten jest wykluczany przed złożeniem jakichkolwiek ofert.
Sprzedawca detaliczny nieposiadający danych z plików cookie stron trzecich stosuje kierowanie kontekstowe: model czyta treść artykułu o pieszych wędrówkach i licytuje na tej stronie reklamy sprzętu outdoorowego, bez użycia osobistego identyfikatora.
Przyszłość sztucznej inteligencji w reklamie programatycznej
Można się spodziewać ciągłego ruchu w kierunku sygnałów, które nie opierają się na śledzeniu w wielu witrynach: danych własnych wydawców, modeli kontekstowych, które rozumieją znaczenie strony i filmu, oraz pomieszczeń czystych, w których reklamodawcy i wydawcy dopasowują odbiorców do odbiorców bez wymiany surowych danych. Detaliczne sieci medialne i telewizja podłączona to rozwijające się kanały, w których takie podejście jest już powszechne. Przepisy dotyczące prywatności w różnych jurysdykcjach będą w dalszym ciągu ograniczać zakres danych, które mogą zasilać modele odbiorców, a pomiary będą w większym stopniu opierać się na modelowanej, zagregowanej atrybucji. Oszustwa będą się stale dostosowywać, w tym generatywna sztuczna inteligencja wykorzystywana do masowego tworzenia witryn reklamowych o niskiej jakości, dlatego weryfikacja i przejrzystość ścieżki dostaw pozostaną najważniejsze. Dalszy rozwój zasad dotyczących plików cookie w przeglądarce pozostaje niepewny.
Wdrażanie tego w praktykę
Dlaczego to ma znaczenie
- Kontekst i zasady. Kontekst branżowy decyduje o tym, czy pomysły AI przetrwają kontakt z rzeczywistością.
- Kontrola jakości. Ograniczenia domeny wpływają na akceptowalne poziomy błędów i modele nadzoru.
- Buduj wybory. Pomyślne wdrożenia łączą możliwości techniczne z przepływami pracy na pierwszej linii frontu.
Uważaj na
- Wymogi prawne mogą unieważnić mocne prototypy.
- Dane historyczne mogą kodować uprzedzenia, które szkodzą konkretnym społecznościom.
- Starsze systemy mogą powodować wąskie gardła w integracji i ukryte koszty.
Kolejne kroki
- Zaangażuj ekspertów dziedzinowych od sformułowania problemu po ocenę.
- Zaprojektuj ścieżki audytu i dokumentację przed uruchomieniem.
- Wcześnie zweryfikuj wymogi dotyczące zgodności i bezpieczeństwa.
- Wdrażaj etapami z jasnymi kryteriami zatrzymania i wycofywania.
Odkrywaj dalej
Darmowy newsletter
Otrzymuj codzienne podsumowanie AI
Trzy zweryfikowane historie AI każdego poranka w dni robocze, napisane prostym angielskim. Bezpłatne na zawsze, bez reklam.
Jedno e‑mail każdego dnia roboczego. Wypisz się jednym kliknięciem. Nigdy nie sprzedajemy ani nie udostępniamy Twojego adresu.
Sprawdź się
Take the AI in Programmatic Advertising quiz
Natychmiastowa informacja zwrotna na każde pytanie oraz udostępnialny certyfikat z weryfikowalnym ID po zaliczeniu kursu.
Wspieraj darmową edukację AI. AI Understanding jest organizacją non-profit 501(c)(3) — bez reklam, bez płatnej ściany, zawsze. Przekaż darowiznę
Często zadawane pytania
Czym jest sztuczna inteligencja w reklamie programatycznej?
Sztuczna inteligencja w reklamie programatycznej polega na wykorzystaniu uczenia maszynowego do automatycznego kupowania i sprzedawania cyfrowych wyświetleń reklam, decydowania w ciągu milisekund, która reklama ma zostać wyświetlona, komu i za jaką cenę. Ma to znaczenie, ponieważ duża część dzisiejszych zasobów reklamowych, wideo i telewizji podłączonej jest sprzedawana w ten sposób, zatem modele te wpływają na to, jakie reklamy widzą użytkownicy, jakie zarobki wydawcy oraz jakie ryzyko oszustw i prywatności niesie ze sobą system.
Ile mniej więcej czasu musi trwać typowa aukcja z licytacją w czasie rzeczywistym?
Aukcje RTB zazwyczaj odbywają się w ramach budżetu wynoszącego około 100 milisekund, dzięki czemu zwycięska reklama może zostać wyrenderowana, zanim użytkownik zauważy jakiekolwiek opóźnienie.
Która organizacja utrzymuje format OpenRTB powszechnie używany w zapytaniach o stawkę?
OpenRTB jest utrzymywany przez IAB Tech Lab, organ zajmujący się standardami technicznymi w branży reklamowej.
Do czego służy cieniowanie stawek?
Na aukcjach pierwszej ceny zwycięzca płaci tyle, ile zaoferował, dlatego modele cieniowania ofert szacują najniższą zwycięską cenę, aby uniknąć przepłacenia.
Dlaczego prognozy współczynnika klikalności u licytującego muszą być dobrze skalibrowane, a nie tylko dobrze uszeregowane?
Oferta jest obliczana na podstawie przewidywanego prawdopodobieństwa, zatem przeszacowanie o 20% przekłada się bezpośrednio na ofertę zawyżoną o 20%.
Co Google ogłosił w 2024 r. na temat plików cookie innych firm w przeglądarce Chrome?
Po latach planowania wycofania za pośrednictwem piaskownicy prywatności Google oświadczył, że w 2024 r. nie będzie wymuszał usuwania plików cookie stron trzecich.
Ucz się dalej
Powiązane przewodniki
Wybrano więcej przewodników na ten temat