A seguirPróximo guia
IA na administração de benefícios governamentais
Indústrias
GUIA Das Indústrias
IA em publicidade programática
IA em publicidade programática é o uso de aprendizado de máquina para comprar e vender impressões de anúncios digitais automaticamente, decidindo em milissegundos qual anúncio exibir, para quem e a que preço.
Nesta página4 minutos de leitura
Visão geral
É importante porque grande parte do inventário atual de exibição, vídeo e TV conectada é negociado dessa forma, portanto, esses modelos determinam quais anúncios as pessoas veem, quanto os editores ganham e quanto risco de fraude e privacidade o sistema acarreta.
Mergulho profundo
Quando uma página ou aplicativo com espaços de anúncio é carregado, a plataforma de oferta do editor envia uma solicitação de lance, geralmente no formato OpenRTB mantido pelo IAB Tech Lab, para trocas de anúncios e plataformas de demanda. A solicitação descreve a impressão: site ou aplicativo, tamanho do anúncio, tipo de dispositivo, localização aproximada e quaisquer identificadores de usuário disponíveis. Todo o leilão normalmente tem um orçamento de tempo de cerca de 100 milissegundos, e o anúncio vencedor é renderizado antes que o usuário perceba um atraso. A IA toma a maior parte das decisões. As DSPs executam modelos que prevêem a taxa de cliques, a taxa de conversão ou a visibilidade para cada impressão e, em seguida, transformam essas previsões em lances. À medida que a indústria passou de leilões de segundo preço para leilões de primeiro preço entre aproximadamente 2017 e 2019 (Google Ad Manager mudou em 2019), os DSPs adicionaram o sombreamento de lance: os modelos estimam o preço mais baixo com probabilidade de ainda ganhar, para que os compradores não paguem a mais. Do lado da venda, os SSPs estabelecem pisos dinâmicos e decidem quais parceiros de demanda ligar. A modelagem de público historicamente dependia de cookies de terceiros que acompanham os usuários nos sites. O Safari os bloqueia por padrão e o Firefox os restringe, e o App Tracking Transparency (2021) da Apple restringiu IDs de publicidade móvel. Google passou anos planejando a eliminação gradual de cookies de terceiros no Chrome por meio de seu Sandbox de privacidade, mas em 2024 reverteu o curso e disse que não forçaria sua remoção. Mesmo assim, a indústria migrou para dados próprios, segmentação contextual, salas limpas de dados e identificadores alternativos. A fraude publicitária é um problema constante. Bots, anúncios ocultos e domínios falsificados esgotam orçamentos; a operação Methbot expôs em 2016 visualizações de vídeos falsificados em versões falsificadas de sites premium. Os modelos de detecção procuram comportamento não humano, e os padrões ads.txt e sellers.json permitem que os compradores verifiquem quem está autorizado a vender o inventário de um site. Um equívoco comum é que a IA publicitária “conhece” os indivíduos. A maioria dos modelos funciona com sinais probabilísticos e uma grande parte da segmentação é contextual ou modelada a nível de grupo.
Impacto Estratégico
Contexto e regras
O contexto da indústria determina se as ideias de IA sobrevivem ao contato com a realidade.
Controle de qualidade
As restrições de domínio influenciam as taxas de erro aceitáveis e os modelos de supervisão.
Escolhas de construção
Implantações bem-sucedidas alinham capacidade técnica com fluxos de trabalho de linha de frente.
O futuro da IA na publicidade programática
Espere um movimento contínuo em direção a sinais que não dependem de rastreamento entre sites: dados próprios do editor, modelos contextuais que entendem o significado da página e do vídeo e salas limpas onde anunciantes e editores combinam públicos sem trocar registros brutos. As redes retalhistas de media e a TV conectada são canais em crescimento onde estas abordagens já são comuns. As leis de privacidade em várias jurisdições continuarão a limitar os dados que podem alimentar os modelos de audiência, e a medição basear-se-á mais na atribuição modelada e agregada. A fraude continuará a adaptar-se, incluindo a IA generativa utilizada para produzir em massa sites de baixa qualidade feitos para publicidade, pelo que a verificação e a transparência do caminho de fornecimento permanecerão centrais. A evolução das políticas de cookies do navegador permanece incerta.
Implementação no mundo real
Uma plataforma de demanda (DSP) prevê a probabilidade de uma impressão específica levar a uma compra e multiplica-a pelo valor por conversão do anunciante para definir seu lance em um leilão em tempo real.
A plataforma de oferta (SSP) de um editor de notícias usa preços mínimos dinâmicos, aprendendo o preço mínimo que cada tipo de impressão provavelmente alcançará, para que o inventário não seja vendido muito barato.
Um sistema de detecção de fraude sinaliza um cluster de “visitantes” que carregam páginas de endereços IP de data centers, nunca rolam e clicam em intervalos regulares da máquina, e que o tráfego é excluído antes que qualquer lance seja feito.
Um varejista sem dados de cookies de terceiros usa segmentação contextual: uma modelo lê o conteúdo de um artigo sobre caminhadas e dá lances nessa página para anúncios de equipamentos para atividades ao ar livre, sem nenhum identificador pessoal envolvido.
Riscos e guarda-corpos
Os requisitos regulamentares podem invalidar protótipos que de outra forma seriam fortes.
Os dados históricos podem codificar preconceitos que prejudicam comunidades específicas.
Os sistemas legados podem criar gargalos de integração e custos ocultos.
Roteiro de implementação
Envolva especialistas no domínio desde a formulação do problema até a avaliação.
Projete trilhas de auditoria e documentação antes do lançamento.
Valide antecipadamente as obrigações de conformidade e segurança.
Implementação em fases com critérios claros de interrupção e reversão.
Continue explorando
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the AI in Programmatic Advertising quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Perguntas frequentes
O que é IA em publicidade programática?
IA em publicidade programática é o uso de aprendizado de máquina para comprar e vender impressões de anúncios digitais automaticamente, decidindo em milissegundos qual anúncio exibir, para quem e a que preço. É importante porque grande parte do inventário atual de exibição, vídeo e TV conectada é negociado dessa forma, portanto, esses modelos determinam quais anúncios as pessoas veem, quanto os editores ganham e quanto risco de fraude e privacidade o sistema acarreta.
Quanto tempo aproximadamente um leilão típico de lances em tempo real precisa ser concluído?
Os leilões RTB normalmente são executados dentro de um orçamento de cerca de 100 milissegundos para que o anúncio vencedor possa ser renderizado antes que o usuário perceba qualquer atraso.
Qual organização mantém o formato OpenRTB comumente usado para solicitações de lances?
OpenRTB é mantido pelo IAB Tech Lab, o órgão de padrões técnicos da indústria publicitária.
O que o sombreamento de lance faz?
Nos leilões de primeiro preço, o vencedor paga o que licitou, pelo que os modelos de bid-shading estimam o preço vencedor mais baixo para evitar pagamentos excessivos.
Por que as previsões da taxa de cliques de um licitante devem ser bem calibradas, e não apenas bem classificadas?
Uma oferta é calculada a partir da probabilidade prevista, portanto, uma superestimativa de 20% se traduz diretamente em uma oferta exagerada de 20%.
O que Google anunciou em 2024 sobre cookies de terceiros no Chrome?
Depois de anos planejando uma eliminação gradual do Privacy Sandbox, Google disse em 2024 que não forçaria a remoção de cookies de terceiros.
Continue aprendendo
Guias relacionados
Mais guias escolhidos para este tópico