ДалееСледующее руководство
ИИ в управлении государственными льготами
Отрасли
РУКОВОДСТВО ПО Отраслям
ИИ в программной рекламе
ИИ в программной рекламе — это использование машинного обучения для автоматической покупки и продажи показов цифровой рекламы, решающее за миллисекунды, какую рекламу показывать, кому и по какой цене.
На этой странице4 минуты чтения
Обзор
Это важно, поскольку большая часть сегодняшних ресурсов дисплеев, видео и подключенного телевидения продается таким образом, поэтому эти модели определяют, какую рекламу видят люди, что зарабатывают издатели и насколько велик риск мошенничества и конфиденциальности, который несет система.
Глубокое погружение
Когда загружается страница или приложение с рекламными местами, платформа предложения издателя отправляет запрос ставки, часто в формате OpenRTB, поддерживаемый технической лабораторией IAB, на рекламные биржи и платформы спроса. Запрос описывает показ: сайт или приложение, размер объявления, тип устройства, приблизительное местоположение и любые доступные идентификаторы пользователей. Весь аукцион обычно занимает около 100 миллисекунд, а победившее объявление отображается до того, как пользователь заметит задержку. ИИ принимает большую часть решений. DSP запускают модели, которые прогнозируют рейтинг кликов, коэффициент конверсии или видимость для каждого показа, а затем превращают эти прогнозы в ставки. Поскольку в период примерно с 2017 по 2019 год отрасль перешла от аукционов второй цены к аукционам первой цены (Менеджер рекламы Google перешел в 2019 году), DSP добавили затенение ставок: модели оценивают самую низкую цену, которая, скорее всего, все равно выиграет, поэтому покупатели не переплачивают. Что касается продаж, SSP устанавливают динамические минимальные уровни и решают, к каким партнерам по спросу обращаться. Моделирование аудитории исторически зависело от сторонних файлов cookie, которые отслеживают пользователей на разных сайтах. Safari блокирует их по умолчанию, Firefox ограничивает их, а программа Apple App Tracking Transparency (2021) ограничивает идентификаторы мобильной рекламы. Google потратил годы на планирование поэтапного отказа от сторонних файлов cookie в Chrome через его Privacy Sandbox, затем в 2024 году изменил курс и заявил, что не будет принуждать к их удалению. Несмотря на это, отрасль перешла к первичным данным, контекстному таргетингу, «чистым комнатам» данных и альтернативным идентификаторам. Мошенничество с рекламой — постоянная проблема. Боты, скрытая реклама и поддельные домены истощают бюджеты; Операция Methbot выявила в 2016 году фальшивые просмотры видео на поддельных версиях премиум-сайтов. Модели обнаружения отслеживают нечеловеческое поведение, а стандартыads.txt и Sells.json позволяют покупателям проверять, кто имеет право продавать инвентарь сайта. Распространенным заблуждением является то, что рекламный ИИ «знает» людей. Большинство моделей работают с вероятностными сигналами, и большая часть таргетинга является контекстуальной или моделируется на уровне группы.
Стратегическое воздействие
Контекст и правила
Отраслевой контекст определяет, выживут ли идеи ИИ при контакте с реальностью.
Контроль качества
Ограничения предметной области влияют на приемлемый уровень ошибок и модели надзора.
Выбор сборки
Успешные развертывания позволяют согласовать технические возможности с рабочими процессами на переднем крае.
Будущее искусственного интеллекта в программной рекламе
Ожидайте дальнейшего движения к сигналам, которые не зависят от межсайтового отслеживания: собственные данные издателей, контекстные модели, которые понимают значение страниц и видео, а также чистые комнаты, где рекламодатели и издатели сопоставляют аудитории, не обмениваясь необработанными записями. Розничные медиасети и подключенное телевидение становятся растущими каналами, где эти подходы уже распространены. Законы о конфиденциальности в различных юрисдикциях будут продолжать ограничивать данные, которые могут использоваться в моделях аудитории, а измерения будут в большей степени опираться на смоделированную агрегированную атрибуцию. Мошенничество будет продолжать адаптироваться, включая генеративный искусственный интеллект, используемый для массового производства некачественных рекламных сайтов, поэтому проверка и прозрачность путей поставок останутся центральными. Как будет развиваться дальше политика использования файлов cookie браузера, остается неясным.
Реальная реализация
Платформа спроса (DSP) прогнозирует вероятность того, что конкретный показ приведет к покупке, и умножает ее на ценность конверсии рекламодателя, чтобы установить ставку на аукционе в реальном времени.
Платформа предложения издателя новостей (SSP) использует динамические минимальные цены, определяя минимальную цену, которую может получить каждый тип показа, поэтому инвентарь не продается слишком дешево.
Система обнаружения мошенничества помечает группу «посетителей», которые загружают страницы с IP-адресов центра обработки данных, никогда не прокручивают страницы и нажимают на них с регулярными машинными интервалами, и этот трафик исключается до того, как будут размещены какие-либо ставки.
Розничный торговец, не имеющий данных сторонних файлов cookie, использует контекстный таргетинг: модель читает содержание статьи о походах и делает ставки на этой странице для рекламы туристического снаряжения без использования личного идентификатора.
Риски и ограничения
Нормативные требования могут сделать недействительными сильные прототипы.
Исторические данные могут отражать предвзятость, которая наносит вред конкретным сообществам.
Устаревшие системы могут создавать узкие места в интеграции и скрытые затраты.
Дорожная карта реализации
Привлекайте экспертов в предметной области от постановки проблемы до оценки.
Разработайте журналы аудита и документацию перед запуском.
Заблаговременно проверяйте соответствие требованиям и обязательства по безопасности.
Развертывание поэтапно с четкими критериями остановки и отката.
Продолжайте исследовать
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
Часто задаваемые вопросы
Что такое ИИ в программной рекламе?
ИИ в программной рекламе — это использование машинного обучения для автоматической покупки и продажи показов цифровой рекламы, решающее за миллисекунды, какую рекламу показывать, кому и по какой цене. Это важно, поскольку большая часть сегодняшних ресурсов дисплеев, видео и подключенного телевидения продается таким образом, поэтому эти модели определяют, какую рекламу видят люди, что зарабатывают издатели и насколько велик риск мошенничества и конфиденциальности, который несет система.
Сколько примерно времени занимает типичный аукцион с торгами в режиме реального времени?
Аукционы RTB обычно проводятся в рамках бюджета около 100 миллисекунд, поэтому выигравшее объявление может быть отображено до того, как пользователь заметит какую-либо задержку.
Какая организация поддерживает формат OpenRTB, обычно используемый для запросов ставок?
OpenRTB поддерживается IAB Tech Lab, органом технических стандартов рекламной индустрии.
Что дает затенение ставок?
На аукционах первой цены победитель платит столько, сколько предложил, поэтому модели затенения ставок оценивают самую низкую цену выигрыша, чтобы избежать переплаты.
Почему прогнозы рейтинга кликов в системе назначения ставок должны быть хорошо откалиброваны, а не просто хорошо ранжированы?
Ставка рассчитывается на основе прогнозируемой вероятности, поэтому 20-процентное завышение цены сразу приводит к 20-процентному завышению ставки.
Что Google объявил в 2024 году о сторонних файлах cookie в Chrome?
После многих лет планирования поэтапного отказа от Privacy Sandbox Google заявила, что в 2024 году не будет принудительно удалять сторонние файлы cookie.
Продолжайте учиться
Связанные руководства
Другие руководства, выбранные по этой теме