Оптимизация рекламы достигла «пика эффективности» на уровне

Оптимизация кампаний теперь может работать на уровне показов благодаря агентам, принимающим решения в реальном времени. Это знаменует собой пик эффективности для рекламных технологий, которые традиционно полагались на периодическое человеческое вмешательство в рамках более широких сегментов кампаний. Это не просто инкрементальное обновление; это позиционируется как логическое завершение автоматизации, значительный архитектурный сдвиг в управлении и дообучении цифровых рекламных кампаний.

«Может ли агент принимать решения по показу, в отличие от того, как это делалось раньше?» — задался вопросом Джозеф Хирш, генеральный директор Swivel, на недавнем саммите AI Media Summit от Beet.TV/Horizon Media. «Я думаю, что глубина — это то, что я вижу как будущее, вплоть до уровня показов или вплоть до уровня миллисекунд». Это выходит за рамки более широких сегментов кампаний прошлых лет, когда люди просматривали метрики производительности и вносили коррективы, возможно, раз в неделю или даже реже. Теперь идея состоит в том, чтобы ИИ-агенты принимали микрорешения по каждому отдельному рекламному показу.

Как это выглядит на практике? Подумайте о задачах, традиционно выполняемых людьми, которые требовали просеивания списков. Хирш указывает на кропотливый процесс анализа сотен или тысяч названий приложений и их пакетов для выявления лидеров и последующего ручного исключения отстающих. Эта новая парадигма предполагает, что агенты могут делать это непрерывно. Это переход от реактивной пакетной обработки к проактивному, непрерывному микроменеджменту. Подразумевается, что инкрементальная ценность, часто теряющаяся в промежутках между человеческими вмешательствами, теперь может быть уловлена.

Детализация против широты охвата

Это стремление к оптимизации на уровне показов сигнализирует о более широкой тенденции в разработке ИИ в ad tech: сдвиге от ИИ, пытающегося делать всё понемногу (широта), к ИИ, осваивающему конкретные, глубокие рабочие процессы (глубина). Годами обещание состояло в том, что ИИ может помочь практически в любой задаче. Теперь акцент делается на ИИ-агентах, которые могут выполнить весь рабочий процесс от начала до конца, а не просто частичную помощь.

Хирш хорошо сформулировал это: «Есть много широты. Может ли ИИ коснуться всего? Теперь мы начинаем видеть больше глубины, когда вместо выполнения 50% или 75% рабочего процесса, возможно, вы выполняете 100% рабочего процесса». Это означает, что агенты не просто предлагают улучшения; они постоянно реализуют их на таком детальном уровне, который люди просто не могли бы контролировать. Обещание — это эффективность, которая масштабируется за счет просто огромной частоты операций.

Слой обработки естественного языка

Подход Swivel также включает интерфейс на естественном языке, позволяющий пользователям взаимодействовать с этими сложными автоматизациями, используя обычную речь. Речь идет не только о создании автоматизаций; речь идет об общении с данными, оптимизации кампаний и даже генерации дохода издателя на нескольких рекламных платформах, вместо того чтобы быть ограниченным отдельными системами. Амбиция — унифицированный слой взаимодействия для фрагментированной экосистемы ad tech.

«Если вы хотите использовать естественный язык для создания автоматизации в вашем бизнесе для выполнения любой задачи, которую люди выполняли в прошлом, вы можете сделать это в Swivel», — объяснил Хирш. «Если вы продавец, использующий одну, три, пять, семь, десять платформ, теперь вы можете использовать единую платформу для взаимодействия с этими рекламными платформами через агента». Это направлено на преодоление сложности управления разрозненными пользовательскими интерфейсами платформ и интеграциями API.

Действительно ли это «пик эффективности»?

Термин «пик эффективности» — это смелое заявление. Исторически ad tech гнался за эффективностью различными способами: лучшее таргетирование, более эффективное установление ставок, более быстрое время загрузки. ИИ-решения на уровне показов — это значительная эволюция, доводящая автоматизацию до крайности. Однако мой журналистский скептицизм берет верх. История ad tech изобилует технологическими обещаниями, которые не оправдали ожиданий, часто из-за проблем с реализацией или непредвиденных последствий.

Например, хотя агенты теоретически могут выполнять задачи непрерывно, достаточно ли сложны модели, чтобы обрабатывать нюансы каждого отдельного показа без внесения предвзятости или непреднамеренных негативных последствий? И какая часть этой расширенной функциональности остается неиспользованной, потому что пользователи просто не знают, как эффективно составить промпт для ИИ? Хирш намекнул на это, сравнив его с неисследованными функциями в больших языковых моделях. Это подразумевает, что потенциал для пика эффективности может существовать, но его реализация в значительной степени зависит от опыта пользователя и зрелости ИИ.

«У нас есть инструменты внутри нашей платформы, к которым никогда не прикасались, потому что ИИ-платформы могут делать вещи, о которых люди не знают, потому что они никогда не просили их сделать», — сказал Хирш. «Люди будут становиться более экспертными в том, как они составляют промпты, и они откроют для себя новые вещи, которые они смогут делать».

Это предполагает, что «пик эффективности» — это не только сама технология, но и человеческий фактор в ее использовании. Это улица с двусторонним движением: ИИ должен быть мощным, а пользователи должны уметь раскрывать эту силу. Без того и другого, даже самые детальные решения могут оказаться просто очень быстрым, очень сложным способом делать что-то неправильно.

Что это означает для среднего медиабаера или планера? Вероятно, это означает более крутую кривую обучения, необходимость стать больше инженером промптов и зависимость от ИИ-агентов, которые не просто умны, но и демонстративно надежны. Переход от периодического человеческого надзора к непрерывному микроменеджменту с помощью ИИ — это глубокий архитектурный сдвиг, который обещает беспрецедентную оптимизацию, но требует нового уровня изощренности пользователя и уверенности в автоматизированных системах. Речь идет не столько о полной замене людей, сколько о фундаментальном изменении характера их ролей — от непосредственных операторов к организаторам и руководителям высокоспециализированных ИИ-агентов.

Речь идет не просто о том, чтобы делать вещи быстрее; речь идет о фундаментальном изменении операционной структуры цифровой рекламы, доводя автоматизацию до ее наиболее детального предела. Представляет ли это действительно «пик эффективности» или очередной амбициозный шаг на долгом пути, еще предстоит увидеть, но архитектура управления кампаниями, несомненно, перерисовывается на уровне каждого отдельного показа.