ИИ в рекламе: что алгоритмы решают сами, а что остаётся человеку
Разбираем, какие задачи в рекламных кабинетах закрывает автоматика, а какие остаются за специалистом. Плюс сроки обучения и контроль бюджета.
Редакция ADS BeastОпубликовано Обновлено 8 мин чтения
Статья подготовлена с помощью ИИ. За её содержание отвечает редакция ADS Beast.
ИИ в рекламе закрывает операционку: распределяет бюджет внутри кампании, пересчитывает ставки в аукционе и выбирает площадки показа. Человеку остаётся стратегия: цели, структура кампаний, семантика, креативы, работа с аудиториями и решение, когда вмешаться в обучение алгоритма. Ниже разобрано, где проходит эта граница и как её не перепутать.
Коротко
- Автоматика управляет ставками, распределением бюджета и выбором площадок; человек задаёт цель, бюджет и креативы.
- Решение о показе конкретному пользователю принимается в момент аукциона по множеству сигналов, повлиять на него можно только через аудитории и минус-слова.
- Автоматические стратегии ошибаются на малых данных: когда конверсий мало, прогноз остаётся неточным.
- Единого срока обучения нет: в Meta оно обычно заканчивается примерно после 50 результатов за неделю после последней значимой правки.
- Алгоритм не понимает контекст бизнеса: сезонный всплеск он не отличит от реального роста спроса.
Что именно автоматика берёт на себя
Алгоритмы рекламных кабинетов управляют тремя вещами: ставками в аукционе, распределением бюджета внутри кампании и выбором площадок показа. В Google Ads автоматические стратегии назначают ставку для каждого аукциона с учётом прогноза конверсии (справка Google о Smart Bidding), похожая логика работает и в Яндекс Директе. Человек в этой цепочке задаёт только рамки: цель, бюджет, креативы.
Дальше начинается то, что раньше делалось вручную. Система сама решает, в какой момент дня поднять ставку, а в какой придержать, на каких площадках показывать реже и как перераспределить деньги между группами объявлений. Если вы помните эпоху ручных ставок по ключам, разница ощутима: тогда специалист выставлял цену клика и каждый день смотрел, что из этого вышло.
Что автоматика не делает, так это не придумывает цель. Если в кабинете стоит цель «клик», алгоритм будет прилежно искать дешёвые клики. Он выполнит задачу ровно так, как она сформулирована, и не догадается, что вам нужны заявки, а не переходы.
Как алгоритм выбирает, кому показать объявление
Решение о показе принимается в момент аукциона на основе вероятности клика и вероятности конверсии для конкретного пользователя. Система оценивает множество сигналов: историю запросов, устройство, время суток, поведение на сайте, предыдущие взаимодействия с рекламой.
Рекламодатель не видит эту логику и не может её переписать. Что он может - сузить круг: задать аудитории, добавить минус-слова, ограничить гео и расписание. Это работает как фильтр на входе, а не как рычаг внутри аукциона.
Отсюда практический вывод. Спорить с алгоритмом на уровне отдельного показа бессмысленно, а вот на уровне входных данных - продуктивно. Если из кампании льётся мусорный трафик, почти всегда проблема в том, что вы недостаточно чётко очертили круг или неверно назвали цель.
Где автоматические стратегии ошибаются
Автоматические стратегии проваливаются там, где мало данных. Алгоритм учится на конверсиях, и когда конверсий мало, прогноз остаётся неточным. Он может увести показы в дешёвый, но нецелевой трафик, особенно если цель настроена неверно.
Вторая типичная ошибка - раннее вмешательство. Специалист видит просадку на третий день, меняет ставку или бюджет, и обучение сбрасывается. Кампания начинает учиться заново, срок выхода на плато отодвигается.
Третья - слепая вера в отчёт. Алгоритм оптимизируется под ту метрику, которую вы дали, и не обязан соотносить её с деньгами в кассе. Цель «заявка» может выполняться отлично, пока отдел продаж не скажет, что половина заявок - нецелевые.
Как отличить проблему обучения от реального провала: смотрите на динамику, а не на срез. Если CPL колеблется, но тренд за две недели ровный, это обучение. Если показатели падают монотонно несколько недель подряд при неизменных входных данных, дело не в алгоритме.
Что остаётся за специалистом
За человеком остаётся всё, что требует контекста бизнеса. Стратегия: выбор целей, структура кампаний, семантика, креативы, работа с аудиториями. Плюс решения о вмешательстве: когда остановить обучение, сменить оффер, перераспределить бюджет между каналами.
Алгоритм не отличит сезонный всплеск от реального роста спроса. Он не знает, что у вас через месяц смена ассортимента, что конкурент ушёл с рынка или что отдел продаж не справляется с потоком. Всё это - человеческая зона.
| Задача | Алгоритм | Человек |
|---|---|---|
| Ставки в аукционе | Назначает для каждого аукциона | Задаёт цель и лимиты |
| Распределение бюджета внутри кампании | Делает сам | Определяет общий бюджет и приоритеты |
| Выбор площадок | Реже показывает на неэффективных | Задаёт исключения и аудитории |
| Цели кампании | Оптимизируется под заданную | Выбирает и проверяет на бизнес-смысл |
| Семантика и минус-слова | Учитывает как сигнал | Собирает и чистит |
| Креативы | Тестирует варианты | Создаёт и оценивает по смыслу |
| Остановка обучения | Не инициирует | Решает по динамике |
| Сезонность и контекст рынка | Не видит | Учитывает и корректирует план |
Эта граница не сдвигается в одну сторону. Чем больше данных накапливает кабинет, тем больше алгоритм берёт на себя и тем меньше смысла лезть в ручные настройки. На старте, наоборот, ручной контроль полезнее.
Сколько длится обучение и когда можно расслабиться
Единого срока обучения нет: он зависит от того, как быстро кампания набирает конверсии. В Meta группа объявлений обычно выходит из обучения примерно после 50 результатов за неделю после последней значимой правки (справка Meta), а Google советует оценивать стратегию на периоде, где набралось не меньше 30 конверсий (справка Google). До этого CPL и CTR заметно колеблются. Это норма, а не сигнал к действию.
Ранние правки сбрасывают обучение и отодвигают выход на плато. Поэтому на время обучения стоит держать жёсткие лимиты бюджета, но не трогать саму структуру кампании без серьёзной причины.
Что считать серьёзной причиной: грубая ошибка в цели, технический сбой в отслеживании, явный мусорный трафик из нерелевантных площадок. Что не является причиной: колебания CPL в пределах нормы, отдельные дорогие клики, желание «попробовать другую ставку».
Сколько именно продлится обучение в вашем случае, зависит от объёма трафика, числа конверсий в неделю, ширины семантики и того, насколько стабильно работает отслеживание. На узкой кампании с редкими конверсиями обучение может затянуться, и это не повод её ломать.
Как выстроить работу с алгоритмом: пошагово
Порядок действий, который снижает риск слить бюджет на обучении.
- Определите цель в терминах бизнеса, а не кабинета. Не «клик» и не «переход», а заявка, звонок, покупка. Проверьте, что эта цель корректно передаётся из аналитики.
- Задайте жёсткие рамки: дневной лимит, общий бюджет на период обучения, ограничения по гео и расписанию.
- Соберите и почистите семантику до запуска. Минус-слова дешевле добавить заранее, чем вычищать мусорный трафик после.
- Запустите с осторожным дневным лимитом и следите за расходом, пока идёт обучение.
- Не трогайте кампанию в период обучения, если нет технической ошибки. Записывайте наблюдения, но не вносите правки.
- По выходу на плато следите за трендом, а не за дневными цифрами, и меняйте бюджет постепенно.
- Раз в неделю сверяйте отчёт кабинета с данными отдела продаж. Расхождение по качеству заявок - повод менять цель, а не ставку.
Отдельно про отслеживание. Если конверсии передаются с ошибкой, алгоритм учится на неверных данных, и никакая стратегия это не исправит. Проверьте связку между кабинетом и аналитикой до того, как увеличивать бюджет. Для сверки источников пригодится конструктор UTM-меток: как создать ссылку для кампании - разметка помогает увидеть, какой канал действительно даёт заявки.
Где ИИ в рекламе выходит за пределы кабинета
Автоматизация не заканчивается на ставках внутри Google Ads или Директа. Появляются форматы, где реклама встраивается прямо в диалог с ассистентом: реклама в диалогах ChatGPT: как устроен формат описывает, как это работает и чем отличается от привычных площадок.
Там же меняется логика измерения. Если бренд упоминается в ответах ассистентов, классические метрики кликов не показывают всей картины. Доля голоса бренда в ответах ассистентов: как измерить разбирает, как подойти к этому измерению.
Для агентств, которые ведут несколько кабинетов и клиентов, ручная работа с каждой кампанией быстро упирается в потолок по времени. Здесь помогает раздел «Агенты и автоматизация»: агентные сценарии снимают рутину со специалиста, оставляя ему стратегические решения. Если вы запускаете кампании не только в Google и Яндексе, посмотрите, как запустить рекламу в Bing - логика обучения там похожа, но есть свои нюансы в настройке аккаунта.
Про цену клика и конверсии в Google есть отдельный разбор: настройка рекламы в Google: цена клика и конверсии объясняет, от чего зависит стоимость и как её оценивать без иллюзий.
Что делать дальше
Проверьте одну свою кампанию по трём пунктам: корректно ли передаётся цель, стоит ли дневной лимит, не вносились ли правки в последние семь дней. Если по всем трём порядок, кампании нужно дать время до конца обучения. Если хотя бы один пункт провален, начинать надо с него, а не с настройки стратегии.
Для команд, которые ведут много кампаний сразу, следующий шаг - передать рутину агентным сценариям: о них рассказывает раздел «Агенты и автоматизация».