Програмний ШІ в рекламі: як працює автоматична закупівля
Розбираємо, як програмний ШІ ухвалює рішення на аукціоні, скільки даних потрібно моделі та як налаштувати кампанію без зливу бюджету.
Редакція ADS BeastОпубліковано 7 хв читання
Програмний ШІ — це алгоритм, який сам вирішує, кому, де і за скільки показати оголошення, спираючись на дані про користувача, контекст і поточну ціну показу. Ваша роль зводиться до бюджету, цілей і креативів. Далі розберемо, як саме ухвалюється рішення на аукціоні, чому перші дні гірші за ручну кампанію і що зробити, щоб модель навчилася швидше.
Коротко
- Programmatic AI відрізняється від звичайної автоматизації тим, що рішення ухвалює модель, а не прописана вами формула.
- На аукціоні система оцінює ймовірність дії від конкретного показу і на цій основі формує ставку.
- Якість навчання залежить від обсягу й коректності даних про конверсії, а не від кількості налаштувань.
- Кожна суттєва правка бюджету, аудиторії чи креативу перезапускає фазу навчання.
- Мінімальний бюджет визначають не «правила ШІ», а цільова вартість конверсії та обсяг аудиторії.
Що таке програмний ШІ і чим він не є
Programmatic AI — це коли алгоритм не просто виконує задані вами правила ставок, а сам вирішує, кому, де і за скільки показати оголошення, спираючись на дані про користувача і місце показу. Звичайна автоматизація працює за формулою, яку ви прописали: підняти ставку на 10%, якщо CPA нижчий за цільовий. У programmatic рішення ухвалює модель, а ваша роль зводиться до бюджету, цілей і креативів.
Різниця не в тому, що одна система «розумніша». Різниця в тому, хто несе відповідальність за вибір показу. У правилах ви заздалегідь описуєте всі умови, і якщо ситуація не вклалася в жодну з них, ставка не змінюється. У моделі ви описуєте мету, а конкретні рішення вона ухвалює сама, включно з тими випадками, яких ви не передбачили.
Через це програмний ШІ погано працює там, де даних мало або вони брудні. Модель не «розуміє» ваш бізнес — вона знаходить закономірності в тому, що ви їй передали. Передали шум, отримали впевнені рішення на основі шуму.
Як ШІ ухвалює рішення під час аукціону
У момент аукціону система оцінює ймовірність дії від конкретного показу: чи є в користувача історія схожих конверсій, у якому контексті він бачить рекламу, скільки коштує цей показ зараз. На основі цієї оцінки формується ставка. Чим більше даних про конверсії ви передаєте (наприклад, через серверні події), тим точніша модель — але самі дані мають бути коректними, інакше алгоритм навчається на шумі.
Порядок дій виглядає так:
- Система отримує запит на показ і збирає доступні сигнали про користувача та місце показу.
- Модель оцінює ймовірність цільової дії саме від цього показу.
- Ця оцінка множиться на вашу ставку або порівнюється з цільовою вартістю конверсії.
- Система вирішує, чи брати участь в аукціоні і скільки заплатити.
- Після показу й конверсії результат повертається в модель як новий сигнал.
Ключовий момент — п'ятий крок. Без зворотного зв'язку про те, чим закінчився показ, модель не вчиться. Саме тому серверні конверси зі стадій CRM дають більше, ніж клієнтські події: вони описують не тільки клік, а й те, що сталося з лідо́м далі.
Скільки даних потрібно, щоб алгоритм стабілізувався
Єдиної цифри немає: поріг залежить від платформи, цілі кампанії та вартості конверсії у вашій ніші. У Meta, наприклад, фаза навчання орієнтується приблизно на 50 результатів за тиждень після останньої суттєвої правки — це орієнтир у довідці, а не гарантія. Якщо конверсій мало, краще об'єднати аудиторії й не чіпати кампанію зайвими змінами, бо кожна правка перезапускає навчання.
Практичний висновок простий: не розпилюйте бюджет на багато дрібних кампаній, якщо конверсій у вас десятки, а не тисячі. Десять кампаній по кілька конверсій на тиждень не дадуть жодній з них вийти з фази навчання. Одна кампанія з ширшою аудиторією збере той самий обсяг даних в одному місці.
Окремо про якість. Помилка в розмітці подій, дублювання конверсій або підмішування в цільову подію випадкових дій шкодять сильніше, ніж нестача даних. Модель упевнено оптимізується на те, що ви назвали конверсією, навіть якщо це не конверсія.
Чому перші дні ШІ-кампанії гірші за ручну
Алгоритм стартує без знання про вашу аудиторію і спершу збирає дані, витрачаючи бюджет на тестування гіпотез. Це нормальна частина навчання, і саме тому перші дні не варто оцінювати за CPA. Дайте кампанії пройти фазу навчання без частих правок — різкі зміни бюджету, аудиторії чи креативу її перезапускають.
Ручна кампанія на старті часто виграє, бо ви вже знаєте, які зв'язки працювали раніше, і одразу ставите їх. Модель цього не знає. Вона витрачає частину бюджету на перевірку варіантів, частина яких виявиться неефективною.
Звідси два правила, які економлять нерви. Перше: не порівнюйте перші дні ШІ-кампанії з ручною — порівнюйте повний цикл навчання. Друге: якщо ви все одно втручаєтеся, втручайтеся один раз і суттєво, а не щодня потроху. Серія дрібних правок завдає більше шкоди, ніж одна велика.
Навчання проти перезапуску: що саме скидає модель
Не кожна зміна перезапускає навчання. Розуміння цієї межі — половина успіху в роботі з програмним ШІ.
| Дія | Вплив на навчання | Що робити |
|---|---|---|
| Різка зміна бюджету | Перезапускає фазу навчання | Змінювати поступово, з запасом часу |
| Заміна аудиторії | Перезапускає фазу навчання | Тестувати на окремій кампанії |
| Новий креатив | Перезапускає фазу навчання | Готувати кілька варіантів одразу |
| Правка тексту оголошення | Може перезапустити | Перевіряти текст до запуску |
| Зміна цільової події | Перезапускає | Визначити цільову подію заздалегідь |
| Коригування ставки в межах стратегії | Зазвичай не перезапускає | Робити в межах заданих обмежень |
Логіка тут одна: усе, що змінює вхідні дані моделі, змушує її вчитися заново. Усе, що лишається в межах уже заданих правил, модель витримує.
Практичний висновок: підготуйте кампанію до запуску повністю. Текст оголошення, креативи, цільову подію, аудиторію. Після запуску чіпайте якомога менше.
Який бюджет потрібен для кампанії з programmatic AI
Google Ads фіксованого мінімального бюджету не встановлює — обмеження визначає ваша цільова вартість конверсії та обсяг аудиторії. У LinkedIn мінімальний денний бюджет — 10 доларів США, у TikTok — понад 50 доларів на кампанію і 20 на групу оголошень. У Meta конкретної цифри в довідці немає: мінімум залежить від країни, валюти, цілі та способу оплати, і Ads Manager попереджає, якщо ви ставите занадто мало.
Порахувати свій орієнтир можна так:
- Візьміть цільову вартість конверсії, яку ви вважаєте прийнятною.
- Помножте її на кількість конверсій, потрібних для виходу з фази навчання.
- Розділіть на кількість днів, за які ви готові цю кількість зібрати.
Якщо результат перевищує ваш комфортний бюджет, у вас два шляхи: знизити цільову кількість конверсій (ширша аудиторія, простіша цільова дія) або подовжити термін навчання. Обидва чесніші за спробу «запустити на мінімумі й дивитися».
Де програмний ШІ помиляється найчастіше
Більшість провалів ШІ-кампаній — не помилка алгоритму, а помилка в даних або в постановці задачі. Ось типові випадки.
Цільова подія обрана неправильно. Якщо ви оптимізуєтеся на клік, а продаєте підписку, модель старанно приведе вам кліки. Вона виконала задачу.
Конверсії дублюються. Одна й та сама дія зараховується двічі — з пікселя і з серверної події. Модель бачить спотворену картину і перенавчається на ній. У Meta дедуплікація працює за збігом назви події та event_id, окремого перемикача немає.
Кампанію правлять щодня. Кожна правка скидає навчання, і модель ніколи не доходить до стабільності. Ззовні це виглядає як «ШІ не працює».
Аудиторія занадто вузька. Моделі ні з чого вибирати. Замала аудиторія обмежує і навчання, і охоплення.
Креатив один. Алгоритму нічого тестувати, і він не може знайти комбінацію, яка працює краще.
Кожен із цих випадків видно заздалегідь, до витраченого бюджету. Перевірка тексту оголошення за правилами площадки перед відправкою і коректна розмітка конверсій знімають більшу частину проблем ще на старті.
Як налаштувати кампанію, щоб ШІ навчився
Стабільне навчання — це результат підготовки, а не налаштування. Порядок такий.
Спочатку визначте одну цільову дію, яка справді означає для вас гроші, і позначте її так, щоб вона не дублювалася. Потім зберіть аудиторію достатньо широкою, щоб модель мала з чого вибирати, і підготуйте кілька варіантів креативу й тексту. Далі перевірте тексти за правилами площадки до запуску — так ви не втратите дні на модерацію. І тільки після цього запускайте, залишивши кампанію в спокої на весь цикл навчання.
Якщо каналів кілька, налаштування з ІІ-підготовкою кампанії, контролем бюджету і перевіркою оголошень перед відправкою збирає ці кроки в одному місці. Кампанія створюється на паузі, а запуск і зміну бюджету підтверджуєте ви.
Окремо варто подумати про канали, де правила гри інші. У рекламі в ChatGPT оплата за покази або кліки, ставок за ключовими словами немає, а оголошення позначене як рекламне і стоїть окремо від відповіді — тут логіка закупівлі відрізняється від класичного аукціону. Детальніше про це в матеріалі про рекламу в ChatGPT Ads та ШІ-чатах.
Що робити далі
Перед запуском перевірте три речі: цільова подія справді означає гроші, конверсії не дублюються, а кампанію ви не плануєте правити щотижня. Якщо хоч одна відповідь «ні», спершу виправте це — інакше модель навчатиметься на неправильних даних і ви втратите бюджет на тестування гіпотез, які не мали сенсу.
Далі підготуйте кампанію з налаштуванням на базі ШІ і запустіть її на паузі, щоб перевірити все перед стартом.