Как AI оптимизирует медиапокупку и таргетинг

Введение: AI = «мозг» поверх чистых данных

ИИ не заменяет стратегию, он делает контур закупки быстрее и устойчивее: прогнозирует качество когорты по ранним сигналам, распределяет бюджет, подбирает аудитории и креативы, соблюдая комплаенс. Ключ — S2S-данные, дисциплина UTM и guardrails.

1) Где именно AI приносит эффект

1.1. Бидинг и пейсинг

Динамический bid/CPA/ROAS с оглядкой на `Prob(FTD)`, `ARPU_D30` и риск.

Плавный pacing: удерживает расход в коридоре Payback, избегает пережога по утрам и недооткрута вечером.

1.2. Таргетинг и аудитории

Пропенсити-модели: вероятность FTD/2nd-dep/Retention → look-alike сегменты и приоритетные кластеры.

Exclusion-модели: вероятный churn/низкий LTV/фрод → исключаем из показов или снижаем ставку.

Контекст/семантика: NLP на площадках контента для pre-bid фильтрации.

1.3. Креативы и офферы

Визуальные/NLP-эмбеддинги → кластеризация углов и bandit-ротация (ε-greedy/Thompson).

Предиктивный скоринг шансов «выйти из learning» и удерживать CR/ARPU.

1.4. Распределение бюджета (Budget Allocation)

Мультирыночный портфельный подход: переложение спенда между каналами/гео/девайсами по вероятности Payback_D30.

Сценарии «что-если» от MMM/каузальных моделей.

1.5. SmartLink/оффер-рутация

Перенаправление трафика на офферы с лучшим eCPA/качеством когорты с учётом caps, комплаенса и приоритетов.

2) Архитектура данных для AI-таргетинга

Сбор: UTM + `click_id`, s2s-события `reg/KYC/FTD/2nd_dep/refund/chargeback`, GA4/MMP, логи редиректов/постбеков, креатив-метаданные.

Хранилище: DWH (UTC-время, валюта транзакции + «валюта отчёта»).

Фичи: recency/frequency/monetary, device/geo/payment, session/engagement, креатив-эмбеддинги, source/placement.

Модели: классификация (фрод/валидность), регрессии (ARPU/Payback), bandits, NLP/vision, MMM/каузалка.

Активация: правила бидинга/пейсинга, аудитории (в кабинеты, CDP), SmartLink API, CRM.

Гардианы: Consent/RG, whitelist GEO/возраст, лимиты ставок/частоты, ручной override и decision logs.

3) Математика решений (в канве маркетинговых метрик)

Цели по деньгам:

`ROAS_Dn = NGR_Dn / Spend`, `Payback = min{n: Cum_ARPU_Dn ≥ CPA}`, `LTV = Σ NGR_t / (1+r)^{t/30}`.

Бидинг (идея):

`bid ∝ Prob(FTD) × E[ARPU_D30	сигналы] / целевой Payback`, с понижающими коэффициентами за риск фрода/chargeback.

Приоритизация аудиторий:

`score = w1·Prob(FTD) + w2·Prob(2nd_dep) + w3·E[ARPU_D30] − w4·Risk_fraud`.

Bandit-ротация креативов/офферов:

перераспределяем показы пропорционально постериорной вероятности победы, оставляя 10–20% на exploration.

4) Практика таргетинга с AI

4.1. Аудитории роста

Seed: когорты с быстрым Payback (исторически) → LAL 1–2% с guardrails по гео/возрасту.

Contextual ML: подбираем инвентарь/тематики, где выше CR(reg→FTD).

Moment-based: dayparting и «свежесть» (recency) событий: горячих пользователей ловим с высоким bid, холодных — дешёвыми показами.

4.2. Аудитории экономии

Exclusions: высоковероятный churn/бонус-хантеры/низкий LTV — исключаем или режем ставку.

Frequency capping: ML-кривая убывающей отдачи по частоте (пересекаем оптимум, ставим потолок).

4.3. Креатив-таргетинг

Матчинг «угол × сегмент»: например, social proof лучше заходит на returning/Android LATAM, а gameplay — на new users/iOS EU.

5) Комплаенс, приватность и этика (обязательные рамки)

Респонсибл-маркетинг: 18+/21+, no «лёгких денег», явные условия промо.

Consent Mode/PII-гигиена: никакой персональной инфы в URL, сервер-сайд конверсии.

Без дискриминации: исключайте чувствительные атрибуты из фич; аудит fairness.

Guardrails: min/max bid, caps, manual stop при отклонениях качества.

6) Метрики «здоровья» AI-закупки

Качество: `CR(click→reg)`, `CR(reg→FTD)`, `2nd_dep rate`, `Retention_D7/D30`, `Chargeback rate`.

Экономика: `CPA`, `ARPU_D7/D30/D90`, `Payback`, `ROAS/ROI`.

Техника: задержка постбеков, p95 latency, % ретраев, доля событий без `click_id`, расхождение «оператор↔DWH`.

Креатив/таргетинг: win-rate варианта, время до выхода из learning, response-кривые по частоте/ставке.

7) Частые ошибки и как не допустить

1. Оптимизация по кликам/EPC вместо Payback/LTV.

2. Сырые UTM/часовые пояса/валюты — плавает D0/D1 и ROI.

3. Нет idempotency в S2S — дубли FTD при ретраях.

4. Перекос в exploitation: отключили exploration — креативы «умирают», аудитории выгорают.

5. Игнор комплаенса — баны и потеря инвентаря.

6. Нет A/B в проде — «модели на полке», доверия нет.

8) Чек-листы

8.1. Перед запуском

UTM-политика, `click_id`, s2s: `reg/KYC/FTD/2nd_dep/refund/chargeback` (UTC/валюта, idempotency)
Conversion API, алерты задержек >15 мин, логи редиректов/постбеков
Seed-сегменты для LAL, whitelist GEO/возраст, RG-дисклеймеры
Базовые модели: Early Quality, fraud-risk, creative-scoring
Guardrails: min/max bid, caps, частота, стоп-условия качества

8.2. Первая неделя

Пилот bandit-ротации креативов (10–20% exploration)
Авто-пейсинг по Prob(Payback_D30); отчёт по отклонениям
Алерты аномалий: CR-провалы, всплеск ASN, падение EMQ/постбеков

8.3. К 30-му дню

Когортные отчёты: Cum_ARPU D7/D30, 2nd-dep, Payback по сегментам
Пересбор LAL на победных когортах, обновление exclusion-листов
Сравнение DDA/Last click и MMM-эластичностей, корректировка микса

9) 30-60-90 план внедрения

0–30 дней — Каркас и «ранняя правда»

Стандартизируйте S2S, валюты/TZ, включите Conversion API и алерты.

Поднимите витрины DWH: Cum_ARPU D7/D30, Payback, отчёт расхождений.

Запустите Early Quality + fraud-risk; подключите creative-scoring и базовую bandit-ротацию.

31–60 дней — Автоправила и масштаб

Включите авто-бидинг/пейсинг по Prob(Payback_D30) с guardrails.

Расширьте таргетинг LAL/контекст-ML, добавьте frequency-optimizer.

Подключите SmartLink-рутацию офферов, процедуру апелляций антифрода.

A/B-валидация uplift по каналам/гео.

61–90 дней — Стратегия и устойчивость

MMM/каузальные модели → оптимизация бюджетного микса.

MLOps: мониторинг дрейфа, ротация моделей/секретов, аварийные учения (DLQ/ретраи).

Регулярные ретро по сегментам/креативам, обновление словарей UTM/фич.

10) Мини-плейбуки

Правило авто-ставки (псевдо):

Если `Prob(Payback_D30) ≥ θ1` → повысить bid на x%;
если `θ2 ≤ Prob < θ1` → оставить;
если `Prob < θ2` или `CR(reg→FTD)` падает на Xσ → снизить bid/включить кап.

Ротация креативов:

Новые креативы получают 15% трафика; при 100+ кликов без рег или CR < 0,7× медианы — авто-стоп. Победитель → до 60–70% показов.

Аудитории:

Сегменты с Ret_D7 < порога → понижение ставки/исключение; VIP-кластеры с высоким `Prob(2nd_dep)` → повышенный bid и частота ≤ f.

AI выводит медиапокупку и таргетинг из «ручного ремесла» в контролируемую систему: предсказывает качество, управляет ставками/бюджетами, находит аудитории и ротации, защищает от фрода и ошибок таргета — всё в рамках комплаенса и Responsible Marketing. При чистом S2S-контуре, когортной экономике по NGR, дисциплине UTM и чётких guardrails алгоритмы стабилизируют Payback и растят LTV, а команда сосредотачивается на стратегических гипотезах и новых точках роста.