Реклама без человека: почему компании пока не готовы отдать медиабаинг ИИ-агентамСтатья · дайджест за 21 ноября
Архитектурная изометрическая схема конвейера из пяти ИИ-агентов закупки рекламы со шлюзом API и контрольным экраном байера.
Статья4 раздела≈ 9 мин

Реклама без человека: почему компании пока не готовы отдать медиабаинг ИИ-агентам

Идея на бумаге выглядит как мечта любого предпринимателя: подключаешь ИИ-агента к рекламным кабинетам, задаёшь бюджет и целевую цену заявки — и идёшь пить кофе, пока алгоритм сам запускает кампании, крутит ставки и отсекает убыточные площадки 24/7.

В жизни всё устроено иначе. Выкатываешь такую схему на реальные деньги — и агент либо упирается в лимиты рекламных систем, либо оптимизирует ставки по ботам и за пару дней сжигает бюджет. Сооснователь мобильного performance-агентства TopTraffic Саша Данилов в разборе на Cossa показал, какие задачи в закупке трафика агенты уже забирают, а почему убрать человека из процесса пока не выходит.

Что ИИ забирает в закупке трафика уже сегодня

Медиабаинг — это профессиональная закупка рекламного трафика с постоянным контролем цены привлечения и окупаемости. Агентный медиабаинг строится не вокруг одного всемогущего бота, а как цепочка узких ИИ-агентов, где каждый отвечает за свой короткий шаг.

В TopTraffic эту схему проверили на продвижении мобильного приложения O’STIN. Конкуренция высокая, аудитория устала от однотипных баннеров, а проверять десятки гипотез вслепую дорого — массовые тесты быстро раздувают CPI (цену установки).

Команда собрала каскад из пяти агентов: первый разбирает продукт и аудиторию, второй изучает кампании конкурентов, третий поднимает прошлые кейсы агентства, четвёртый оценивает источники трафика, а пятый собирает готовые гипотезы по креативам, таргетингам и KPI. Дальше подключается живой медиабайер: отсеивает лишнее с учётом бренда, ставит ТЗ дизайнеру и запускает кампанию. После старта за цифрами следит отдельный агент мониторинга. Пока всё в норме — он молчит и не спамит. В Telegram прилетают только отклонения: выше плана — масштабировать, лёгкий сбой — проверить креатив, сильная просадка — стоп.

Итог кейса O’STIN: +35% установок, +17% к конверсии в покупку и −32% CPI по проверяемым гипотезам. Слабые варианты отсеивались на старте, но все финальные решения принимал человек.

Почему «быстрый агент» буксует без данных и упирается в API

«Можно быстро собрать ИИ-агента, но без истории кампаний, интеграций, информации о конкурентах, источниках, пользователях и их поведении он не сможет работать эффективно», — Саша Данилов, TopTraffic.

Встроенное машинное обучение Google, Meta*, AppLovin или Moloco работает так точно, потому что опирается на годы данных о миллионах пользователей. Внешний агент стартует с пустой головой. В TopTraffic сначала годами копили собственную DMP (Data Management Platform — базу истории по кампаниям, аудиториям и креативам), обучили на ней свои алгоритмы и только потом посадили сверху агентов. Без данных кабинетов, MMP (Mobile Measurement Partner — мобильного трекера вроде AppsFlyer или Adjust), постбеков сетей и сквозной аналитики до продаж в CRM агент просто гадает.

Другой путь — партнёрский доступ к площадкам по API или через MCP-сервер (Model Context Protocol — шлюз, через который нейросеть запрашивает данные из внешних систем). Так работают зарубежные Madgicx (аналитика кампаний в Meta*) и AdScale (связка Google, Meta* и данных интернет-магазина).

Но даже с API иллюзия «агент дёргает ставки каждую минуту» разбивается о жёсткие квоты:

  • Google Ads API: базовый доступ (Basic Access) ограничен 15 000 операций в день (до 10 000 изменений за запрос), дальше летит HTTP 429.
  • Meta* Marketing API: балльные квоты (60 баллов за 300 секунд на старте, от 9 000+ на стандарте) и потолок 100 POST-запросов в секунду, иначе пауза на 60–300 секунд.
  • AppsFlyer Pull API: отчёты за 0–2 дня не чаще 1 вызова в минуту, а за 3+ дней — максимум 24 вызова в день на приложение (120 на аккаунт). Adjust так же режет тяжёлые запросы через HTTP 429.

Гонять агента напрямую по API не выйдет — под ним обязательно нужны своё хранилище, кэширование и пакетная обработка.

Панель настройки правил защиты от рекламного фрода до и после атрибуции (Источник: AppsFlyer)

Фрод и искажённые сигналы: как боты обманывают алгоритмы

Даже при чистой базе в закупке трафика ждёт ещё одна ловушка — рекламный фрод (ad fraud): боты, фермы смартфонов, перехват кликов и фейковые установки. Автономный алгоритм верит цифрам буквально: видит дешёвые установки на сомнительной площадке и переливает туда бюджет. Одним правилом это не закрыть — схемы постоянно меняются. Антифрод сверяет десятки сигналов разом: ID устройств, IP, гео, время клика и установки, click ID, данные MMP и поведение после запуска.

По свежим отчётам AppsFlyer и Adjust, доля фрода держится на уровне 14–15% на Android и 11,7% на iOS, причём фейковые установки дают 87% и 92% потерь соответственно. В крупных закрытых сетях (SRN) фрод около 1%, а в аффилиатных сетях доходит до 40%.

Ещё опаснее маскировка: по выборке AppsFlyer из 106 млрд установок, 52% мошеннического трафика притворяются органикой и ломают базовые ориентиры моделей. Мошенники сами используют ИИ — штампуют фейковые приложения с отзывами, имитируют «живой» скролл и переходят на физические фермы устройств (+72% в играх на Android). Без антифрод-слоя пускать агента к кошельку — всё равно что оставить ключи от кассы на прилавке.

Интерфейс ИИ-обнаружения рекламного фрода и анализа аномалий установок (Источник: AppsFlyer)

Экономика, пять барьеров автономии и новое разделение труда

Зачем тогда внедрять агентов? Они режут себестоимость ведения кампаний, ускоряют отсев слабых гипотез и забирают почасовую рутину. Плюс сжимают цепочку посредников: в пилоте Butler/Till и PubMatic (бренд Clubtails на AgenticOS и протоколе AdCP) агент по брифу подобрал инвентарь на утверждение команде — расходы цепочки поставок упали на 82%, CPM (цена за 1 000 показов) снизился на 30%, а показов пришло на 40% больше. Но и там финальную кнопку жали люди.

Покрути симулятор правил мониторинга TopTraffic ниже: посмотри, когда агент молчит, а когда шлёт алерт байеру.

Симулятор правил ИИ-агента: что он предложит медиабайеру

Даже при чётких порогах финальное слово остаётся за человеком. Саша Данилов выделяет пять барьеров полной автономии. Во-первых, риск против шаблонов: ИИ учится на прошлом, а в рекламе часто выстреливает дерзкий ход вопреки статистике, на который решится только живой байер. Во-вторых, стоимость инфраструктуры и бренд-контекст: свести кабинеты, MMP и CRM, а сверху вшить брендбук, законы и требования безопасности дорого и долго. В-третьих, закрытость данных у площадок. В-четвёртых, клиентская работа: бот не защитит спорную гипотезу на встрече. В-пятых, нехватка опыта рынка с кастомными, а не шаблонными моделями.

На практике роли делятся так:

Зона ответственностиЧто отдавать ИИ-агентамЧто оставлять медиабайеру
Подготовка запускаАнализ продукта, конкурентов и прошлой базы гипотезОтбор связок под бренд, ТЗ дизайнеру, запуск
Контроль кампанийПочасовой мониторинг CPI/CPA и алерты по порогамМасштабирование, смена стратегии, ручной стоп
Защита бюджетаПоиск скрытых связей фрода по десяткам параметровРазбор инцидентов и решений по спорному трафику
Стратегия и клиентЧерновые прогнозы на базе прошлых запусковНестандартные тесты, встречи, ответственность за бюджет

Внедрять такой подход стоит с одной понятной операции, не отдавая агенту доступ к бюджету в первый же день.

5 шагов: как внедрить ИИ-агента и не слить бюджет

  • Выбрать одну регулярную задачу с чёткими правилами (например, раз в час проверять CPI).
  • Подготовить входные данные: рекламные кабинеты, MMP, CRM и историю запусков.
  • Прописать пороги реакций: ниже цели — масштаб; лёгкий сбой — креатив; сильный — стоп.
  • Настроить интеграции: сбор данных в хранилище и короткие алерты в Telegram или CRM.
  • Сохранить контроль менеджера: на старте агент только советует, а действия получает лишь после стабильной статистики.

*Соцсети Instagram и Facebook запрещены в РФ; принадлежат корпорации Meta, признанной в РФ экстремистской.

Хочу подробный разборГолоса помогают выбрать, что разобрать подробно. За этот материал 0 голосов.
Источники · 6