Медийная реклама *

Мастер отчётов в Директе отдаёт один срез за запрос. Хочешь сравнить расход по площадкам — строишь один отчёт; нужна понедельная динамика стоимости лида — строишь второй; смотришь, какая кампания просела — третий. Между несколькими клиентскими логинами добавьте ещё перелогины. Картина всего аккаунта в этой схеме существует только в голове аналитика, и каждое утро её приходится пересобирать заново.

Мне это мешало достаточно, чтобы потратить вечер и вытащить данные напрямую из Reports API в Google-таблицу: один лист — весь аккаунт по неделям, рядом разрезы по площадкам и по каждой кампании, плюс подневное скользящее окно. Обновляется само через Apps Script. Ниже разберу, как это устроено под капотом, где у конструкции стенки (их хватает) и почему свои боевые дашборды я в итоге всё равно унёс в DataLens. Таблица — пустой шаблон, отдаю по ссылке в конце, можно скопировать и распотрошить.

Адресат — те, кто сам копается в Директе и аналитике. Написали такой инструмент — будет с чем сверить решения; только думаете — сэкономите вечер на граблях.

Сегодня ИИ для создания видео обещает почти одно и то же: загрузите фото или напишите промпт и через пару минут получите готовый ролик. На практике же все гораздо сложнее. Один сервис может сделать красивую картинку, но поменяет лица, другой хорошо держит промпт, но добавляет новые пальцы или руки, а третий отлично оживит фон, но зато люди будут двигаться слишком неестественно со странной мимикой.

Поэтому я решила провести эксперимент и проверить на одном сложном исходнике, какая же нейросеть справится лучше? 

Для теста взяла семейное сгенерированное фото: в кадре женщина, мужчина, ребенок, собака, игрушка, стакан, руки, лица, фон с деревьями и прохожими. Решила взять частый сценарий использования нейросетей, плюс проверить как нейросети справляются не только с “красивым видео”, но и с деталями, которые чаще всего выдают ИИ: глаза, пальцы(все помнят первые генерации пару лет назад с теми жуткими семью пальцами?😄), мимика, окружающие предметы и движением фона.

Для сравнения выбрала 11 российских и зарубежных сервисов. Именно эти сервисы я нашла в популярных подборках ИИ:

Кампания с недельным бюджетом 10 000 ₽ в нише, где заявка стоит около 5 000, не обучится никогда — и автостратегия тут ни при чём. Ей просто не на чем учиться: за неделю она не наберёт даже двух заявок, а без набранных заявок look-alike нечем строить закономерность. Это школьная арифметика, и желание заказчика на неё не влияет.

Я веду Яндекс Директ в недвижимости, и почти любой спор «автостратегии всё сливают» против «ручное управление умерло» у меня на глазах сводится к одному инженерному вопросу: наберёт ли алгоритм достаточно размеченных данных, чтобы обучиться в этих конкретных условиях. Стоит посмотреть на автостратегию как на классификатор, которому нужна минимальная обучающая выборка положительных примеров за единицу времени, — и половина мифов вокруг неё отваливается сама.

Дальше — как этот классификатор устроен под капотом (упрощённо, детали Яндекс не раскрывает), почему ему нужен объём, где вместо него честнее ручные ставки и как «удобная» цель тихо ломает всю оптимизацию. В конце — таблица по шести типовым сценариям недвижки. Если у вас поток в сотни конверсий в неделю, большая часть проблем ниже вас не касается: там автостратегии просто работают, и это нормально.

Как находить клиентов по смежным покупкам на Авито

Переезд, дача, сезон — люди уже выбирают смежные товары. Это сигналы будущей покупки: их можно ловить раньше прямого поиска и приводить клиентов дешевле.

21 июля в 11:00 мск приглашаем на бесплатный вебинар. Покажем, как работать со смежным спросом, куда вести покупателя, как попадать в момент выбора без лишних расходов

О чём ещё расскажем:

«Реклама не работает» — фраза, которую я слышу от застройщиков чаще любой другой. За ней почти всегда стоит одно: бюджет откручивается, заявки капают, а сделок мало. И первая реакция предсказуемая — добавить денег или сменить подрядчика.

Я решил разобрать эту жалобу на данных: взял 24 месяца помесячной статистики Яндекс Вордстата по Башкортостану и Уфе плюс срез по 109 активным жилым комплексам Уфы. Ниже — что реально видно в этих цифрах, три механизма, из-за которых кампания «буксует», и отдельно то, ради чего эту статью стоит дочитать аналитику: где данные Wordstat нельзя читать в лоб и как я на этом сам мог бы ошибиться.

Адресат — те, кто сам собирает семантику и настраивает кампании в нише недвижимости. Бизнес-рамку («как это влияет на ваши продажи») я убрал — она на сайте. Здесь разговор про методологию: как режется спрос, какие доли из этого можно считать, а какие нельзя.

Я маркетолог и до этого проекта не писала код. Но с помощью GPT собрала рабочую систему сбора, обработки и аналитики отзывов для ресторанной сети: 16 500 отзывов в одном контуре, более 9 500 записей в собственном хранилище, четыре XML-фида, мониторинг, автоответы и 130+ страниц документации. Все это обходится в 8,5К в месяц.

Это кейс не только про AI-assisted development, но и про вполне прикладную пользу для бизнеса: меньше ручной работы, меньше пропусков и ошибок, единая аналитика и понятная стоимость эксплуатации. А заодно – честный разбор того, где AI действительно снижает порог входа в разработку, а где без человеческого контроля быстро начинает моросить.

Почему-то в России к довольно острому вопросу о вторжении ИИ в жизнь общества отношение до сих пор довольно легкомысленное. Может недостаток цеховой солидарности или привычка к кризисам, уверенность, что это «о ком-то другом». А может несерьёзное отношение к авторским правам. 

На западе именно вопрос авторских оказался одним из первых и самых острых вопросов к ИИ. И творческий цех быстро стал объединяться в протесте против генеративного ИИ, уничтожающего и рабочие места, и смысл работы, и ценность любого произведения. То же происходит и среди их зрителей, подвергающих остракизму нейрослоп. Как в случае с Coca-Cola, заменившими нейроподелкой «реальную» рождественскую рекламу, ставшую праздничной традицией, как и созданный когда-то для её же рекламы нынешний образ Санта-Клауса.

И наоборот, всего лишь простая заставка Apple, которая казалась графикой, а оказалась реальным съёмочным роликом, вызвала фактом своей реальности вирусную волну восторга и даже заставила Apple завести отдельный запретграм-аккаунт чтобы показывать как они снимают свои реальные рекламы под общее одобрение и восторг. 

Но Coca-Cola же волна возмущения и насмешек не остановила - они упорно повторили эксперимент с тем же результатом. Почему?  
Полагаю потому, что реклама никогда не была «просто рекламой», это мощный инструмент воздействия на массы и формирования образного ряда и стереотипов мировосприятия, как бы ни посмеивались над этим обыватели. И та нейрослоп-реклама тоже была не просто роликом, а заявлением, или даже… объявлением войны человеку на его внутреннем поле - в пространстве художественных образов и эстетического мировосприятия. И не просто так это случилось именно в Рождество.

Представьте, что вам нужно обрабатывать десятки тысяч сообщений с помощью LLM: извлекать данные из текста, классифицировать объявления и получать строго структурированный JSON. При этом стоимость каждого запроса должна оставаться минимальной.

Я столкнулся именно с такой задачей и попробовал несколько подходов: от бесплатных моделей до платных API. В итоге удалось снизить стоимость одного запроса примерно до 0.006 рублей, сохранив качество обработки.

В статье расскажу, как я пришёл к этому решению и почему в итоге написал собственный API-слой поверх OpenCode Go.

Возраст, пол и интересы долгое время были основой рекламного таргетинга. Однако сегодня этих данных уже недостаточно, чтобы определить, готов ли пользователь принять решение о покупке. Все чаще рекламные платформы строят сегментацию вокруг намерений и жизненных сценариев, которые можно выявить по цепочке поведенческих сигналов.

Привет! Это Авито Реклама. В статье разбираем, почему такой подход становится новым стандартом рынка и как его используют крупнейшие рекламные платформы.

Пользователи все чаще начинают поиск товаров и услуг не в поисковых системах, а сразу на площадках с объявлениями, где можно сравнить предложения, цены и выбрать подходящий вариант. Вместе с этим меняются и подходы к рекламе: платформам становится важно понимать не только, что человек ищет, но и насколько он близок к покупке.

Один из примеров интент-подхода — Авито Реклама, которая использует данные о поведении пользователей на платформе, чтобы показывать персонализированные рекламные сообщения. В этой статье разберем, как работают интент-платформы, какие данные они анализируют и почему этот подход становится важной частью современного перформанс-маркетинга.

Медийные кампании в финансовом секторе часто решают одну и ту же задачу — повысить знание о бренде. Но рассказать о банке, который участвует в масштабных инфраструктурных проектах страны, с помощью стандартных баннеров непросто.

В этой статье команда Авито Рекламы разбирает кейс Газпромбанка, который решил показать свою роль через интерактивный спецпроект. В результате кампания охватила 25 миллионов пользователей, а исследование Brand Lift зафиксировало рост знания бренда на 15%.

В 2026 году в недвижимости бизнес-класса цикл принятия решения остается длинным: пользователи сравнивают объекты, возвращаются к уже просмотренным вариантам и редко конвертируются с первого контакта.

В кейсе разбираем продвижение ЖК «Инсайдер» от РКС Девелопмент, где использовалась связка медийных и перфоманс-инструментов внутри одной рекламной экосистемы, включая решения Авито Рекламы и инструменты продвижения объекта в категории недвижимости.

Реклама премиальных продуктов часто требует более точной настройки рекламных кампаний, чем работа с массовым сегментом. Если для товаров повседневного спроса ключевой задачей может быть максимизация охвата, то в премиальных категориях на первый план нередко выходят качество аудитории, точность попадания в потребность и эффективность каждого привлеченного лида.

Привет! Это команда Авито Рекламы. В нашем блоге мы рассказываем о рекламных технологиях и разбираем кейсы из разных индустрий. В этот раз вместе с агентством IKS by Okkam делимся опытом продвижения премиального автомобильного бренда EXEED EXLANTIX и рассказываем, какие гипотезы были протестированы в ходе кампании по привлечению заявок на тест-драйвы и бронирование автомобилей.

Медийную рекламу до сих пор часто оценивают по количеству продаж или лидов.

На мой взгляд, главная ошибка в том, что, в отличие от performance-каналов, её задача не привести к покупке сразу после клика, а сформировать знание о компании, повысить доверие к бренду и подготовить пользователя к будущему выбору.

Поэтому после запуска медийной кампании руководитель нередко делает вывод: «Лидов больше не стало, значит, реклама не работает».

За последние проекты я пришел к модели, в которой оцениваю медийную рекламу не по одному KPI, а по системе сигналов. Именно их совокупность позволяет понять, начинает ли медийное продвижение влиять на продажи.

5 показателей оценки влияния медийного продвижения на продажи:

Пользователи ежедневно сталкиваются с сотнями рекламных сообщений. В этих условиях у брендов есть буквально несколько секунд, чтобы заинтересовать человека, прежде чем он закроет баннер, пролистает пост или переключится на другую задачу.

Современные рекламные кампании все чаще используют подходы, которые раньше ассоциировались с игровым дизайном, продуктовой разработкой и поведенческой психологией. Бренды создают интерактивные механики, используют необычных персонажей, вовлекают пользователей в диалог и превращают рекламный контакт в небольшой пользовательский опыт.

В Авито Рекламе регулярно запускают кампании с использованием различных механик вовлечения аудитории. Мы решили посмотреть шире и разобрать несколько кейсов, чтобы понять, какие подходы действительно помогают преодолевать баннерную слепоту и удерживать внимание пользователей.

Перестанут ли пользоваться поисковиками, какие появятся модели монетизации и что ждет веб мастеров в ближайшие годы

Мы задались вопросом: насколько стабильны ответы нейросетей? Чтобы ответить, собрали по 100 генераций от 5 моделей на один и тот же промпт и сравнили их через косинусное расстояние векторов TF‑IDF. Оказалось, что стабильность сильно зависит от модели: у некоторых разброс близости ответов заметно выше. Подробности, графики и полная методология — в статье.

Вчера было много новостей про GTA VI. Пожалуй, это самая ожидаемая игра года (если не десятилетия). Для многих Vice City, с его автомобилями — это город детства.

Пока все обсуждают стоимость игры, отсутствие физического наличия диска, я, как обычно, смотрю на правовую состаляющую.

В GTA нет настоящих автомобильных брендов, но машины выглядят до боли знакомо. Этот факт известен каждому.

Это не творческое видение разработчиков. Это юридическая стратегия, которую Rockstar отрабатывает уже несколько десятилетий. А Ferrari однажды решила её проверить на прочность и судилась несколько лет. В результате проиграла.

Разберём, почему так вышло.

Если посмотреть на современные рекламные спецпроекты, многие из них начинают напоминать игры. Пользователям предлагают проходить задания, собирать награды, соревноваться друг с другом или исследовать виртуальные пространства. Это не случайность.

Игровая индустрия десятилетиями оттачивала механики, которые помогают удерживать внимание человека. Сегодня эти же приемы используют банки, маркетплейсы и технологические компании. В том числе и бренды, которые запускают кампании через Авито Рекламу. Разбираемся, какие идеи пришли в рекламу из игр и какие задачи они помогают решать.

Сегодня хочу поделиться интересным кейсом для тех, кто работает с интернет-рекламой: что делать, если по действующему договору меняется одна из сторон и как запускать новые рекламные кампании после таких изменений?

Разберу ситуацию на конкретном примере и покажу, как в этом случае корректно передавать данные по новым рекламным кампаниям.