Дарья Дейн | Worldwide ads

Земля Прайда

Немного запоздала с отчётом о поездке, но очень хочется поделиться, чтобы как можно больше людей узнало и посетило это место.

Парк очень классный. Круто посещать в том числе с детьми.

🟡Животные очень хорошо содержатся, у них большие территории, выглядят сытыми, здоровыми и счастливыми. В противовес очень многим зоопаркам.

🟡Животных много, мне кажется всех и не перечислить) Там есть львы, леопарды, рыси, пумы, лоси, медведи разных видов, скунсы, верблюды и многие другие.

🟡Животных можно кормить, из-за чего голодными они явно не выглядят. Активность интересная. Львы, например, едят только лёжа))

🟡Животные активные, играют друг с другом, бегают-прыгают и т.п. Наблюдать очень интересно.
_________________________________________________________

Омрачает все это только одно – как эти животные туда попали. Все животные являются спасёнными, в основном от людской жестокости.

Например, там я узнала, что львы – это статусный подарок среди богатых людей. И дарить таких животных на различные праздники совсем не редкость.

Что происходит с дикими животными, которых пытаются сделать домашними, читать страшно (истории находятся у вольеров). Хорошо, что эти несчастные звери, ставшие жертвами людей, нашли свой дом в таком месте. И что много неравнодушных, кто участвовал в их спасении.

Парк содержится на средства, вырученные от продажи билетов. Открыл это всё человек с огромным сердцем 💛

Очень советую посетить! Несмотря на душещипательные истории, в парке весело и приятно. Огромный респект этому месту!

P.S. Пожалуйста, не фотографируйтесь в туристических местах с животными. Не посещайте контактные зоопарки и цирки с дикими животными. В этих местах происходит жестокая эксплуатация живых существ!

📄 Как алгоритмы научились собирать рекламные кампании

Получив от рекламодателя бизнес-цель, система уже могла определить, какие клики с большей вероятностью приведут к нужному результату. Но сама рекламная кампания по-прежнему оставалась в руках человека: подбор площадок, аудиторий, товаров, подготовка текстов объявлений, сбор и кластеризация семантики, построение структуры кампании. Настройка оставалась технически сложной и была прерогативой специалистов.

Это сдерживало огромный пласт небольших рекламодателей, которые не могли позволить себе нанять квалифицированного специалиста. А самостоятельно разбираться со ставками, таргетингами и десятками настроек рекламного кабинета не хотели. Поэтому рекламные системы закономерно начали двигаться в сторону упрощения запуска.

🚀 Первую серьёзную попытку убрать этот барьер Google сделал в 2011 году, запустив AdWords Express.

Инструмент предназначался для небольших локальных компаний, которые раньше не работали с контекстной рекламой. Владелец бизнеса указывал основную информацию о компании, писал объявление и задавал бюджет. Дальше система сама определяла, по каким запросам показывать рекламу, и автоматически управляла кампанией. Весь запуск занимал всего несколько минут.

⚫️В 2015 году Google пошёл дальше и запустил Universal App Campaigns. Та же логика заработала для продвижения мобильных приложений. Постепенно этот принцип распространился и на другие типы рекламных кампаний.

⚫️В 2021 году Яндекс запустил Мастер кампаний, который официально позиционировался как простой инструмент запуска рекламы для малого бизнеса.

Рекламодателю было достаточно указать ссылку на сайт, после чего система сама предлагала настройки, ключевые фразы, тексты объявлений и изображения.

⚫️В том же году Google сделал Performance Max доступной всем рекламодателям. PMax решала уже более широкую задачу: объединяла Поиск, КМС, YouTube, Discover, Gmail и Карты, позволяя алгоритму самостоятельно распределять бюджет между площадками для достижения лучшего результата.

При этом классические типы рекламных кампаний никуда не исчезли и зачастую оставались эффективнее новых упрощённых форматов.

Но у рекламодателей впервые появился исторический выбор: самостоятельно управлять всеми настройками или передать значительную часть работы алгоритмам.

📊 Как Яндекс научился узнавать пользовательские интересы

К 2011 году РСЯ уже знала, какие страницы открывает человек и что он недавно искал. Но интересов у одного пользователя могло быть много.

Одни сохранялись годами: профессия, увлечения, привычки.
Другие появлялись на несколько дней: выбор подарка, подготовка к отпуску или поиск новой стиральной машины.

Системе нужно было определить, какой интерес важен именно сейчас и какое объявление с большей вероятностью получит клик.

🧠 Для решения этой задачи Яндекс начал использовать две технологии: Матрикснет и Крипту.

Матрикснет прогнозировал вероятность клика. Эта технология машинного обучения сопоставляла содержание страницы, свойства объявления, интересы пользователя и результаты прошлых показов. Затем система сравнивала этот прогноз с ценой, которую предлагал рекламодатель, и выбирала наиболее выгодный вариант.

В результате два человека, читавшие одну и ту же страницу, могли увидеть разные объявления. Содержание страницы оставалось одним из условий показа, но уже не определяло его целиком.

Крипта анализировала рисунок поведения: какие запросы человек вводил, какие сайты посещал, когда выходил в интернет и к каким темам регулярно возвращался.

Сначала система изучала поведение людей, о которых уже было известно, что они относятся к определённой группе. Затем находила пользователей с похожими привычками и рассчитывала вероятность того, что они принадлежат к той же аудитории.

Если пользователь регулярно читал профессиональные материалы о рекламе, система могла отнести его к маркетологам. Если искал детские товары и пользовался сервисами для родителей — предположить, что у него есть ребёнок.

При этом Крипта учитывала, что интересы меняются. Увлечение спортом могло оставаться с человеком годами, а поиск отеля — закончиться сразу после поездки.

Со временем сведения Крипты стали одним из сигналов, которые Матрикснет использовал при отборе объявлений.

В 2013 году к предполагаемым интересам добавился ретаргетинг. Он использовал уже не прогноз, а известное действие, зафиксированное Метрикой.

Ретаргетинг знал, что человек заходил на сайт рекламодателя, смотрел конкретный тур, но ничего не купил. Так реклама начала учитывать не только общие интересы пользователя, но и его историю взаимодействия с конкретным бизнесом.

🎯 В 2019 году Директ выделил бесфразные алгоритмы РСЯ, которые работали уже много лет, в отдельную настройку автотаргетинга и сделал их работу видимой для рекламодателя.

Ключевая фраза перестала быть обязательным условием показа. РСЯ смогла сама определять, кому подходит объявление.

🌐 Появление РСЯ: как алгоритм научился показывать рекламу без запроса

Первая часть истории развития алгоритмов была посвящена рекламе на поиске. Ведь развитие систем контекстной рекламы строилось именно на этом: человек сам писал, что ему нужно.

Запрос «купить холодильник» не оставлял большого простора для фантазии. Системе оставалось выбрать подходящие объявления, расставить их по местам и решить, сколько списать за клик.

Из-за ограниченного количества рекламных мест за них годами шли настоящие войны. Рекламодатели повышали ставки, поисковики меняли правила аукциона. Но все эти изменения решали одну и ту же задачу: как распределить ограниченное количество поисковых показов между рекламодателями так, чтобы пользователи чаще кликали, а площадка больше зарабатывала.

🌍 Но интернет не заканчивался поиском.

Огромное количество людей читали новости, выбирали товары на сайтах, общались на форумах и изучали интересующие их темы, не вводя в этот момент никакого запроса.

Для рекламных систем это была огромная аудитория, которая оставалась за пределами поискового аукциона. И огромные деньги. Логично было научиться определять интерес этой аудитории без поискового запроса.

В 2003 году Google начал размещать контекстные объявления на сайтах партнёров, а спустя два года этот рынок появился и в России.

22 декабря 2005 года Яндекс открыл Рекламную сеть. Первыми участниками РСЯ стали AdMe.ru, Travel.ru и 3DNews.ru. На их страницах появились небольшие текстовые объявления Директа.

Но перенести объявления оказалось проще, чем перенести механику их отбора.

На поиске интерес человека был заключён в запросе. В РСЯ вместо запроса сначала попытались использовать содержание страницы. Так слово «контекстная» получило новый смысл.

На поиске контекстом был запрос. В рекламной сети — содержание страницы.

Но простого совпадения слов было недостаточно. В описании туристического отеля могли встретиться слова «холодильник» и «телевизор», а в статье о бытовой технике — название страны-производителя. Содержание страницы рассказывало, на что смотрит человек, но не обязательно объясняло, чего он хочет.

В 2007 году Яндекс начал тестировать поведенческий таргетинг, а в 2008-м технология стала частью РСЯ. Теперь система учитывала не только текущую страницу, но и прежние действия пользователя, в том числе историю поиска.

Контекстом постепенно становился уже не текст, а сам человек.

Для этого понадобились те самые массивы данных, о которых мы говорили в прошлом посте. Миллионы запросов, показов и кликов формировали историю поведения. Теперь эти данные нужно было сопоставлять с содержанием страницы, свойствами объявления и реакцией других пользователей.

Так РСЯ научилась подбирать рекламу не только по тому, что человек читает сейчас, но и по тому, чем он интересовался раньше.

Но чем больше становилось таких сигналов, тем сложнее было заранее определить, какие из них действительно влияют на результат. Системе нужно было находить закономерности в накопленных данных.

➡️ О том, как РСЯ перешла от истории поведения к модели самого пользователя, — в следующем посте.

Итоги конкурса

🎉 Выбраны победители:

1) Ангелина @linoch2015

2) Ekaterina Smagina @ekaterinasmagina1

Поздравляю!

📚 Курс «НейроДирект» завершён и я передаю слово участникам

8 недель, 8 модулей и большой путь: от грамотной постановки задач нейросетям до собственных ИИ-инструментов, автоматизации отчётности и работы с Яндекс Директом через API.

Когда я собирала программу, мне было важно выйти за рамки генерации текстов и объявлений. Поэтому на курсе мы прошли весь цикл работы директолога:

⚫️научились собирать контекст проекта, чтобы ИИ понимал бизнес, продукт и задачи клиента;
⚫️исследовали нишу, целевую аудиторию и конкурентов, считали юнит-экономику и медиапланы;
⚫️работали с офферами, посадочными страницами и креативами;
⚫️создавали собственные GPT-инструменты с инструкциями и базами знаний;
⚫️анализировали поисковые запросы, площадки РСЯ, срезы и данные сквозной аналитики;
⚫️подключались к Яндекс Директу через API, автоматизировали отчёты и собирали собственные рабочие системы;
⚫️разбирались с товарными фидами и учились вайбкодить лендинги с помощью ИИ.

Мне хотелось, чтобы после курса нейросеть стала понятным регулярно используемым рабочим инструментом. Чтобы участники знали, какую задачу ей поручить, какие данные передать и как использовать полученный результат в реальном проекте.

Спасибо каждому, кто прошёл этот путь вместе со мной: за доверие, вопросы, обратную связь и готовность пробовать новое💜

А отзыв о курсе можно оставить под этим постом 👇

🎟 Этой осенью я дважды еду в Питер выступать на конференциях.

И хочу взять с собой двух подписчиков!

3–4 октября пройдёт «Стачка», где я буду рассказывать, как встроить нейросети в работу с Директом: научить ИИ понимать проект, анализировать рекламный кабинет и выполнять за минуты задачи, на которые раньше уходили часы.

24–25 октября состоится «Суровый Питерский форум». Там у меня доклад об автоматизации: как SKILL.md экономит директологу от 4 часов на каждом новом проекте.

Я разыгрываю два гостевых приглашения, по одному на каждую конференцию. Победителей также будет двое.

Для участия в розыгрыше нужно:
1) Быть подписанным на мой канал
2) Нажать кнопку «Участвовать» под этим постом.

Успеть нужно до 3 сентября в 19:00 по Москве. Победителей случайным образом выберет бот, который также проверит подписку на канал.

Важно: Билет нельзя обменять на деньги или передать другому человеку. Проезд до Питера и проживание оплачиваются победителем самостоятельно. Если победитель не ответит в течение 48 часов, бот выберет другого участника.

Всем удачи и до встречи на конференциях!

P.S. Если вы хотите гарантированно попасть на конференцию – можете прийти ко мне в личку за промокодом.

🫸 Первый «бунт машин»

В прошлом посте мы уже возвращались в 2002 год. Тогда Google добавил к ставке CTR, и мы говорили о том, как релевантность стала частью экономики аукциона.

Но у этой формулы было ещё одно, гораздо менее заметное последствие. Впервые рекламная система начала принимать экономические решения на основании поведения миллионов людей. Каждый клик теперь не только приносил Google деньги, но и становился данными для следующих аукционов.

Чтобы сделать такой переход, одной новой формулы было мало. В начале нулевых менялся сам интернет. Каждый запрос, показ и клик оставлял запись. То, что раньше исчезало вместе с закрытым окном браузера, постепенно превращалось в историю поведения пользователей.

👣 Одновременно, благодаря развитию технологий, стало возможным хранить и обрабатывать огромные массивы данных за счёт их распределения между тысячами связанных компьютеров. Так накопленная статистика стала материалом для машинного обучения.

Системе давали данные о множестве прошлых показов вместе с результатом: кликнул человек или прошёл мимо. Она находила сочетания признаков, которые чаще приводили к клику, и по ним оценивала вероятность следующего.

В 2005 году появился Quality Score. Система использовала накопленную статистику, релевантность объявления и другие факторы, чтобы оценить будущую кликабельность.

Но прогнозировать клик было недостаточно. CTR показывал, какое объявление лучше привлечет внимание, но внимание не гарантировало деньги бизнесу.
_______________________________________________________

🤬 К этому моменту у рекламного клика уже появилась «биография». AdWords умел отслеживать конверсии с 2001 года, а в 2005-м Google сделал Analytics бесплатным. Теперь рекламодатель мог связать запрос, объявление и результат: человек кликнул, купил, оставил заявку или ушёл.

Оставалось дать прогнозу право распоряжаться деньгами.

24 сентября 2007 года Google запустил Conversion Optimizer.
Рекламодатель задавал максимальную стоимость конверсии, а система анализировала историю кампании, прогнозировала вероятность результата и сама рассчитывала CPC-ставку для каждого аукциона. За перспективный клик она могла предложить больше, за менее перспективный — меньше.

Это принципиально отличалось от биддера. Биддер быстрее человека выполнял заданное им правило и двигал ставку вслед за изменениями аукциона. Conversion Optimizer сначала пытался предсказать результат, а уже потом решал, сколько поставить.

Но к первому «бунту машин» допускали не всех.
Чтобы подключить инструмент, кампания должна была накопить не менее 300 конверсий за последние 30 дней. Для большинства рекламодателей это была недостижимая цифра. Машина уже умела принимать решения, но оставалась очень голодной до данных.

Так начался переход к машинному управлению: клик превратился в данные, данные — в прогноз, а прогноз — в ставку.

💡 VCG: более совершенный аукцион, победивший подпорки

В прошлом посте мы остановились на 2002 году. Google добавил к ставке CTR, и ставка перестала в одиночку решать, какое объявление окажется наверху.

Почти сразу внутри Google появилась идея перестроить и сам расчёт цены по схеме VCG-аукциона.

VCG улучшал идею знакомого нам аукциона второй цены (GSP). В GSP стоимость клика задавал участник прямо под вами. Он мог поднять ставку, остаться на своём месте и сделать все ваши клики дороже. VCG же считал цену через трафик.

Система отдельно оценивала базовый объём кликов, который получали все объявления в блоке, и прибавку от каждой более высокой позиции. Рекламодатель доплачивал только за дополнительные клики, по ставке конкурента, которого пришлось обойти ради этой прибавки. Предыдущий объём трафика при этом не дорожал. Подпорки фактически теряли смысл.

💄 Летом 2002 года Google всерьёз рассматривал перевод поискового аукциона на VCG. Но AdWords рос так быстро, что инженеры едва успевали поддерживать уже запущенную систему. Новый аукцион было сложнее объяснить рекламодателям, а для перехода им пришлось бы указывать ставки выше привычного уровня. Google решил не трогать стремительно растущий продукт.

В конце 2012 года Google всё-таки внедрил близкую к VCG механику для объявлений, которые подбирались по содержанию страниц. Но это была лишь небольшая часть КМС. Поисковый аукцион по-прежнему работал на GSP.

К 2015 году вокруг борьбы за позиции уже вырос целый рынок. Специалисты следили за входом в спецразмещение, биддеры круглосуточно удерживали нужную ставку, а подпорки помогали разогревать цену конкурента.

1 сентября 2015 года Яндекс сделал то, на что Google не решился: перевёл поисковый аукцион Директа на VCG.

Место объявления по-прежнему зависело от ставки, прогнозируемого CTR и качества. Но цена теперь росла вместе с объёмом трафика. Более высокая позиция стала дороже, однако рекламодатель доплачивал именно за те клики, которые она добавляла.

Сегодня Директ по-прежнему рассчитывает списываемую цену по модели VCG на поиске Яндекса и поисковых площадках РСЯ.
__________________________________________
На этом мы закончим историю ручной борьбы за позиции.

🫣 Но параллельно с развитием аукционов происходила другая, гораздо более масштабная революция.

Интернет накапливал всё больше данных о поведении людей, вычислительные мощности росли, а алгоритмы учились не только считать уже случившиеся клики, но и предсказывать следующие.

В следующем посте мы посмотрим на то, как данные превратились в прогноз, а прогноз впервые позволил рекламной системе самой назначить ставку.

Подводим итоги конкурса

Друзья, для начала хочу от души поблагодарить вас за поздравления! Очень приятно в этот день получить столько добрых слов. Для меня это важно.

Что касается загадки, я, похоже, немного не докрутила подсказки) В следующий раз постараюсь лучше.

А сейчас разгадка такая: по знаку зодиака я Лев, но родись я в другом месяце – знак был бы другой. А максимально релевантное метафорическом льву место – это парк настоящих львов.

В этом году я еду в Подмосковный парк, где живут спасённые животные – Земля Прайда.

Таким образом, у нас есть два победителя с вариантами ответа «сафари-парк», что отражает суть места.

@Norka14 @alex300388 – поздравляю, вы выиграли! Я свяжусь с вами в личке для получения призов.

Всем остальным спасибо за участие и ещё раз спасибо за поздравления!

P.S. Не расстраивайтесь, совсем скоро у вас появится ещё одна возможность выиграть кое-что интересное)

День Рождения у меня, подарки — вам

Сегодня у меня день рождения, а значит, пора проводить традиционный розыгрыш для подписчиков. Каждый год я предлагаю вам угадать, где буду отмечать день рождения, и дарю небольшие подарки тем, кто первым находит правильный ответ.

В этот раз я проведу день на свежем воздухе 🌳 А вот остальное придётся вычислить.

🔻
Представим, что выбор места — это ещё один рекламный аукцион. Вместо объявлений в нём участвуют разные варианты мест празднования. А выигрывает самый релевантный сегодняшней дате вариант. Родись я в другом месяце, релевантность была бы потеряна. Вот такой вот ребус)
🔺

Точное название места не нужно — достаточно понять, что это за место.

Пишите свои версии в комментариях. Три первых человека, которые дадут правильный ответ, получат брендированные наборы (на фото).

Редактировать комментарии нельзя 🙃

Что ни день — новый ИИ-сервис

Сервисы наперебой предлагают аудит кампаний, поиск ошибок, генерацию объявлений, оптимизацию ставок и почти полностью автоматическое ведение Директа. Среди них наверняка есть полезные продукты. Но, на мой взгляд, большая часть рынку просто не нужна.

Вайбкодинг резко снизил порог входа в разработку. Директолог, который хорошо понимает свою работу, может открыть Codex, описать нужную логику обычными словами и за пару дней собрать похожий инструмент под себя. Уметь программировать для этого уже необязательно.

Но почти никто этого делать не будет.

Проще купить «классный сервис», чем потратить два вечера на собственный. Поэтому даже продукт, который дублирует уже доступную возможность или добавляет к ней небольшую надстройку, может годами продаваться и расти.

Достаточно хорошо его упаковать и убедить клиентов, что без него они теряют деньги. А в случае с ИИ сейчас это особенно просто: FOMO в самом разгаре.

И нет, это не значит, что тренд с ИИ можно пропустить. ИИ — уже не очередная новинка, а инструмент, которым скоро будет пользоваться весь рынок. Но это не делает автоматически полезным каждый сервис, к которому добавили буквы AI.

Поэтому сейчас важно не просто «внедрять ИИ», а понимать, за что именно вы платите: за реальную экономию времени и новый результат или за красиво упакованную функцию, которая и так была вам доступна. И вообще, за что стоит платить и что стоит научиться делать самостоятельно.