КОГДА ИИ ПИШЕТ РЕКЛАМУ ДЛЯ ВСЕХ, КАК ПОНЯТЬ, ЧТО ДЕЙСТВИТЕЛЬНО РАБОТАЕТ?

На протяжении большей части истории рекламы креативное производство было узким местом. Разработка концепции, съемка, монтаж и утверждение одной кампании могли занимать недели или месяцы, и преимущество имели бренды с самыми глубокими карманами и крупнейшими агентствами. Эта эпоха завершилась. Узкое место устранено настолько полностью, что само понятие «производственные мощности» как конкурентное преимущество стало почти анахронизмом.

Представьте масштаб, которого сейчас можно достичь на вершине рынка. Unilever создала сеть из 300 000 авторов, и 71% этих авторов используют ИИ-инструменты, чтобы быстро создавать контент и одновременно распространять его на десятках платформ и в сотнях рынков. Это уже не рекламная кампания. Это промышленный двигатель контента, работающий с такой скоростью, о которой пять лет назад невозможно было и мечтать. И Unilever — не исключение; это просто самый заметный пример сдвига, происходящего повсеместно.

На противоположном конце спектра три человека, управляющие брендом DTC, теперь могут в миниатюре сделать нечто весьма похожее. Фотографии продуктов, для получения которых раньше требовались студийные съёмки стоимостью в тысячи долларов, теперь можно создавать за несколько центов, а ИИ пишет около 90% рекламных текстов для команд, внедривших такие рабочие процессы. Ведущие рекламодатели внедряют так называемые непрерывные циклы оптимизации креативов, в рамках которых ИИ анализирует показатели вовлечённости и автоматически изменяет сообщения для повышения эффективности, тестируя и адаптируя сотни вариантов за то время, которое раньше уходило на получение обратной связи от заинтересованных сторон всего по одному варианту.

Результатом является парадокс, с которым индустрия еще не полностью справилась. Годами мы приветствовали демократизацию творческого производства — и совершенно справедливо. Снижение барьеров для входа означало, что большее количество брендов могло конкурировать, больше идей можно было проверить, и можно было обслуживать больше рынков. Но мы прошли мимо вторичного вопроса: что происходит, когда возможности по производству одновременно возрастают почти до бесконечности у всех?

Происходит насыщение. Каждая лента, каждый почтовый ящик, каждый слот прерола заполняются генерируемым ИИ материалом, разработанным для эффективной работы. Огромный объем творческих материалов, затопляющих цифровые каналы, не просто повышает уровень шума; он принципиально меняет характер конкуренции. «Создавать больше рекламы быстрее» был выигрышной стратегией, когда большинство брендов не могли этого делать. Теперь, когда практически любой бренд может создать сотни вариаций за одно только пополудне, скорость и объем сведены к базовым условиям участия.

Это слепое пятно индустрии. Ожидается, что американские компании потратят в этом году 57 миллиардов долларов на рекламу, основанную на ИИ, что составляет около 12% от общих расходов на рекламу, и большая часть этих инвестиций по-прежнему ориентирована на создание большего количества контента и в более быстрые сроки. Но, как отметил один из специалистов в беседе с Social Media Examiner, тестирование 100 или 200 рекламных материалов в неделю зачастую не даёт результата, поскольку команды в итоге массово создают одинаково посредственные объявления. ИИ усиливает то, что вы в него вкладываете. Если базовая концепция не выделяется, вы просто автоматизировали посредственность в больших объёмах.

Проблема производства решена. И именно поэтому производство больше не является проблемой, достойной решения. Теперь важный вопрос, который лишь начинают задавать большинство брендов: как определить, что действительно работает, когда все создают креативы с одинаковой непрекращающейся скоростью.

Таким образом, производство больше не является узким местом. Но вот что почти никто в отрасли не хочет открыто признавать: инфраструктура измерений, которая должна была показывать, что работает, изначально не была рассчитана на такой объем, и теперь она не выдерживает нагрузки.

Традиционная методология тестирования креативов изящно проста. Вы создаёте небольшой набор вариантов, тестируете их на определённых аудиториях, собираете достаточно данных для достижения статистической значимости и используете полученные выводы для следующего цикла. Этот цикл работает, когда вы тестируете пять, десять или даже пятьдесят креативов за раз. Он полностью ломается, когда ИИ позволяет генерировать сотни вариантов в неделю, поскольку вы больше не сравниваете принципиально разные идеи — вы сравниваете шум с шумом.

Проблема заключается в том, что Search Engine Journal называет проблемой соотношения сигнала и шума, которая обостряется при создании контента в таких масштабах. Подход Unilever к генерации контента с помощью ИИ идеально иллюстрирует это напряжение: одна и та же технология, которая обеспечивает беспрецедентный объём креативов, одновременно затрудняет получение надёжных выводов по результатам отдельного актива. Когда каждый вариант представляет собой незначительную модификацию одной и той же базовой идеи — другой заголовок, слегка изменённая палитра цветов, сдвинутый призыв к действию — разница в их эффективности сокращается до такой степени, что становится неотличимой от алгоритмической случайности. Вы не узнаёте, что находит отклик у вашей аудитории. Вы узнаёте, что попало в удачное временное окно показа.

Ник Шекелфорд, известный маркетолог, специализирующийся на эффективности рекламы, опровергает предположение о том, что увеличение количества креативов автоматически приводит к лучшим результатам. Его наблюдение категорично: тестирование от 100 до 200 креативов в неделю зачастую не даёт практических выводов, поскольку рекламодатели в итоге массово производят один и тот же средненький по качеству ролик. Вариации не являются по-настоящему разнообразными. Это косметические изменения, вводящие команды в заблуждение, заставляя думать, что они проводят строгие эксперименты, хотя на самом деле просто подают алгоритму всё тот же материал в немного ином оформлении.

Это создает проблему усиления эффекта. Когда платформы, такие как Meta, и инструменты для покупки с использованием ИИ от Google обрабатывают сотни схожих креативов, они оптимизируют микро-сигналы — незначительный рост CTR здесь, небольшое улучшение показателя удержания там, — что может отражать особенности показов, а не реальные предпочтения аудитории. Как сообщил MarTech, ведущие рекламодатели внедряют непрерывные циклы оптимизации креативов, при которых ИИ анализирует сигналы вовлеченности и автоматически меняет рекламные сообщения для повышения эффективности. Но когда входные данные представляют собой всего лишь вариации одной темы, а не принципиально разные креативные гипотезы, эти циклы оптимизации приводят лишь к локальному максимуму, который может не иметь никакого отношения к прорывным результатам.

Кризис измерений затрагивает более глубокие аспекты, чем понимают большинство маркетологов. Показатели на уровне отдельной рекламы — стоимость привлечения клиента, окупаемость расходов на рекламу, частота кликов — становятся менее надёжными как основа для принятия решений, когда сроки тестирования сокращаются для увеличения объёмов, когда объём выборки по каждой версии распределяется между сотнями активов и когда различия в креативах слишком незначительны, чтобы аудитория могла их осознанно воспринять. В результате вы получаете панели с кучей данных и почти отсутствием реальной информации.

Неприятная правда в том, что ИИ не просто вызвал избыток контента. Он незаметно сделал неработоспособным механизм обратной связи, от которого зависят большинство рекламных команд — тестирование креативов — на том масштабе, который сам же и обеспечивает. И если вы не можете доверять своим измерениям, то неважно, сколько рекламных объявлений вы можете создать.

Под кризисом измерений скрывается более глубокая проблема, которую никакое улучшение аналитики не может решить само по себе: сами рекламные объявления начинают выглядеть, звучать и ощущаться одинаково. Когда каждый бренд в категории использует одни и те же генеративные инструменты ИИ, обученные на одних и тех же данных и оптимизированные под одни и те же сигналы вовлеченности, результаты сходятся к узнаваемому среднему значению. И аудитория это замечает.

Цифры впечатляют. Исследование MarTech показывает, что 70% потребителей говорят, что могут распознать рекламу, созданную ИИ, потому что ей «не хватает души» — суровая формулировка, которая должна обеспокоить любого креативного директора, передавшего генерацию идей промпту. То же исследование показало, что 69% потребителей боятся будущего, где царит «каша, созданная ИИ», и, возможно, самое важное, 74% говорят, что с большей вероятностью купят товары по рекламе, которую считают созданной людьми. Это не маргинальное мнение технофобов. Это общее отношение потребителей к потоку контента, который ощущается как алгоритмически созданный, потому что он таковым и является.

Проблема креативной конвергенции усугубляется. Модели ИИ обучаются на уже существующем высококачественном контенте, поэтому естественным образом воспроизводят шаблоны, которыми рынок уже перенасыщен. В результате получается масса отполированных, но взаимозаменяемых материалов — одни и те же тёплые цветовые палитры, одни и те же вдохновляющие ритмы текстов, одна и та же безупречная эстетика стоковых фотографий. Как сообщили эксперты по маркетингу B2B на сайте TopRank Blog, аудитория ещё до появления генеративного ИИ начала уставать от кликбейта и очевидной рекламы; теперь же, с ростом использования ИИ, «аутентичность становится всё более важной» и «люди начинают стремиться к подлинности, уязвимости, человечности и прозрачности в том контенте, который они потребляют».

То, что прорывается сквозь эту однообразность, — это не увеличение громкости, а по-настоящему неожиданные человеческие идеи, которые ни одна модель не создала бы самостоятельно. Лиза Марсайз, глобальный руководитель отдела социальных медиа в Cohesity, ярко описала это на блоге TopRank, рассказав, как её команда устроила над Лас-Вегасом выступление дронов, настолько убедительное, что люди приняли его за настоящее, а также вставила козу, падающую в обморок, в видео о вымогательстве, потому что, как она отметила, «иногда небольшой хаос доносит серьёзное сообщение лучше, чем ещё один корпоративный ролик». Ни одна из этих идей не была создана ИИ. Их разработала креативная команда, глубоко понимающая свою аудиторию. «Контент, который люди действительно запоминают, вызывает у них чувства, — сказала Марсайз. — Он удивляет их. Заставляет смеяться. Вызывает дискомфорт. Даёт ощущение, что их поняли. Для этого нам по-прежнему нужны люди».

Это понимание перекликается с тем, что независимо обнаруживают специалисты в области платной рекламы. Как сообщал Social Media Examiner, рекламодатели, которые тестируют меньше объявлений, но с настоящим креативным замыслом, стабильно выигрывают у тех, кто в масштабах создаёт сотни вариантов, потому что массовое производство «внешне посредственных объявлений» даёт лишь дорогостоящий шум.

Но вот довод, который редко приводят: это сходство — это не просто проблема брендинга, это проблема интеллекта. Когда большинство реклам в категории визуально и стилистически взаимозаменяемы, изучение всего одной рекламы практически ничего не даёт. Вы не сможете расшифровать стратегию конкурента, анализируя креатив, который выглядит так же, как ваш и как у всех остальных. Полезные выводы больше не находятся на уровне «что говорит эта реклама?». Они переходят к гораздо более сложному вопросу: среди сотен похожих реклам, какие тонкие закономерности — в последовательности, размещении, реакции аудитории с течением времени — связаны с успехом на рынке? Этот вопрос требует аналитической основы, которой у большинства команд пока нет, и он полностью меняет природу конкурентной разведки.

Годами выигрывали те бренды, которые могли быстрее всего производить наиболее отполированные материалы — те, у кого были самые крупные студии, самые сильные агентства, самые эффективные производственные цепочки. ИИ фактически нивелировал это преимущество. Когда каждый конкурент может создать сотни вариантов рекламы за один день, скорость производства больше не является фактором превосходства. Это уже минимальное требование. Конкурентное преимущество переместилось в менее очевидное, но гораздо более ценное направление: способность анализировать рынок и распознавать, какие креативные подходы на самом деле оказываются эффективными при взаимодействии с реальной аудиторией в масштабах.

Этот сдвиг уже заметен в том, как индустрия говорит о роли ИИ. Как отмечал MarTech, конкурентное преимущество появляется не в том, используют ли организации ИИ, а в том, как они его используют — в стратегическом уровне поверх производственных возможностей. Вывод очевиден: создание креативов теперь стало обычной работой. Дефицитом является интерпретация. Это понимание того, почему определённые хуки продолжают появляться в самых успешных кампаниях, почему определённые форматы масштабируются в одной сети, но проваливаются в другой, и почему определённый подход позволяет вкладывать средства в течение месяцев, в то время как визуально похожие вариации оказываются неэффективными уже через несколько дней.

Инфраструктура, способная поддерживать этот вид интеллекта, начинает появляться, хотя пока в основном ориентирована на внутренние потребности. Партнёрство между DAIVID и ADIN.AI представляет собой одну из самых амбициозных попыток — интеграцию моделей эффективности креативов, которые прогнозируют результативность до запуска, анализируя закономерности в миллионах человеческих эмоциональных реакций, а затем связывают эти прогнозы с реальными результатами в медиа. По словам генерального директора DAIVID Иэна Форрестера, креативы слишком долгое время «оценивались изолированно, без связи с результатами в медиа». Их система направлена на устранение этого разрыва, позволяя масштабировать оценку креативов и выявлять сигналы на фоне шума в реальном времени.

Но здесь кроется ограничение: даже самая сложная прогнозная модель по-прежнему смотрит внутрь. Она показывает, как, скорее всего, будут работать ваши рекламные объявления на основе ваших исторических данных и общих моделей эмоциональной реакции. Но она не может показать, что работает на всём конкурентном рынке — какие подходы масштабируют ваши конкуренты, какие зацепки обновляются из недели в неделю, какие форматы обеспечивают постоянное финансирование от множества рекламодателей в вашей категории.

Именно здесь внешнее распознавание закономерностей становится решающим преимуществом. В насыщенной среде искусственного интеллекта, где каждый бренд выпускает большое количество креативов, рынок сам превращается в самую надёжную тестовую площадку. Реклама, которую конкурент продолжает показывать шесть недель, восемь недель, двенадцать недель — это нечто такое, что не воспроизведёт ни один внутренний A/B-тест: подлинная рыночная проверка, подтверждённая устойчивым распределением бюджета. Эта продолжительность является сигналом. Реклама, появившаяся однажды и исчезнувшая — это шум. Способность систематически различать то и другое — отслеживать, какие креативы обладают прочностью, какие подходы в подаче сообщений неоднократно встречаются у крупнейших рекламодателей и какие визуальные форматы масштабируются в сетях — создаёт информационную асимметрию, которая со временем нарастает.

Рекламодатель, который может отслеживать эти внешние закономерности, реагирует не только на собственные данные эффективности; он считывает коллективный интеллект расходов всех конкурентов. Он может выявлять новые творческие тренды до их насыщения, замечать подходы, доказавшие свою эффективность в удержании вовлечённости аудитории у множества брендов, и избегать вложений в стратегии, которые рынок уже отверг. Никакое ускорение создания контента с помощью ИИ не может заменить такого распознавания закономерностей на уровне рынка. Производство даёт вам возможность действовать. А распознавание закономерностей указывает, на что стоит направить действия.

Если скорость производства нивелирована, а распознавание закономерностей становится новым преимуществом, возникает практический вопрос: откуда берётся сигнал? В экосистеме, где у каждого бренда есть доступ к одним и тем же генеративным инструментам, одинаковым алгоритмам оптимизации и одним и тем же механизмам обратной связи платформ, одного творческого интуитивного чутья недостаточно, чтобы выделиться. Слишком много шума. Именно здесь инструменты конкурентной разведки и платформы для анализа рекламы становятся самым важным элементом творческого процесса — не как способ просто скопировать то, что работает, а как исходный материал для обоснованного творческого направления.

Рассмотрим подход, который описывает Ник Шакелфорд. Как он объяснил на Social Media Examiner, его команда достигает успеха, тестируя меньше креативов, но с гораздо большей целенаправленностью, делая упор на создание чего-то "по-настоящему нового и отличного", а не выпуская сотни посредственных вариаций. Эта целенаправленность и есть вся игра, — но она должна опираться на что-то. На рынке, перенасыщенном однотипным контентом, сгенерированным ИИ, вопрос заключается не только в том, «что мы хотим сказать?». Вопрос в том, «что на самом деле вознаграждает рынок в настоящий момент и где находится свободное пространство, которое мы можем использовать?»

Данные ad spy отвечают на этот вопрос с той ясностью, которую невозможно достичь внутренним мозговым штурмом. Рекламные объявления, которые продолжают работать в течение нескольких недель и месяцев, отражают реальные решения по распределению капитала со стороны рекламодателей, платящих за их размещение. Как трейдер, анализирующий поток ордеров, чтобы понять, куда движется институциональный капитал, креативный стратег может интерпретировать устойчивые расходы на рекламу, чтобы понять, какие сообщения, форматы, подходы и зацепки рынок подтверждает реальными деньгами. Объявление, которое выдерживает четыре недели оптимизации, — это не случайность, а сигнал. Креативный шаблон, появляющийся у нескольких конкурентов в одной категории, — это не тренд, которому нужно слепо следовать, а базовый уровень, который необходимо понять, прежде чем можно будет осмысленно отойти от него.

В этом и заключается решающее различие. Использование конкурентной разведки для копирования уже существующих решений — это самый быстрый способ внести вклад в проблему конвергенции. Но использование такой разведки для анализа ландшафта — чтобы увидеть, где именно сконцентрированы все конкуренты — даёт вам свободное пространство. Оно показывает, что не говорится, какие форматы не используются, в каких эмоциональных тонах не играют. В этом свободном пространстве и существует творчество Шеклфорда — «по-настоящему новое и отличное».

Данные также служат корректировкой против одной из наиболее устойчивых проблем ИИ. Как сообщал MarTech, потребители всё больше хотят персонализации на основе ИИ, которая приносит реальную пользу, а не вызывает странное, немного пустое чувство, характерное для большинства рекламы, созданной алгоритмически. Платформы шпионажа за рекламой помогают определить, какие именно рекламные кампании действительно соответствуют этому критерию — не только по показателям вовлечённости, а по признаку продолжительных инвестиций. Бренды не будут продолжать вкладываться в креативы, вызывающие сопротивление потребителей.

На практике это означает, что сам креативный бриф постоянно развивается. Вместо того чтобы начинать с позиционирования и подборки визуальных образов, самые продвинутые команды сейчас начинают с анализа конкурентной среды: что запущено, как долго, на каких площадках и с какими цепляющими элементами. Они включают эти подтверждённые рыночные данные в свой процесс генерации идей — иногда прямо в ИИ-инструменты в качестве контекстного ввода — и используют их, чтобы определить рамки, которые они намерены нарушить. Платформа для анализа рекламы конкурентов не заменяет креативного стратега. Она даёт стратегу нечто более ценное, чем предположение: карту территории, уже занятой другими, и чёткое представление о том, какая территория остаётся свободной.