AI ВАШЕГО КОНКУРЕНТА ГЕНЕРИРУЕТ 10 000 ВАРИАНТОВ РЕКЛАМЫ — ВОТ КАК ШПИОНИТЬ ЗА ВСЕМИ ИЗ НИХ

Недавно анализ конкурентоспособности рекламного креатива конкурента заключался в прокрутке их библиотеки рекламы в Facebook, создании снимков нескольких изображений, записи нескольких шаблонов заголовков и на этом все заканчивалось. Этот процесс предполагал, что ваш конкурент создает креативы так же, как и все остальные, — с дюжиной или около того вариантов на кампанию, обновляемых ежемесячно и создаваемых небольшой командой дизайнеров и копирайтеров. Это предположение теперь является крайне устаревшим.

Экономика производства рекламы кардинально изменилась. Там, где раньше для создания качественного изображения продукта требовалась студийная съёмка стоимостью в сотни или тысячи долларов, инструменты ИИ теперь генерируют аналогичные материалы за копейки, позволяя практически любому интернет-бренду с ноутбуком и подпиской создавать рекламу телевизионного качества. Это снижение затрат сделало рекламу не просто дешевле — оно стало значительно более массовой. Теперь один средний конкурент может генерировать объёмы креативов, на которые ещё полтора года назад потребовалась бы целая команда рекламного агентства, тестируя и отбрасывая концепции с такой скоростью, с которой ни один аналитик-человек не сможет соревноваться вручную.

Масштаб и на стороне закупки тоже впечатляет. Ожидается, что в этом году американские компании потратят 57 миллиардов долларов на рекламу с использованием ИИ, примерно 12% от общего объёма рекламных расходов, и значительная часть этих инвестиций направляется прямо в автоматизацию креативов. Крупные рекламодатели внедряют так называемые непрерывные циклы оптимизации креативов — системы, в которых ИИ оценивает сигналы вовлечённости в реальном времени и автоматически адаптирует сообщения без ожидания вмешательства человека. Эти циклы не приостанавливаются из-за еженедельных обзоров креативов или ежемесячных отчётов о показателях. Они постоянно развиваются, создавая новые комбинации заголовков, изображений и призывов к действию быстрее, чем любая команда по разведке конкурентов сможет их зафиксировать.

То, что делает отслеживание этого объема еще более сложным, заключается в том, что сами платформы предъявляют такие требования. Обновление Andromeda от Meta кардинально изменило способ, которым алгоритм обрабатывает креативы: платформа теперь распознает, когда рекламодатели запускают сотни незначительных вариаций одной и той же рекламы и объединяет их в один креатив, фактически наказывая за ленивое дублирование. Это означает, что бренды, добивающиеся успеха в Meta, производят не просто больше рекламы, а больше по-настоящему разных реклам, каждая из которых имеет существенно отличающиеся визуальные элементы, ракурсы и посылы. Для тех, кто пытается воссоздать стратегию конкурента, это создает проблему выделения сигнала совершенно иного порядка.

Между тем, динамическая оптимизация креативов с помощью ИИ еще больше усложняет задачу. Как отмечает illumin, системы ИИ могут автоматически тестировать комбинации заголовков, изображений и призывов к действию, выявлять наилучшие варианты для определенных сегментов аудитории и показывать наиболее эффективную версию нужному зрителю, — и все это без участия специалиста по размещению рекламы. Реклама, которую вы видите в библиотеке конкурента, может даже не быть рекламой, которую видят их самые ценные потенциальные клиенты, поскольку система персонализирует контент на индивидуальном уровне.

Подытожив все это, вы приходите к неприятной истине: старый процесс сбора конкурентной разведки — сделать снимок нескольких рекламных объявлений, записать заголовки и двигаться дальше — теперь охватывает менее одного процента того, что на самом деле присутствует на рынке. Вы не просто упускаете отдельные объявления. Вы упускаете закономерности — постепенные изменения в позиционировании, тематические сообщения, ориентированные на конкретные аудитории, приёмы, которые получили масштабирование, и те, которые были тихо свёрнуты спустя сорок восемь часов. А именно закономерности, а не отдельные объявления, и являются настоящей сутью конкурентной разведки.

Распространённое мнение относительно рекламы, созданной с помощью ИИ, заключается в том, что наплыв вариантов усложняет конкурентную разведку. На самом деле, всё обстоит иначе. Огромный объём творческих материалов, созданных с помощью ИИ, на самом деле делает стратегию конкурента проще расшифровать, потому что большая часть того, что они производят, изначально предназначена для провала.

Это не недостаток в их процессе. Это сам процесс. Творческие рабочие процессы, основанные на ИИ, построены вокруг быстрого экспериментирования: создание десятков или сотен вариантов, одновременное развертывание, измерение показателей эффективности, прекращение работы неудачных и масштабирование успешных. Как задокументировано в MarTech, ведущие рекламодатели теперь внедряют непрерывные циклы оптимизации материалов, в которых ИИ оценивает сигналы вовлечённости и автоматически совершенствует сообщения для повышения эффективности. Логичным следствием является то, что в любой момент времени подавляющее большинство активных рекламных объявлений конкурента — это краткосрочные тесты, которым никогда не доведется увидеть второй недели расходов. Это осознанно одноразовые материалы — гипотезы, которые дёшево подтверждаются или отбрасываются.

Но именно здесь и заключается возможность для анализа: в выживших. Когда вариант вырывается из кладбища тестов и начинает получать значительные расходы, расширенные размещения и увеличенные сроки показа, он уже перестаёт быть гипотезой. Это подтверждённый творческий тезис — сигнал, который собственные данные конкурента подтвердили как успешный. Поток провальных вариантов, вместо того чтобы затушёвывать этот сигнал, на самом деле усиливает его контрастом. Творческий материал, который идёт шесть недель по нескольким сетям, в то время как сотни его собратьев отключаются через три дня, практически размахивает флагом.

Опасность, разумеется, заключается в том, чтобы считать объём, созданный ИИ, изначально стратегическим. На самом деле, это часто не так. Ник Санчес ярко обозначил эту проблему в подкасте Social Media Examiner, возразив против распространённого совета «тестируйте 200 креативов в неделю», указав, что без сильных идей в основе ИИ просто производит «ещё больше слабых материалов — только быстрее». Объём без творческого направления — это просто шум, за которым стоит бюджет. А когда оптимизация эффективности выполняется полностью без контроля, результаты могут быть прямо вредными — как сообщал AdExchanger, компании вроде Skechers в итоге запускали внешнюю рекламу, созданную ИИ, с причудливыми и проблемными креативами, поскольку ни один человек не оценивал, что именно выбирает алгоритм оптимизации.

Это принципиально важный момент для аналитика по конкурентной разведке. Не каждый масштабируемый вариант отражает гениальную стратегию. Некоторые из них — лишь результат автоматизации без контроля, выполняющей то, что она обычно делает без контроля. Ваша задача — отличить одно от другого: выявить, какие креативы отражают подлинные стратегические намерения, а какие являются продуктами системы, работающей в автопилоте.

Это различие требует полной картины: не несколько рекламных объявлений, отобранных с одной платформы, а сводный обзор того, что транслируется по сетям с течением времени. Именно здесь платформа вроде Anstrex Native становится незаменимой. Она собирает активные креативы с нативных рекламных сетей в масштабе, позволяя фильтровать их по продолжительности показа, охвату сетей и тенденциям, а не полагаться на ручной отбор или базы данных отдельных платформ. Когда вы можете отсортировать весь нативный портфель конкурента по тому, как долго каждая версия показывается и на скольких сетях она размещается, полезный сигнал практически становится очевидным. Те рекламные объявления, которые сохраняются и расширяются, — это те, что, согласно статистике эффективности конкурента, признаны победителями.

Иными словами, поток становится подарком — но только при условии, что у вас есть уровень агрегации, позволяющий в нём ориентироваться. Без этого уровня вы тонете в том же шуме, за генерацию которого платит ваш конкурент.

Старый подход — взять рекламу конкурента, просмотреть её по одному и скопировать наиболее удачный креатив — был рассчитан на мир, в котором бренды выпускали поддающееся контролю количество вариантов. Этот мир исчез. Когда ведущие рекламодатели используют непрерывные циклы оптимизации креативов, при которых ИИ анализирует сигналы вовлечённости и автоматически изменяет сообщения, результат уже не является аккуратной кампанией, которую можно разобрать за пару часов. Это живой, постоянно развивающийся организм из тысяч вариаций креативов, большинство из которых существует лишь несколько дней, прежде чем будут заменены.

Вот неудобная истина, которая должна изменить ваше представление об анализе конкурентной разведки: если бренды сами не могут оценить свою креативность в масштабах без систем балльной оценки на основе ИИ — и, как задокументировал Search Engine Journal, даже Unilever, сотрудничая с 300 000 создателей контента, среди которых 71% используют ИИ-инструменты, обнаружил, что традиционная инфраструктура оценки просто перестаёт работать, — тогда у вас, как у внешнего наблюдателя, нет ни единого шанса понять их результаты, просто просматривая отдельные рекламные объявления. Вам нужна система. Вам нужен анализ закономерностей.

Шаг 1: Собирайте полную библиотеку, а не образцы. Начните с использования Anstrex Native, чтобы захватить весь креативный след конкурента на всех нативных рекламных сетях. Выборка с одной платформы дает искажённое представление. Бренд, использующий генерируемые ИИ креативы, распространяет вариации одновременно через Taboola, Outbrain, Revcontent и другие сети, зачастую с разными сообщениями, адаптированными под аудиторию каждой сети. Вам нужно панорамное представление, прежде чем какой-либо анализ станет полезным.

Шаг 2: Сортируйте по сигналам выживания. Вы не можете видеть коэффициенты кликабельности или данные о конверсиях конкурента, но вы можете видеть данные-заменители, которые почти так же ценны. Сортируйте креативы конкурента по времени, в течение которого объявление работает, и по количеству сетей, в которых оно появляется. Объявление, которое существует уже три недели на четырех сетях, почти наверняка прибыльное — ни один медийный покупатель не будет продолжать тратить деньги на убыточную рекламу так долго. Объявление, появившееся на одной сети на два дня и исчезнувшее, было неудачным тестом. Длительность и охват сетей — это фильтры эффективности.

Шаг 3: Классифицируйте по кластерам шаблонов, а не по отдельному креативу. Это решающее изменение подхода. Перестаньте спрашивать: «что говорит эта реклама?», и начните спрашивать: «какой тип рекламы перед нами?». Создайте простую систему классификации по трём измерениям. Тип зацепки: это вопрос, статистика, провоцирующая страх, или пробел в информации, вызывающий любопытство? Визуальная структура: это похоже на пользовательский контент (UGC), героический кадр продукта, сравнение «до/после» или редакционная миниатюра? Архитектура предложения: механизм конверсии — это скидка, бесплатный пробный период, воронка с викториной или лид-магнит? Помечайте каждую оставшуюся рекламу по этим трём измерениям, и вы увидите формирующиеся кластеры — не отдельных победителей, а стратегические шаблоны, к которым стремится система оптимизации конкурента.

Шаг 4: Сопоставьте кластеры со временем. Собирайте такие же данные ежемесячно. Какие кластеры шаблонов увеличиваются по объёму? Какие исчезают? Если в январе конкурент тестирует зацепки с пробелом в информации, с визуалом в стиле UGC и направляет на воронку с викториной, а к марту полностью переключается на зацепки на основе статистики, с редакционными миниатюрами и предложениями бесплатного пробного периода, это не хаотичная смена креативов. Вы наблюдаете, как их система оптимизации на основе ИИ объявляет победителя на стратегическом уровне. Вы видите, как их машинное обучение указывает им, где рынок даёт отклик.

Это конкурентная разведка, которая работает на уровне творческой стратегии, а не творческого исполнения. Вы больше не пытаетесь выполнить обратную разработку одного объявления. Вы выполняете обратную разработку логики оптимизации, которая его создала, — и это экспоненциально ценнее.

Прежде чем вы сможете осмысленно анализировать творческую стратегию конкурента, вы должны ответить на первый вопрос: было ли это объявление создано человеком, сгенерировано ИИ или представляет собой гибрид того и другого? От этого зависит всё, что касается интерпретации объема, скорости и намерений, — и ошибка может привести к совершенно неверной оценке вашей собственной реакции.

Начните с визуальных признаков, поскольку они наиболее очевидны. Генерация изображений с помощью ИИ стремительно совершенствуется, но все еще оставляет артефакты, когда в процессе производства скорость важнее проверки. Как задокументировал AdExchanger, Skechers использовала созданную ИИ наружную рекламу в Нью-Йорке и Сиэтле с изображениями, на которых была искажена анатомия — гиперсексуализированные позы с неестественно выделенными пропорциями, которые ни один традиционный арт-директор не одобрил бы в процессе обычной проверки. Изображения сразу можно было определить как созданные ИИ, однако кампания все равно запустилась. Вот и признак: не только визуальные искажения, но и тот факт, что реклама была запущена. Когда вы видите в реальности рекламу со слегка странноватым освещением, руками, которые выглядят неестественно, или снимками товаров с чрезмерно идеальными отражениями на невероятных поверхностях, вы, скорее всего, смотрите на результат работы ИИ, который обошел качественный контроль человека.

Сигналы, основанные на тексте, более тонкие, но не менее важные. Рекламный текст, созданный ИИ, склоняется к определённому виду беглости — грамматически безупречный, ритмически предсказуемый и бедный на настоящие детали. Обращайте внимание на описания товаров, которые звучат убедительно, но не содержат никаких сведений, которые включили бы реальный пользователь или продуктовая команда. Ещё один тревожный признак: когда вы замечаете, что бренд вдруг стал публиковать рекламу с фальшивыми отзывами в виде компьютерной графики, практика, которая, как отмечает AdExchanger, распространяется от малоизвестных китайских онлайн-брендов до компаний с миллиардными оборотами под давлением того, что издание называет «культом эффективности».

Но вот в чём сложность: качество статичных изображений быстро сближается. Фрейзер Коттрелл, генеральный директор рекламного агентства Fraggell, специализирующегося на креативах для прямых продаж, отмечает, что ИИ теперь создаёт изображения, практически неотличимые от профессиональных фотографий, особенно для съёмки товаров, для которой раньше требовались дорогостоящие студийные сессии. С видео пока хуже — движение, мимика и физические эффекты остаются сложными для генеративных моделей — но для статичных креативов, доминирующих в Meta и баннерной рекламе, одного визуального качества уже недостаточно для надёжного распознавания. Это означает, что вам нужно изменить подход к идентификации: сместиться от вопроса «выглядит ли это как созданное ИИ?» к вопросу «ведёт ли себя это как креатив, созданный ИИ?»

Поведенческие сигналы — это то место, где сосредоточен настоящий интеллект. Когда конкурент публикует сорок вариантов одной и той же концепции в течение семидесяти двух часов, каждый с немного отличающимися фонами, цветовыми решениями или структурой заголовков, перед вами почти наверняка продукт ИИ. Ни одна команда людей не может так быстро создавать такое количество вариантов. Аналогично, необученное использование ИИ обычно приводит к результату, который опытные креативные специалисты распознают мгновенно: технически грамотный, но универсальный и узнаваемый, не обладающий оригинальностью, способной остановить скроллинг.

Почему это различие имеет значение для анализа конкурентов? Потому что объем, созданный с помощью ИИ, должен учитываться иначе, чем творчество, созданное людьми. Если вы видите, что конкурент запускает триста вариантов рекламы, и считаете, что каждый из них отражает осознанный стратегический выбор, вы утонете в шуме. Но если вы правильно определите большую часть как тестовые материалы, созданные ИИ, вы сможете сосредоточиться на тех вариантах, которые остаются — тех, на которых продолжаются расходы и размещение. Эти оставшиеся варианты показывают, что поощряет алгоритм, а это, в свою очередь, показывает, что находит отклик у аудитории, которую вы разделяете. Признание творчества, созданного ИИ, — это не отрицание его значения. Это понимание того, какие сигналы в анализе стоит усиливать, а какие — игнорировать.