Почему реклама знает, что нам нужно

Порой кажется, что реклама предугадывает наши мысли, иначе как объяснить тот факт, что в интернете вы встречаете рекламное предложение чайника, который вы только утром подумали заменить? Но, конечно, это миф, и правда гораздо прозаичнее: рекламные предложения на сайтах и в соцсетях — это результат сложной работы искусственного интеллекта.
Екатерина Николаева
Екатерина Николаева
Редактор сайта TechInsider.ru
Почему реклама знает, что нам нужно
Techinsider

Нейросетевой прорыв

Реклама давно стала контекстом нашей жизни, причем «давно» — это реально давно. Рекламные объявления появились еще в древности, причем изначально — в устном формате. В сборнике китайских стихотворений «Ши Цзин», датируемых XI–VII веками до нашей эры, встречается информация о том, что в Древнем Китае музыканты играли на бамбуковых флейтах возле лавок с конфетами для привлечения внимания и увеличения продаж. Самое первое письменное рекламное объявление было найдено в руинах Фив в Египте. По мнению археологов, его создали примерно в 3000 году до нашей эры.

С тех пор наши отношения с рекламой изменились, и здесь не обошлось без искусственного интеллекта. Вы и сами могли заметить, что современная реклама все чаще дает полезные рекомендации. И нет, никто не подслушивает нас через наши гаджеты. Всех серверов мира не хватило бы для хранения и обработки собранной информации.

Сделать рекламу персонализированной позволили нейросети.

По данным на 2025 год, современный человек проводит в интернете в среднем 4,5 часа. Нейросети анализируют поисковые запросы пользователей, интересы и особенности поведения человека в интернете и позволяют показывать каждому рекламный материал, который действительно может его заинтересовать.

Techinsider

Реклама — это большая рекомендательная система

Вот уже более 20 лет современные рекомендательные системы используются в разных сервисах: например, музыкальные стриминговые платформы подбирают песни, которые могут нам понравиться, и помогают открывать новых исполнителей. А социальные сети предлагают любопытный контент от пользователей, на которых мы не подписаны. Но как им это удается?

Верно-верно, все с помощью специально обученных алгоритмов. Для повышения точности рекомендаций они используют два вида сигналов: очевидные и косвенные. К первым относятся лайки, клики и количество просмотров того или иного видео/поста/рекламного объявления. Ко вторым — время просмотра, вовлеченность пользователя и так далее.

Все эти сигналы воспринимаются нейросетями как обратная связь от пользователя. Они помогают системе совершенствоваться: отбрасывать неэффективные варианты и обогащать те, что сработали. Этот процесс идет непрерывно — алгоритмы становятся умнее, а цифровой мир — чуть удобнее и полезнее. 

Кроме того, нейросети умеют сегментировать пользователей по схожим интересам и паттернам поведения, благодаря чему рекомендательная система может предложить вам то, что нравится похожим пользователям, и помочь открыть что-то новое, что без этой рекомендации не попало бы в зону вашего внимания. Если нейросеть предскажет ваш интерес верно — супер, вы можете узнать, к примеру, о новом бренде кроссовок, которые вы, возможно, захотите купить, или о музыкальном фестивале, который решите посетить. Если нет — вы пройдете мимо этой рекламы, а нейросети будут пробовать предсказывать ваши интересы дальше.

Techinsider

Как учат нейросети

Этот процесс состоит из двух ключевых этапов:

  • Pre-train (предварительная подготовка, — прим. ред.) — первый этап, на котором нейросети получают огромное количество информации, усваивают общую структуру и закономерности языка, учатся распознавать связи между словами и предложениями, понимать контексты и синтаксические конструкции. На все это могут уходить недели, часто месяцы, и десятки тысяч видеокарт, но такая модель еще не способна эффективно решать конкретные прикладные задачи — ее знания пока достаточно общие и абстрактные.
  • Исправление этой ситуации происходит на втором этапе — fine-tuning (тонкая настройка, — прим. ред.), нейросеть выбирает определенную область специализации (маркетинг) и глубоко погружается именно в нее, развивая узконаправленные навыки и компетенции. Модель дообучают на примерах реальных рекламных кампаний.

Почему реклама предлагает уже купленный товар

Вот, допустим, вы искали наушники в интернете и даже их купили, однако реклама тех же самых наушников продолжает встречаться вам на разных сайтах. Это раздражает. Где же умные алгоритмы?

Тут проблема в том, что система получила сигнал о вашей заинтересованности в товаре, но не получила сигнал о покупке. Такое может случиться по разным причинам. Например, если вы выбирали наушники в онлайне, а потом купили их в физическом магазине. Зачастую данные о покупках могут не передаваться в рекламную платформу, поэтому реклама просто не знает, что вы товар уже купили.

Techinsider

Если нам не нравится реклама, мы можем либо не реагировать на нее, и через несколько показов система сама поймет, что нас это предложение не интересует. Либо можем поступить более активно и нажать на «Не интересует» или «Уже приобретено». Тогда сигнал дойдет до системы быстрее. А мы поможем нейросетям обучаться дальше.