Радио 
Развитие искусственного интеллекта все чаще ставит перед бизнесом вопрос не о возможностях новых моделей, а об их экономической отдаче. Пока разработчики повышают качество нейросетей, компании оценивают, стоит ли очередное обновление дополнительных затрат. Одновременно рекламные платформы совершенствуют рекомендации, расширяется рынок торговых медиа, а покупатели совмещают ИИ с традиционным поиском.
Где технологический прогресс действительно приносит пользу маркетингу, а где рост показателей лишь создает видимость эффективности? Диджитал-директор рекламного агентства 
НЕКТАРИН Екатерина Фролова рассказала Sostav, что показали события августа и сентября 2026 года и какие выводы брендам стоит учесть при оценке рекламных инструментов и пути к покупке.
Развитие ИИ все чаще приходится оценивать не по рейтингу моделей, а по результату работы. Если недорогая система справляется с обращениями клиентов, описаниями товаров и черновиками документов, зачем переходить на более мощную? Новая версия может сократить время сотрудников или снизить число ошибок. Но если разницу трудно измерить, платить за обновление бизнесу незачем. Доступная модель при этом необязательно устаревшая: решают качество результата и затраты.
Так возникает гипотеза о технологическом плато. Модели продолжают совершенствоваться, однако прирост качества в привычных задачах может не оправдывать расходы заказчиков. Если эта логика станет массовой, разработчикам будет труднее окупать новые поколения систем. Гонка способна замедлиться, хотя новые сценарии использования могут поддержать спрос.
Удешевление ИИ открывает и противоположную возможность: технология становится выгодной там, где раньше была слишком дорогой. По данным Stanford AI Index, с ноября 2022-го по октябрь 2024 года стоимость использования системы с качеством на уровне GPT-3.5 снизилась более чем в 280 раз. Компания может платить меньше за запрос, но поручать нейросетям больше работы. Поэтому снижение цены не означает сокращение рынка.
Главный вопрос — когда техническое улучшение превращается в экономическую отдачу? Одна компания не готова менять процессы, другой хватает существующих инструментов. Внешне обе осторожны с обновлениями, хотя причины различаются. Для маркетинга отсюда следует практический принцип: оценивать не абстрактную мощность технологии, а стоимость выполненной работы и эффект для бизнеса.
События августа и сентября показывают важность такого подхода. Платформы сообщают об улучшении рекомендаций, ретейлеры расширяют рекламные возможности, а исследования описывают новые маршруты к покупке. Но рост просмотров не равен росту продаж, а удобство размещения еще не доказывает его эффект.
Платформы объединяют интересы пользователей между сервисами
В августе VK рассказала Forbes о модели, которая объединяет действия пользователей во «ВКонтакте», «VK Видео» и «VK Клипах», формируя обезличенное представление об интересах. По данным компании, после ее внедрения общее время просмотра в «VK Клипах» выросло на 5,5%. Здесь технологическая разработка связана с конкретным действием аудитории.
В сентябре VK сообщила о персональных рекомендациях прямых эфиров на главной странице «VK Видео»: подбор учитывает интересы зрителя и его предыдущие действия. По данным компании, пользователи стали вдвое больше смотреть трансляции из рекомендаций; обновление работает на Discovery-платформе. Период сравнения и методика не раскрыты.
Маркетологу важно не смешивать показатели. Рост времени просмотра может означать, что алгоритм лучше удерживает внимание, но не доказывает увеличение продаж рекламодателя или окупаемость разработки. Для оценки рекламы нужны другие данные: действия после контакта и, где возможно, дополнительный эффект относительно контрольной группы.
Рекламных мест становится больше. Но создают ли они дополнительный спрос?
В августе «М.Видео» и «Яндекс» объявили о подключении рекламных площадок ретейлера к «Яндекс Ритейл Медиа»: медийную рекламу и продвижение карточек товаров можно запускать через «Директ». Это упрощает управление кампаниями, но удобство кабинета и результативность размещения — разные вещи. Вторая требует оценки влияния рекламы на покупателей.
В сентябре о собственной медиасети для сторонних брендов объявила McDonald’s. По сообщению CNBC, тест начался в августе в 450 собственных ресторанах США: объявления появились на цифровых экранах заказа для автомобилистов; франчайзинговые точки пока не участвуют. Компания превращает контакты с посетителями в рекламный ресурс.
Пример McDonald’s не связан напрямую с ИИ, но продолжает разговор об отдаче. Для владельца площадки новый рекламный инвентарь означает возможность монетизации. Рекламодателю же важно понимать, сколько дополнительных покупок создает контакт и какие из них состоялись бы без рекламы. Близость экрана к моменту заказа еще не доказывает прирост спроса.
Есть риск неверной атрибуции: человек мог выбрать товар заранее, а система учтёт покупку как результат рекламы. Поэтому отчеты о размещениях в торговых средах стоит дополнять проверкой инкрементальности — дополнительного прироста продаж благодаря кампании. Один из способов — сравнение тестовой и контрольной групп. Это помогает отделить новые покупки от тех, которые произошли бы и без рекламы.
Покупатель использует ИИ и поиск в одном сценарии
Покупателю важно быстрее сравнить варианты, разобраться в характеристиках и избежать лишних расходов. Для бренда удобство выбора может оказаться не менее важным, чем присутствие в конкретном рекламном канале. Причём путь к покупке редко укладывается в одну платформу.
В августе были опубликованы результаты опроса AIMonitor.pro: среди использующих ИИ при покупках 32% сообщили, что стали тратить меньше, а 24% — больше; всего опросили 2 тыс. человек. Это самооценка участников, а не измерение расходов, поэтому считать ИИ доказанной причиной изменений нельзя.
В сентябрьском отчете Similarweb говорится, что, по оценке авторов, в 89% случаев люди, изучавшие покупку с помощью ИИ, использовали также обычный поиск. География, выборка и подробная методика показателя в релизе не раскрыты, поэтому переносить его на Россию нельзя. Но сам сценарий важен: ИИ и поиск могут дополнять друг друга.
Покупатель может обсудить варианты с ассистентом, проверить цены и отзывы через поиск, затем вернуться к сравнению. Для него это единый процесс, хотя рекламная аналитика часто делит его на независимые каналы. Учет только последнего перехода переоценивает финальный контакт и упускает источники, которые сформировали предпочтение.
Бренду важно обеспечить согласованную информацию о продукте на сайте, в карточках товара, поиске и материалах, доступных ИИ-сервисам. Характеристики, цены и условия покупки не должны противоречить друг другу. Это не гарантирует рекомендации нейросети, но облегчает выбор.
Три решения для маркетинговой стратегии
- Считать стоимость готовой работы. Сравнивать ИИ-модели на реальных задачах, включая время на проверку, исправления и повторные запросы. Низкий тариф не означает экономию, если результат приходится переделывать.
- Проверять дополнительные продажи. Разделять удобство рекламного кабинета, просмотры и вклад кампании в покупки. По возможности проводить эксперименты с контрольными группами, чтобы оценить прирост сверх существующего спроса.
- Учитывать весь путь к покупке. Проверять информацию о продукте в ответах ИИ, поиске, на сайте и в магазине. Устранять расхождения и не приписывать весь результат последнему клику.
Спрос на более мощные модели может замедлиться: если задачи уже решаются достаточно хорошо, бизнес не станет доплачивать за одни лишь технические показатели. Но ИИ способен распространяться шире благодаря снижению цены и новым применениям. Ценность обновления должна выражаться в понятных категориях: какую работу теперь можно сделать качественнее, быстрее или дешевле. Это главный вопрос и к поставщикам технологий, и к рекламным платформам.