Журнал / Кирилл Наумов
AI в retail media: оптимизировать кампанию — и проверить, что она изменила
Как применять AI в retail media и не путать продажи после рекламы с дополнительным эффектом кампании.
Автор: Кирилл Наумов ·
У retail media есть соблазнительное свойство: рекламу и покупку часто можно увидеть в экосистеме одного ритейлера. Показали товар рядом с рекламой, открыли дашборд — там уже клики, продажи и красивый ROAS. Кажется, будто кампания сама всё объяснила. Но нет: дашборд может быть точным и при этом отвечать на более узкий вопрос, чем тот, который задаёт финансовый директор.
AI поможет быстро разобрать большой отчёт, заметить необычные изменения и подсказать, куда посмотреть внимательнее. Но он не превратит фразу «после рекламы случилась покупка» в доказательство того, что «покупка случилась благодаря рекламе». С этого различия и начинается нормальное измерение.
Атрибуция и дополнительный эффект — не одно и то же
Атрибуция распределяет заслугу между подходящими рекламными контактами по выбранным правилам и временному окну. Инкрементальность задаёт более трудный вопрос: какой дополнительный результат появился именно благодаря кампании по сравнению с обоснованной оценкой того, что произошло бы без неё? Оба показателя полезны, но они не взаимозаменяемы. В рекомендациях IAB и IAB Europe за 2025 год отдельно подчёркнуты надёжный сценарий «что было бы без рекламы», контроль смещений и отделение сигнала от шума. Не так эффектно, как яркая плитка ROAS, зато гораздо полезнее, когда спрашивают, стоит ли снова вкладывать бюджет.
Где AI действительно пригодится
Поручите AI ограниченную аналитическую работу: отмечать кампании, где результат заметно изменился относительно подходящего ориентира; группировать товары или аудитории для дальнейшей проверки; замечать возможные проблемы с темпом показов, наличием товара или креативом; превращать большой отчёт в список вопросов для аналитика. Каждая рекомендация должна показывать данные и допущения. «Увеличьте бюджет, потому что ROAS высокий» — это пока не объяснение.
Перед тем как действовать, проверьте, что ещё менялось. Шла ли акция? Изменилось ли наличие? Продвигались ли те же товары в другом канале? Не попал ли период сравнения на сезонный всплеск? AI может собрать эти вопросы в одном месте, но уверенным тоном не восполнит отсутствующие данные.
Сначала план измерения, потом промпт
До запуска одной кампании договоритесь о пяти вещах: какое бизнес-решение нужно улучшить; какой результат важен; как будете сравнивать; какие параллельные изменения нужно записывать; и кто вправе оспорить вывод. «Нужно больше продаж» — ещё не план измерения. Решите, что именно проверяете: дополнительные продажи в штуках, новых покупателей бренда, вклад в маржу или другую метрику. Показатели доставки рекламы не смешивайте с бизнес-результатом.
Выберите способ сравнения, который подходит задаче и данным: контрольную группу, сопоставимые рынки, контрфактическую модель или другой обоснованный дизайн. Сделайте это до появления результатов. Если тест слишком мал, чтобы уверенно судить об эффекте, так и скажите. Небольшому эксперименту не нужно изображать национальное рандомизированное исследование, а для решения о крупном бюджете мало одного скриншота.
Считайте рекомендацию гипотезой
Попросите систему найти изменение, показать данные и перечислить, что должен проверить человек. Записывайте рекомендацию, показанные факты, принятое решение и последующий результат. Разбирайте случаи, когда совет оказался ошибочным, бесполезным или его невозможно повторить. Пока команда не может объяснить, почему менять бюджет разумно, AI должен помогать принимать решение, а не самостоятельно двигать деньги.
Начните с одной категории, ясной цели и решения, которое можно отменить. Сравните работу с AI и нынешний процесс: сколько времени уходит на подготовку обзора, какие проблемы нашли, насколько полезны вопросы и сходятся ли аналитики в том, что подтверждают данные. А влияние самой кампании оцените отдельно — методом, подходящим к бюджету и имеющейся информации.
Смысл не в том, чтобы до первой рекламной кампании срочно нанимать целый отдел дата-сайентистов. Смысл — не путать более нарядный отчёт с лучшим бизнес-результатом. В retail media AI может помочь найти следующий вопрос. Ответ всё равно должно дать измерение.
Практический AI-воркшоп для ритейла → · Начать с AI-диагностики
Материалы по теме: рекомендации IAB и IAB Europe · стандарты IAB Europe 2026 года · подход Walmart Connect · Amazon Attribution.