Рекламная индустрия увлечённо обсуждает ИИ-планирование и агентную закупку медиа, но фундаментальная проблема CTV остаётся прежней: автоматизация работает ровно настолько, насколько хороши данные, которые её питают. Пока значительная часть стриминговой инфраструктуры опирается на базовые контекстные сигналы, разработанные для куда более простой экосистемы.
Возьмём драматический сериал. В одной сцене — напряжённая ссора, через несколько минут — комедийная разрядка, затем эмоциональный семейный разговор. Для рекламодателя это три разные среды восприятия, но программная платформа видит лишь один жанровый ярлык. Моменты вокруг рекламной паузы формируют внимание и настроение зрителя, влияют на результативность кампании — однако инфраструктура их не различает.
Современный ИИ способен анализировать контент так, как его воспринимает человек: изображения, диалоги, аудио, эмоциональный фон. Это позволяет оценивать конкретный момент перед рекламной вставкой, а не исключать целые жанры. Показательный пример — новости. Их часто относят к категории повышенного риска для брендов, но свежее исследование Wurl показало: более 35% сцен в новостном контенте полностью безопасны для рекламодателей. Широкие категорийные исключения оборачиваются упущенным инвентарём.
Вторая проблема — фрагментация. Данные о контенте различаются от издателя к издателю, стандартизация метаданных отсутствует, а покупателям нередко требуются отдельные интеграции под каждое контекстное решение. Чем более центральную роль ИИ играет в закупке медиа, тем труднее игнорировать этот разрыв. Следующий этап развития CTV, как отмечает AdExchanger, определится не сложностью алгоритмов, а тем, насколько легко качественные сигналы можно активировать в масштабе — независимо от того, какой издатель или платформа оказались в середине сделки.
Отдельные элементы инфраструктуры уже существуют. Вопрос в том, кто возьмётся заполнить пробелы между ними.