AI-пузырь и арбитраж: что происходит на самом деле

В настоящее время рынок арбитража переживает своего рода хайп AI-трендов, когда рекламодатели и вебмастера слишком полагаются на возможности искусственного интеллекта. Десятки платформ обещают надежную автоматизацию, но на практике создают хрупкую экосистему, где ставки, CPM и эффективность зависят от нестабильных моделей.

Медиабаеры сталкиваются с явлением стремительного всплеска с последующим не менее стремительным выгоранием AI-креативов и аналитики, что подрывает бюджеты.

Почему рынок ИИ напоминает дотком-пузырь?

Дата 9 августа 1995 года, когда компания Netscape выпустила браузер Netscape Navigator и провела первое публичное размещение акций, стала началом настоящего интернет-бума. Это способствовало быстрому росту цен на акции компаний, связанных с информационными технологиями, в частности Microsoft, и привело к дальнейшему росту фондового рынка.

Инвесторы начали покупать акции интернет-компаний даже без бизнес-моделей, они оценивали компании по количеству пользователей, а не по прибыли. Но в 2000–2001 годах рынок рухнул: 90% интернет-стартапов обанкротились.

Провести параллель с современностью несложно: в 2023–2025 годах сотни AI-стартапов получили по $30–$200 млн инвестиций без готового продукта. Сегодня так же большинство продуктов ИИ являются пустыми оболочками вокруг одной технологии. Стартапы массово копируют друг друга, имея низкую реальную ценность. В 1999–2000 так же было и с интернет-магазинами, интернет-каталогами, порталами.

Как AI-оптимизация платформ повышает стоимость трафика?

Как считают многие рекламодатели, традиционная ручная настройка уже не может поспевать за скоростью и сложностью современных PPC. Согласно подсчетам Statista за 2024 год, почти каждый пятый бренд выделял 40% или более своих маркетинговых бюджетов на AI-инициативы. 

Платформы используют алгоритмы машинного обучения/искусственного интеллекта, чтобы динамически настраивать ставки, выбор аудитории, формат объявлений, места показов и т.д. Вместо ручного управления таргетингом система сама решает, сколько заплатить за показ/клик/показатели RTB. Для арбитражников такой подход значительно меняет правила игры, что приводит к росту цены трафика.

Почему так происходит?

1. ИИ отдает предпочтение тем показам/аудиториям, которые с наибольшей вероятностью купят/конвертируют. Это сегмент с максимальным потенциалом (high-value). А для этого нужен уже трафик с высокими показателями и преимущественно с более высокой ценой за клик или за тысячу показов.
2. Растет и конкуренция за высококачественные сегменты, поскольку все больше бизнесов переходит на AI-инструменты. Стратегии искусственного интеллекта в целевом трафике при высокой конкуренции, понятно, повышают CPC/CPL. 
3. Алгоритмы ИИ в основном учатся на больших массивах данных, что характерно для мощных рекламодателей с долгой историей в нише. В результате малые бизнесы должны ориентироваться на высокую финансовую планку, соответственно выделять большие бюджеты.
4. Автоматические системы априори учитывают больше показателей/сигналов (поведение пользователя, время суток, устройство, демографию, историю поиска, прошлые конверсии), чем человек, что со временем приводит к росту CPC/CPM. 

В итоге старые дешевые источники могут стать менее эффективными или менее доступными, если алгоритм их не выбирает. Минимальная ставка растет, а рекламодатели вынуждены платить больше даже за базовые показы. Те, у кого небольшие бюджеты, могут не достичь необходимого трафика, или ROI может снизиться из-за высоких ставок.

Как подытоживает автор статьи «AI's Impact on Paid Marketing and Cross-Channel Ad Diversification»:

«Сочетание AI-таргетинга + автоматического создания креативов + динамических плейсментов означает, что рекламодатели готовы платить больше за релевантность и результат, что повышает общие цены».

Эра AI-креативов и усталость аудитории от однотипности

Рекламодатели массово выбирают сгенерированные ИИ крео из-за низких затрат на дизайн и простой адаптации под разные форматы. Это позволяет небольшим бизнесам быстро масштабироваться, испытывая большое количество рекламных объявлений. Так можно тестировать сотни креативов в месяц, меняя текст, изображения, видео, стилистику и т.д. В целом, это сильно упрощает генерацию рекламы.

Но есть и обратная сторона. Так, по данным аналитической платформы рекламного контента Alison.ai, 50% из более чем 78 000 креативов теряли более половины CTR уже за 11 дней. Это данные за лето 2025 года. Явление назвали «creative fatigue», то есть «креативная усталость».

Основными причинами снижения вовлеченности аудитории являются:

1. Одинаковые изображения, стили, CTA, что снижает внимание ЦА, ведь ИИ использует похожие шаблоны. У пользователя срабатывает психологическое явление наподобие баннерной слепоты.
2. Алгоритмы рекламных платформ воспринимают объявления как менее релевантные. Они пытаются добавить больше охватов.
3. Частота показов соответственно растет, что вызывает ощущение еще большего перенасыщения рекламой.

Итак, массовая шаблонность приводит к снижению внимания и доверия. К тому же наблюдается быстрое «выгорание креативов», когда вместо длительной жизни их эффективность сводится к нескольким неделям или даже дням. 

В то же время с 2024 года Meta и Google внедрили AI-детекторы для креативов, которые проверяют контент по критериям:

• creative saturation (творческая насыщенность);
• pattern repetition (повторение паттернов);
• overused visual structures (злоупотребление визуальными структурами).

Так, в сообществах арбитражников активно обсуждались сценарии продуктивности AI-креативов в вертикали beauty для Tier-1. В целом изображения для нативных баннеров сначала работали очень хорошо. Но вот какой контраст наблюдался уже через 3 недели: 

• CTR первая неделя: 2.8–3.4%;
• CTR через 3 недели: 0.6–0.8%.

Алгоритмы, в первую очередь Meta, начали отличать повторяющиеся шаблоны лиц.

Ограничения AI-аналитики в сложных вертикалях

Несмотря на то, что ИИ делает таргетинг более точным (создавая четкие сегменты через анализ демографических данных, поведения и интересов), он дает поверхностные прогнозы для gambling, dating, нутри.

AI-аналитика хорошо работает для фиксации трафика и базового поведения, но не дает надежных прогнозов на долгосрочную ценность пользователя, что крайне необходимо в вертикалях с высоким риском.

Объясняем причины:

1. Прежде всего ИИ не учитывает поведенческие сложности пользователей. Например, для iGaming отобранные алгоритмом пользователи могут остаться неактивными, не делать депозит, покупку или проявлять активность недолго. Ведь алгоритмы ИИ не могут прогнозировать такие показатели, как LTV, retention, фактическую активность, особенно на старте РК. 
2. Отсутствие прозрачности в таргетинге. ИИ может корректировать портрет пользователя только на основе ленты показов (ad stream). В сложных вертикалях, где нужны точные сегменты и внимание к регуляциям, этот недостаток прозрачности может быть критичным.
3. Неучет правовых, этических и репутационных рисков. В статье «When Ads Become Profiles: Large-Scale Audit of AlgorithmicBiases and LLM Profiling Risks» австралийские исследователи доказали, что алгоритмы, таргетирующие рекламу, часто демонстрируют предвзятую подачу контента, предлагая рекламу гемблинга, политики или алкоголя для социально уязвимых групп. Получается, арбитражник не контролирует, кому именно показывает рекламу алгоритм, и не всегда может объяснить, почему снизилась конверсия или почему аудитория «слилась».

4. В нишах, где пользователи могут приходить из очень разных источников, переключаться между устройствами или действовать через длинный цикл (например, гемблинг-депозит, подписка на нутру и т.д.), ИИ не способен точно определить стоимость лида и подает искаженную аналитику. 

Итак, мультитач и кросс-девайс пользовательские пути остаются проблемными для алгоритмов искусственного интеллекта. 

5. Алгоритмы к тому же не всегда учитывают ограничения и политики платформ. Вместо этого осуществляют автоматический таргетинг на основе интересов/поведения. Что касается гемблинга или дейтинга, ИИ может автоматически показать объявление лицам, которые по закону не подходят. Так что ошибки или непрозрачные алгоритмы могут привести к большим штрафам или полному бану.

ИИ хорошо справляется с цифрами и шаблонами, но не заменит человеческую экспертизу, особенно когда речь идет о сложных нишах, социальной чувствительности, UX, долгосрочной стратегии.

Риски слепой доверия к автоматизации в медиабаинге

Рассмотрим пример неудачного кейса с продажей онлайн-курсов через Facebook, который обсуждали в отчетах Meta Performance Partners, Adjust и др.

Заказчик хотел привлечь покупателей, которые реально приобретут образовательный курс, используя регистрацию как микроконверсию. В качестве AI-инструмента была задействована автоматическая оптимизация на широкие аудитории.

В результате алгоритм нашел самые быстрые и дешевые конверсии, учеников и студентов 15–20 лет, которые активно кликают, но не имеют возможности купить курс. Через 10 дней такой РК рекламодатель получил снижение CPA на 40% и более 1 800 регистраций, но 0 покупок. 

Алгоритмы видели только «возраст → дешевый трафик» и «поведение → активный клик». В этом случае ИИ ориентировался на быструю, а не на ценную конверсию. Слив бюджета произошел из-за так называемого «локального минимума».

Какие еще баги ИИ часто ведут к неконтролируемым бюджетам:

1. Большинство алгоритмов оптимизирует CPC, CTR, CPA, первую конверсию. Но не видит LTV, реальный качественный депозит, внутреннее поведение, оттоки, рисковое поведение, какие сегменты бизнеса можно или нельзя таргетировать. 
2. Алгоритмы работают на основе прошлых паттернов. Когда рынок меняется, например, из-за сезонных колебаний, ИИ дает неправильные прогнозы, не успевает адаптироваться, переоценивает ставки, теряет контроль над CPM. 
3. ИИ часто выдает ложные прогнозы за точные, потому что не знает всех факторов, не видит конкурентов, не понимает креативных трендов, не различает конкретных условий. 
4. А еще алгоритмы плохо воспринимают новые креативы, из-за чего завышают на них CPM и «заваливают» тестирование.

Можно сделать вывод, что ИИ оптимизирует именно расходы, а не эффективность. А это грозит сливом от 10% до 60% бюджета всего за несколько дней.

Что произойдет, если пузырь ИИ лопнет?

В 2023–2025 ИИ стал генератором офферов, оптимизатором рекламных кампаний, инструментом создания креативов и аналитики. Но уже ясно, что так продолжится недолго: пользователи уже несколько пресытились AI-продуктами.

Какие сценарии возможны при прекращении использования AI-алгоритмов?

1. Удешевление трафика, когда CPM и CPC упадут на 20–40%. Это может произойти из-за уменьшения AI-офферов, снижения CPM платформами для широкого привлечения рекламодателей. Вебмастера снова вернутся к старым методам, особенно в FB Ads и Google Ads.
2. Усиление AI-ограничений на главных платформах — Google, Meta, TikTok. Уже сейчас активно работают детекторы по deepfake, AI-generated fake claim и misleading AI ads. В дальнейшем запреты будут только расти, например, появится требование по маркировке AI-сгенерированной рекламы. Вернутся тенденции к уникальным крео, созданным вручную.

Если AI-креативы финансируют много фейковых или misleading кампаний, платформы могут увеличить долю ручной модерации и задержки до 24–72 часов. 

3. Отсев AI-офферов. Аудитория устанет и перестанет воспринимать AI-контент как уникальное торговое предложение, упадут показатели ARPU. Уже в 2025 AI стал обыденностью. Особенно это касается дейтинга, нутри, e-commerce, где LTV сравнительно низкий.
4. Усиление конкуренции на классических подходах. Когда AI-подходы перестанут работать, арбитражники вернутся к ручному сегментированию, кастомным прелендам, микроаудиту трафика и другим привычным схемам.

Новички, которые полагаются только на ИИ, рискуют оказаться за бортом арбитража. Если пузырь ИИ все же лопнет, выиграют вебмастера с классическим опытом, а ориентировочно до 60–80% AI-продуктов в разных сферах станут просто нерентабельными.