Когда в результатах поиска появляется сводка, созданная искусственным интеллектом, доля пользователей, переходящих по обычным ссылкам, резко падает. По данным американского исследовательского центра, при наличии такой сводки вероятность клика по традиционному результату снижается с пятнадцати до восьми процентов.
Люди всё чаще ведут поиск и сравнение прямо в диалоге, и реклама перемещается туда же. Крупные игроки уже запустили рекламные форматы внутри чат-ботов и сводок, механически перенося туда модель поисковой эпохи.
Но смена парадигмы заставляет переосмыслить сам предмет торга: если средство передачи информации превратилось из целой страницы результатов в генерируемый ответ, что именно должно выставляться на аукцион?
Тридцать лет онлайн-реклама опиралась на одно допущение: рекламное место сначала существует, а аукцион лишь решает, кто его получит. Позиция в выдаче или показ в ленте — это заранее определённая возможность.
Но ответ большой модели создаётся слово за словом: подходит ли бренд, где он появится и как будет описан, зависит от того, что уже написано. Более того, порядок — сначала цена или сначала опыт — может сформировать совершенно разное впечатление о продукте.
Поэтому генерация не просто заполняет рекламные возможности, она их формирует. Исследователи из Китайского народного университета и Стэнфорда продвинули конкуренцию ещё глубже — на уровень отдельных токенов.
Их метод, получивший название «латентный смешанный аукцион рекламодателей», позволяет генерации контента и распределению рекламы развиваться одновременно: каждый новый токен в реальном времени влияет и на продолжение ответа, и на то, кто в итоге получит показ. Этот принцип авторы называют «генерация как распределение».
Когда аукцион спускается на уровень токенов, рекламодатели борются не только за финальный показ, но и за направление, в котором пойдёт ответ. Скажем, при рекомендации курортов упоминание сначала транспорта или сначала жилья может дать разным рекламодателям преимущество в дальнейшей конкуренции.
У них появляется новое пространство для стратегий: можно влиять на текущую генерацию и менять последующие решения в зависимости от уже написанного. Это предъявляет более высокие требования к механизму: нужно, чтобы рекламодатель был готов сообщать правдивую информацию о ценности и в начале, и по ходу генерации, а ответ при этом не должен угождать ставкам в ущерб исходному вопросу пользователя.
В предложенной схеме рекламодатель оценивает, насколько ценным для него будет то или иное продолжение текста, а платформа, опираясь на исходную языковую модель, формирует предпочтительные стратегии генерации.
На их основе ответ создаётся токен за токеном, и вероятность получить показ для каждого рекламодателя постоянно обновляется: чем больше написанное соответствует его предпочтениям, тем выше его шансы.
После завершения ответа по итоговой вероятности выбирается победитель, которому достаётся внешняя ссылка или спонсорская карточка. На практике такие оценки ценности может вычислять модель на стороне платформы — по аналогии с автоматическими ставками в современных рекламных системах.
Чтобы рекламодатель не мог «передумать» по ходу дела, предусмотрены локальная проверка отчётов и правила оплаты. Проверка следит за согласованностью: суммарная оценка разных вариантов следующего шага должна соответствовать ранее заявленной оценке текущего текста.
Платформе достаточно одной локальной сверки на каждом шаге, чтобы ограничить произвольную смену показаний. Оплата же привязана к процессу генерации: если на каком-то шаге вероятность показа в сочетании с последующей ценностью растёт, возникает плата; если падает — предусмотрена компенсация, которая вместе с начальным взносом завершает расчёт.
Так влияние на генерацию, борьба за показ и несение расходов оказываются связанными воедино. Механизм удовлетворяет условию марковской доминирующей стратегии: какую бы допустимую стратегию ни выбрали другие, добросовестный рекламодатель, уже сообщивший правду, ничего не выиграет, если начнёт лукавить на любом достижимом этапе генерации.
Иными словами, честность требуется не только в стартовой ставке, но и на протяжении всего ответа. Кроме того, метод даёт гарантию общественного благосостояния: разница между идеальным механизмом и предложенным имеет явную теоретическую границу, что позволяет учитывать не только коммерческую ценность, но и влияние рекламы на пользовательский опыт.
Для проверки концепции исследователи взяли более тысячи реальных коммерческих запросов из открытого набора данных, охватив три сценария — фитнес, отдых и автомобили, в каждом из которых конкурировали три рекламодателя.
В экспериментах использовалась одна из открытых языковых моделей, а отчёты рекламодателей формировались через дообучение. Ценность рекламы оценивалась прогнозной моделью, а пользовательский опыт — по совокупности критериев: релевантность, информативность, плавность, естественность рекламы, её фактическая точность и навязчивость.
В сравнении с базовыми подходами, включавшими распределение до и после генерации, редакторские вставки, обучение с подкреплением и агрегацию на уровне ответа, предложенный метод показал лучший результат по всем четырём показателям: доход платформы вырос более чем на десять процентов, ценность для рекламодателей — почти на четыре, и при этом пользовательский опыт не пострадал.
В одном из примеров запроса о лучших пляжных курортах мира ответ без рекламы просто перечислял направления и факторы планирования. В сгенерированном варианте в начале появился один сервис бронирования, а ближе к концу — другой, и рекламодатели по ходу текста попеременно брали контроль.
Ответ при этом оставался естественным и полезным. После завершения генерации вероятность второго сервиса оказалась заметно выше, и он был выбран победителем.
Причина видна из содержания: первый бренд в начале служил скорее якорем для упоминания Мальдив, Бали и Карибов, тогда как предложение со вторым прямо объясняло, что умеет продукт — сравнивать направления, показывать отзывы, подбирать жильё и впечатления, то есть несло более полное выражение ценности. Механизм обновления вероятностей чутко это уловил.
Отдельный эксперимент с искажением ставок показал интуитивно понятный результат: чем выше заявленная ценность, тем больше доля токенов, вероятность распределения и платежи.
Однако реальная ожидаемая полезность не растёт бесконечно, а достигает пика именно при честном отчёте. Завышение ставки действительно позволяет захватить больше влияния в ответе, но более высокая плата перекрывает выигрыш — это и есть практическое проявление теоретической гарантии совместимости стимулов.
Где генеративная реклама уместна? Естественное место — сценарии, в которых пользователь сам ищет коммерческий совет: сравнение товаров через цифрового консультанта, выбор отеля в поездке или подбор платных инструментов для рабочего процесса.
Если коммерческая информация отвечает реальной потребности, имеет чёткую пометку о рекламной природе и не разрушает фактическую достоверность ответа, она с большей вероятностью будет принята.
Предложенный метод как раз исследует, как реализовать такой механизм: дать рекламодателям конкурировать в процессе генерации и одновременно правилами ограничить их стратегическое поведение, уравновесив коммерческую ценность и качество ответа.
Раньше аукцион решал, кто получит уже существующее место. Теперь механизм может решать, как рекламная возможность формируется внутри ответа. Переход от распределения позиций к генерации как распределению открывает новый путь для нативной рекламы в больших моделях.