Advertising-based Model — Бизнес-модели

Advertising-based Model: Монетизация через рекламу

Реклама — старейшая и наиболее масштабируемая бизнес-модель интернета. Разбираем, как Google и Meta зарабатывают сотни миллиардов долларов на внимании пользователей.

#Суть модели

Advertising-based model — бизнес-модель, в которой компания предоставляет пользователям бесплатный сервис, а монетизирует их внимание через показ рекламы. Доход генерируется через:

CPM (Cost Per Mille) — оплата за 1000 показов
CPC (Cost Per Click) — оплата за клик по рекламе
CPA (Cost Per Action) — оплата за целевое действие (покупка, регистрация)

#Ключевые характеристики

Параметр	Значение
Барьер входа	Высокий (нужна критическая масса пользователей)
Маржинальность	60-80% после масштабирования
Масштабируемость	Очень высокая
Зависимость от данных	Критическая
Регуляторные риски	Высокие (GDPR, CCPA, антимонополь)

#Кейс 1: Google Search

#Бизнес-модель

Google Search — крупнейшая рекламная платформа в мире. В 2023 году выручка Google от рекламы составила $237 млрд, из которых ~$175 млрд — поисковая реклама.

#Как это работает

┌─────────────┐     ┌──────────────┐     ┌─────────────┐
│ Пользователь│ ──▶ │   Поиск      │ ──▶ │  Реклама    │
│ вводит запр.│     │   алгоритм   │     │  аукцион    │
└─────────────┘     └──────────────┘     └─────────────┘
                           │                    │
                           ▼                    ▼
                    ┌──────────────┐     ┌─────────────┐
                    │   Ранжировка │     │   Показ     │
                    │   результатов│     │   рекламы   │
                    └──────────────┘     └─────────────┘

#Техническая архитектура

1. Поисковый индекс

Распределённое хранилище (BigTable, Spanner)
Индексация миллиардов страниц в реальном времени
PageRank и ML-модели для ранжирования

2. Рекламный аукцион

# Упрощённая логика аукциона Google Ads
def run_auction(query, advertisers):
    """
    Аукцион второй цены с учётом Quality Score
    """
    bids = []
    for adv in advertisers:
        # Quality Score = CTR * релевантность * landing page experience
        quality_score = calculate_quality_score(adv, query)
        effective_bid = adv.bid * quality_score
        bids.append((adv, effective_bid))
    
    # Сортировка по эффективной ставке
    bids.sort(key=lambda x: x[1], reverse=True)
    
    # Победитель платит цену второй ставки + $0.01
    winner = bids[0][0]
    price = bids[1][1] / calculate_quality_score(winner, query) + 0.01
    
    return winner, price

3. ML-модели

BERT — понимание контекста запросов
RankBrain — ранжирование результатов
Smart Bidding — оптимизация ставок рекламодателей

#Ключевые метрики Google Search

Метрика	Значение
Ежедневные запросы	8.5 млрд
CTR рекламных объявлений	3-5%
Средний CPC	$1-2 (зависит от ниши)
Revenue per query	~$0.03

#AI-интеграция

Google использует AI для:

Генерации рекламных креативов — адаптивные объявления
Таргетинга — предсказание конверсий через Smart Bidding
Фрода — детекция кликового мошенничества

#Кейс 2: Meta (Facebook, Instagram)

#Бизнес-модель

Meta зарабатывает $117 млрд в год (2023) на рекламе в социальных сетях. 98% выручки — рекламный бизнес.

#Отличия от Google

Параметр	Google	Meta
Тип трафика	Поисковый (intent-based)	Ленточный (discovery-based)
Данные для таргетинга	Поисковые запросы	Социальный граф, интересы
Форматы	Текстовые объявления	Фото, видео, stories, reels
Аудитория	Активный поиск	Пассивное потребление

#Техническая архитектура

1. Социальный граф

3 млрд пользователей
Триллионы связей (друзья, лайки, группы)
Графовая база данных (TAO — The Association Object)

2. Рекламная система

┌─────────────────────────────────────────────────────────┐
│              Meta Ads Manager                           │
├─────────────────────────────────────────────────────────┤
│  Campaign → Ad Set → Ad                                 │
│     │         │         │                               │
│     ▼         ▼         ▼                               │
│  Цель     Аудитория  Креатив                            │
│  (трафик,  (lookalike,  (фото, видео,                   │
│   конверсия) retargeting) карусель)                      │
└─────────────────────────────────────────────────────────┘

3. ML-модели для таргетинга

DLRM (Deep Learning Recommendation Model) — предсказание CTR
Embedding-модели — векторное представление пользователей и товаров
Multi-task learning — оптимизация по нескольким метрикам одновременно

#Privacy-изменения после iOS 14.5

Apple ввела ATT (App Tracking Transparency), что ограничило сбор IDFA:

Потери Meta: ~$10 млрд выручки в 2022
Решение: Conversions API (серверная трекинг-интеграция)
AI-компенсация: ML-модели для атрибуции без cookie

# Упрощённая модель предсказания конверсии без IDFA
def predict_conversion(user_features, ad_features, context_features):
    """
    ML-модель предсказывает вероятность конверсии
    на основе агрегированных данных
    """
    # user_features: демография, устройство, геолокация
    # ad_features: категория, креатив, формат
    # context_features: время, место в ленте
    
    embedding = model.encode(user_features, ad_features, context_features)
    probability = model.predict(embedding)
    
    return probability

#Programmatic Advertising

#Экосистема

┌─────────────┐     ┌─────────────┐     ┌─────────────┐
│  DSP        │ ──▶ │   Ad Exchange│ ◀─ │  SSP        │
│  (Demand-   │     │   (биржа)    │     │  (Supply-   │
│  Side       │     │              │     │  Side)      │
│  Platform)  │     │              │     │             │
└─────────────┘     └─────────────┘     └─────────────┘
      │                                       │
      ▼                                       ▼
┌─────────────┐                         ┌─────────────┐
│ Рекламодатель│                         │  Издатель   │
│ (бренд)     │                         │  (сайт)     │
└─────────────┘                         └─────────────┘

DSP (Demand-Side Platform) — платформа для рекламодателей:

Google DV360, The Trade Desk, Amazon DSP
Позволяет покупать рекламу на множестве сайтов

SSP (Supply-Side Platform) — платформа для издателей:

Google Ad Manager, Xandr, Magnite
Помогает монетизировать трафик

Ad Exchange — биржа для RTB-аукционов

#RTB (Real-Time Bidding)

Процесс происходит за 100-200 мс до загрузки страницы:

Пользователь заходит на сайт
SSP отправляет запрос на биржу с данными пользователя
DSP оценивают аудиторию и делают ставки
Победитель показывает рекламу
Пользователь видит рекламу

# Псевдокод RTB-аукциона
def rtb_auction(user_data, page_context):
    bid_requests = send_to_dsp(user_data, page_context)
    
    bids = []
    for dsp in bid_requests:
        if dsp.wants_to_bid(user_data):
            bid = dsp.calculate_bid(user_data)
            bids.append(bid)
    
    winner = max(bids)
    return winner.ad_creative

#Технические требования для реализации

#Инфраструктура

Компонент	Требования
Хранилище данных	Petabyte-scale (BigQuery, Snowflake)
Обработка в реальном времени	Kafka, Flink, Spark Streaming
ML-инфраструктура	TensorFlow Serving, TorchServe
CDN	Глобальная доставка креативов
Трекинг	Cookie, device fingerprinting, server-side API

#Data Pipeline

┌─────────────┐     ┌─────────────┐     ┌─────────────┐
│  Клиентские │ ──▶ │   Kafka     │ ──▶ │  Flink/     │
│  события    │     │   (очередь) │     │  Spark      │
└─────────────┘     └─────────────┘     └─────────────┘
                                               │
                                               ▼
┌─────────────┐     ┌─────────────┐     ┌─────────────┐
│  Отчётность │ ◀── │   Data      │ ◀── │   ML        │
│  (BigQuery) │     │   Warehouse │     │   Features  │
└─────────────┘     └─────────────┘     └─────────────┘

#AI/ML компоненты

CTR Prediction — предсказание кликабельности
Conversion Prediction — предсказание целевых действий
Fraud Detection — детекция ботов и кликфрода
Budget Optimization — распределение бюджета рекламодателя
Creative Optimization — A/B тестирование креативов

#Региональные особенности

#США

Регулирование: CCPA (Калифорния), COPPA (дети)
Cookie: Поэтапный отказ Chrome (2024-2025)
Тренды: Contextual advertising, first-party data

#ЕС

Регулирование: GDPR, Digital Services Act
Согласие: Явный opt-in для cookie
Штрафы: До 4% глобальной выручки

#Китай

Платформы: WeChat, Douyin, Alibaba
Регулирование: PIPL (аналог GDPR), ограничения для несовершеннолетних
Особенности: Super-app экосистемы

#Россия/СНС

Платформы: Яндекс, VK, Telegram
Регулирование: 152-ФЗ (персональные данные), маркировка рекламы
Особенности: Локализация данных, серверы в РФ

#Монетизация и метрики

#Формулы расчёта

Revenue = Impressions × CPM / 1000
Revenue = Clicks × CPC
Revenue = Conversions × CPA

eCPM = Revenue / Impressions × 1000
Fill Rate = Impressions / Ad Requests × 100%

#Бенчмарки по индустрии

Индустрия	CPM (display)	CPC (search)
E-commerce	$5-15	$1-3
Finance	$20-50	$5-15
Travel	$10-25	$2-5
Tech	$15-30	$3-8
Games	$8-20	$1-4

#Проблемы и вызовы

#1. Privacy-first мир

Отказ от third-party cookie
Ограничения IDFA/GAID
Решение: first-party data, contextual targeting

#2. Ad Blockers

30% пользователей используют блокировщики
Решение: нативная реклама, спонсорский контент

#3. Ad Fraud

$81 млрд потерь от фрода в 2023
Типы: боты, кликфермы, domain spoofing
Решение: ML-детекция, верификация трафика

#4. Brand Safety

Риск показа рядом с нежелательным контентом
Решение: контент-модерация, blacklists

#Внедрение advertising model

#Чеклист для запуска

Критическая масса пользователей (минимум 100K MAU)
Система трекинга событий (клики, конверсии)
Интеграция с DSP/SSP или собственная платформа
Compliance с GDPR/CCPA
Модерация рекламного контента
Anti-fraud система

#Технологический стек

Frontend:
  - Ad server SDK (JavaScript, iOS, Android)
  - Header bidding wrapper (Prebid.js)

Backend:
  - Ad server (Google GAM, Xandr, собственный)
  - RTB exchange (для programmatic)
  - Data warehouse (BigQuery, Snowflake)

ML:
  - CTR prediction model
  - Fraud detection model
  - Budget optimization

Параметр

Значение

Барьер входа

Высокий (нужна критическая масса пользователей)

Маржинальность

60-80% после масштабирования

Масштабируемость

Очень высокая

Зависимость от данных

Критическая

Регуляторные риски

Высокие (GDPR, CCPA, антимонополь)

┌─────────────┐ ┌──────────────┐ ┌─────────────┐ │ Пользователь│ ──▶ │ Поиск │ ──▶ │ Реклама │ │ вводит запр.│ │ алгоритм │ │ аукцион │ └─────────────┘ └──────────────┘ └─────────────┘ │ │ ▼ ▼ ┌──────────────┐ ┌─────────────┐ │ Ранжировка │ │ Показ │ │ результатов│ │ рекламы │ └──────────────┘ └─────────────┘

Метрика

Значение

Ежедневные запросы

8.5 млрд

CTR рекламных объявлений

3-5%

Средний CPC

$1-2 (зависит от ниши)

Revenue per query

~$0.03

Параметр

Google