Телеграм канал «Дизраптор»

Почему банки так активно идут в рекламу?

Весной я разбирал, как банки:
(а) Становятся новым полноценным рекламным каналом (типа как ритейл-медиа в своё время),
(б) Какое именно у банков/финтехов есть unfair advantage на этой поляне.

Кратко: они единственные видит "рекламное уравнение" с двух сторон целиком - и насколько эффективно компания размещается и получает показы/клики/оплаты, и что конкретно люди покупают (не в одном магазине, а вообще).

Так вот, 18 сентября прошёл "День финтех-медиа" - первая конфа не про банки/финтех, а именно про рекламу в них. Участвовали именно рекламные юниты банков/финтехов: Т-Реклама, Альфа, SberAds, МТС Ads. Раньше я такой нарезки не видел, что косвенно подтверждает, как данный необычный "рекламный носитель" (назовём это так) становится отдельным рынком.

Смотрите, в ритейле и екоме рекламные юниты (те самые "ритейл-медиа") выросли в монструозные бизнесы. У Amazon реклама в 2025 принесла почти $70 млрд (кажется, это примерно как весь их еком), сегодня они третья рекламная платформа мира после Google и ещё одной конторы. Почему? Ну, потому что есть замкнутая петля "показал → купили". Но у банков эта петля работает ещё лучше - не по одному магазину, а по всем сразу. Amazon видит, что вы купили на Amazon, а банк - что вы купили везде его картой. Отсюда возникают рекламные механики, которых нет ни в одном другом рекламном кабинете. Например, клиент начал ремонт и тратит на стройматериалы - самое время предлагать технику (это пример от М.Видео с конфы).

Но я хотел бы выделить другой нюанс. Реклама всегда получает буст через репутацию. И вот тут у банка/финтеха преимущество номер два, причём оно состоит из двух частей:

Во-первых, работает простая психология. Если вы храните где-то свои деньги, доверяете самое ценное (ну, из материального), то доверие к этому бренду у вас априори высокое. Даже если вам кажется, что нет. Размещая рекламный оффер, банк делится с брендом своей репутацией, и клиент перекладывает это на рекламу из оффера.

Во-вторых, это работает и в другую сторону. Один левый токсичный оффер - и всё, клиент бесится на банк, и его репутация начинает рушится. А это для банка капец, т.к. см. выше. Следовательно, спамить по чём зря, как обычные рекламные сети, банки просто не могут себе позволить (исходя из базовой логики из бизнеса). Собственно, поэтому вся конфа и крутилась вокруг единых правил и прозрачности.

ИМХО, это самая важная трансформация рекламного рынка за последние пару-тройку лет. И история точно будет развиваться. Аудитория, данные, инвентарь и доверие у финтех-медиа уже есть. Не хватает разве что понятных правил и доказанной эффективности. Но, думаю, это не проблема - ритейл-медиа прошли этот путь за пару лет, и я не вижу причин, почему здесь будет иначе.

Дизраптор

Сказ о том, как Ozon сортировку автоматизировал

На День программиста гонял на E-CODE - ежегодную конфу Ozon Tech. Там дофига всего было: про их tech и опенсорс, как они AI/ML внедряют, и даже как под капотом устроен Морковск, кек. Но я особо прикололся с истории, как они с нуля сделали 3D-сортировщика для склада. Это фрагмент из блока про роботизацию (её и другие записи выступлений можно глянуть тут), а я сейчас расскажу основное.

Итак, в чём, собсна, была проблема. На сорт-центр Ozon заезжает до 100 тысяч товаров в час (100 ТЫЩ В ЧАС). Приезжают все они в коробках, в каждой лежит (в среднем) 27 штук товара, всё вперемешку.

Но в вашем ПВЗ вы забираете не спиночесалку, которую дядя Вася заказывал, а ровно то, что заказали вы. То есть, товары нужно быстро, чётко и (желательно) максимально эффективно отсортировать. И первый этап сортировки - это "раскидать" все товары по 400-600 направлениям, примерно столько обслуживает один сорт-центр.

Но есть нюанс - никто не знает, в какой коробке что лежит, поэтому каждая сортировочная машина должна уметь пулять товар во все направления сразу. А их, напомню, аж 400-600 штук.

По классике такую задачу решают через "кросс-белт" - конвейер с лентами-скидывателями, вдоль которого стоят коробки. Но под 400 направлений он вытянется на сотни метров, а если встанет, то... лучше даже не представлять.

Поэтому ребята решили поменять подход и "делать наверх". Они взяли алюминиевый профиль, станочные направляющие, два сервопривода (один ездит по горизонтали, второй по вертикали) и ленточную каретку, которая скидывает товар налево или направо. Получился своеобразный робот-кран, поэтому штуку назвали... "Робокран". Машинка относительно небольшая, но направлений берёт много. Подробнее можете глянуть на картинках.

Но тут всплыла ещё одна проблема. Товар Озона - это не аккуратная коробочка одного размера. Он может быть очень разный - мелкий/большой, твёрдый/мягкий, отскакивать и т.д. И чтобы он точно попадал в каретку - её пришлось научить "подныривать" под подающий буфер. Это было непросто, потому что товар буквально "зажёвывало" (как бумагу в принтере), и приходилось каждый раз звать кожаного, что руинило весь смысл роботизации. Пришлось калибровать до долей миллиметра, но справились. Чтобы упростить разработку на этом этапе - каждому разрабу выдали свой "виртуальный кран".

Потом упёрлись в человека ещё раз. Один Робокран делает 360-450 товаров в час, а оператор кладёт до 1000 в час. Решение - сделать сдвоенный Робокран. Но на 10 тысяч товаров в час нужно 28 таких, а на весь поток сорт-центра - ещё раз в десять больше.

Но всё равно, даже когда полностью убрали человека с сортировки - появилась новая ручная работа. Кто-то должен снимать заполненные коробки с Робокрана и ставить на него пустые, чего при ручной сортировке не было вообще (там человек сам разложил-закрыл- отдал). В итоге, добавили модуль, который сам снимает и ставит ящики.

Я пока слушал - прям экс-консалтерскую скупую слезу пустил. Сразу флешбеки, как автоматизируешь один шаг процесса, а рядом вываливается новый прикол, которого раньше вообще не было. В итоге, идёшь шаг за шагом, пока не упакуешь в новый формат весь процесс от и до. А Ozon в процессе ещё и полноценного нового робота изобрёл (которого можно даже в отдельный продукт завернуть), прикольно.

Дизраптор

Железо дорожает, но ИИ становится дешевле. Как так?

Глянул интервью гендира Yandex Cloud Григория Атрепьева Ведомостям. Вообще, там на редкость "мясной" контент про агентов, ИИ-кибербез, что делать с сотрудниками и немного про планы самого Яндекса в ИИ. Но я хочу остановиться на конкретном моменте про ИИ-вычисления, важным для всей ИИ-индустрии.

Смотрите, сейчас в ИИ-вычислениях происходит довольно странная штука:
1. Железо очевидно дорожает. Серверы за год улетели в 2–5 раз, адски подорожала память и всё остальное.
2. Но токены (то есть, сколько результата модель на конкретном железе делает юзеру за Х времени) при этом дешевеют. Атрепьев приводит цифры самого Яндекса: у них выручка на тот же объём токенов упала за год в 6 раз, а по классу "лёгких" Flash-моделей цена снизилась почти в 14 раз.

Это, вообще говоря, парадокс. Обычно, если сырьё дорожает, то продукт тоже дорожает. А тут наоборот. Давайте разберёмся - почему так (здесь ключевое из статьи дополню своими мыслями).

Смотрите, себестоимость токена для провайдера (для OpenAI, Anthropic или того же Яндекса) считается так:
🤩 Числитель = стоимость часа работы одной GPU. Сколько стоит, чтобы одна видеокарта крутилась один час, включая её амортизацию, обслуживание, инженеров, электричество и всё-всё-всё.
🤩 Знаменатель = число токенов, которые она за этот час обработала.

Так вот, числитель вырос примерно в 2-5 раз, но знаменатель - гораздо сильнее. Причин несколько, и они работают вместе и усиливают друг друга:

1. Модели стали дешевле в исполнении при сопоставимом качестве. ИИ-компании выкатывают Flash-версии, и это не "урезанные модели-обрубки", как многие думают, а иначе спроектированные. Например, с применением MoE (Mix of Experts), где на разные токены бросается не вся модель, а нужный кусок.

2. Рост входящих токенов. Токены бывают разные. Есть входные (промпты, документы), где модель берёт весь текст и обрабатывает всё разом, параллельно. А есть выходные, которая модель выдаёт. Их нужно генерить по одному, перечитывая все веса из памяти на каждое новое слово (ну, если грубо). Так вот, входящие токены сильно дешевле, и их доля сильно выросла. Я думаю, это потому что юзеры привыкли кидать в модель не чёткий промпт или хотя бы структурированный запрос, а всё подряд - кучу несвязного текста огромными кусками, пдф-доки и т.д. И если считать с т.з. расхода токенов - это дешевле. У Яндекса соотношение 4:1 в пользу дешёвых.

3. Кэш. Если у тысячи запросов одинаковое начало (системный промпт, история чата и т.д.), то модели достаточно переварить один раз, а дальше брать куски из готового. Провайдеру это сильно дешевле. В том же DeepSeek V4 Flash кэшированных запросов около 70% токенов - то есть, агент 7 из 10 шагов шлёт почти одно и то же. И доля кэшированных запросов растёт. Почему - не буду углубляться, иначе свалимся в дебри, но если кратко, то тут и рост агентных цепочек, и более многоходовые чаты, и популярность системных промптов (например, в корп поддержке), и много что ещё.

4. Наконец, сама инженерия инференса: батчинг (прогнать через одни веса не одного юзера, а сразу кучу), квантизация, более продвинутое декодирование и т.д. Прикол в том, что всё это работает на большом потоке (нет одновременных запросов - нечего объединять). А поток, как вы понимаете, растёт.

Теперь главное - что это меняет, и что делать. У провайдеров выручка отвязалась от объёма: теперь чтобы стоять на месте - надо расти по токенам в 5-6 раз в год. Ещё, им придётся сильнее гнаться за плотностью, отсюда и амбиции занять "половину рынка" (тренд на укрупнение), и буст агентов в мессенджерах (= генераторы потока), и активная работа с партнёрами, которые приводят доп нагрузку. А для клиента ограничение теперь сидит не в цене, а в умении хорошо внедрять и наращивать полезное потребление. Потому что агенты, которые жгут на порядок больше, наконец начинают окупаться на дешевеющих токенах. Ну и главное узкое место индустрии - это теперь окончательно память, а не сами вычисления.

Короче, пока эксперты ванговали дефицит ИИ-мощностей - в реальности дефицитом стало умение нормально крутить ИИшку и жечь дешевеющие токены.

Дизраптор

Вы можете залить ваш трек на страницу любой звезды в Spotify, получить его прослушивания, а роялти забрать себе

10 сентября у бруклинской панк-группы Lathe of Heaven (как я понял, группа известная, но в узкий кругах) вышел новый сингл "Riding High". Он появился на их верифицированной странице в Spotify, а заодно в Apple Music, Tidal, Amazon Music и Deezer.

Вот только сама группа узнала об этом последней, потому что это вообще не их трек. Его сделал журналист 404 Media Эмануэль Майберг (ай, шалунишка). Причём сделал его издевательски легко - песню он сгенерил в Udio промптом уровня "сделай панк-песню с мужским вокалом", а обложку нарисовал в ChatGPT. На всё про всё ушло 5 минут и несколько баксов.

Возможно, вы спросите:
Аффтар, падажжи, как какой-то левый хрен с горы может выложить свой слопо-трек на реальной странице реальной группы на всех стримингах?
Отвечаю: легко и просто. Дело в том, что музон на Spotify музыканты заливают не сами, а только через посредников - через лейблы (если ты покрупнее) или сервисы-дистрибуторы вроде DistroKid (именно он был в истории) и аналоги. А DistroKid - это обычный SaaS, где вы платите за подписку, заливаете файл, а он уже раскидывает его по всем площадкам и потом собирает с них ваши роялти. Купить акк у дистрибутора может кто угодно, цена вопроса 3,75$.

А вот дальше главный прикол. Страница артиста на Спотике или Амазоне - это не кабинет с логином, а тупо полка в каталоге. И что на неё ляжет - решают метаданные релиза. Майберг вбил в поле "название группы" Lathe of Heaven, и DistroKid сам нашёл настоящие страницы группы и вежливо спросил: "Это вы?".

Майберг ответил: "ага, мы", и ещё проставил пару галочек в духе "права мои, мамой клянусь". Ну и всё, через день трек лежал везде.

Итак, с "как" разобрались, осталось понять "зачем". Смотрите, роялти за прослушивания идут по цепочке "стриминг → дистрибьютор → тот, кто залил". Настоящий артист, на чью полку попал трек, в ней не участвует, он лишь поставляет трафик: новинка висит наверху профиля, подписчикам летят уведомления, трек лезет в подборки и т.д. Это как если бы вы опубликовали рекламу у меня в Дизрапторе, собрали просмотры от подписчиков (которых я тут годами собирал), получили за это деньги, а я бы вообще в схеме не участвовал. Ух, аж не по себе от таких мыслей стало 😱

Эту проблему летом начали отслеживать добровольцы - они нашли 300+ таких самозванных треков на Spotify. И не только у нишевых британских панк-групп, а даже у Тейлор Свифт и давно умерших джазменов. Подкидывать слопо-песни покойникам, кстати, особенно удобно - за страницей уже никто не следит, но слушать продолжают, денежки капают.

Самое удивительное, что этой дыре уже много лет. Spotify что, не знает, как у него работает залив треков? Конечно, знает. Просто раньше это не было проблемой. Потому что сгенерить сносный трек, похожий по жанру (откровенно галимый фейк быстро спалят, не будут слушать и удалят) - это дорого, а стриминговые отчисления копеечные. То есть, такая схемка начинает работать только на потоке из сотен треков. И раньше экономика не сходилась. А теперь, с дешёвыми ИИ-генерашками - сходится.

Очень похожий я разбирал в посте про стартап Medvi. Суть в том, что ИИ не только изобретает новые лазейки, но и делает рентабельными старые, просто потому что радикально удешевляется вся экономика арбитража. Так что, площадкам пора не только отбиваться от свежих ИИ-угроз, но и поднимать список древних дыр, на которые годами было пофиг.

P.S. Если Канье Вест кинул вас на питерские билеты - залейте ему трек в Спотик и заберите его отчисления. Пусть знает, как людей русских на бабки скамить и всякий *запрещённый экстремизм* пропагандировать! Не является инвестиционной рекомендацией.

Дизраптор

Вайбкодинг добрался и до маркетинга. На Mindbox Конференции ему посвятили целый день: 24 октября пройдет лаборатория вайбкодинга со школой Вани Замесина.

Маркетологи научатся быстро проверять гипотезы с помощью ИИ, без разработчиков и аналитиков.

А в первый день конференции, 23 октября, — 40+ спикеров с докладами о CRM-маркетинге и рекламе. Много будет про ML и нейросети. Например:

— аптеки «Вита» отдали аналитику и рассылки мультиагентной сети;

— Купер доверил реактивацию предиктивной модели и удвоил ROMI;

— «Читай-город» настроил Директ на самых горячих пользователей и добавил 56% к выручке с клика.

Еще — разговор маркдиров о главных открытиях года и интервью с CEO ВкусВилла, Дринкита и Диван.ру.

Участие онлайн бесплатное.

📅 23–24 октября

🔗 Зарегистрироваться

Налоговая увидела новость про муху:

Если новость выходит слишком быстро - это не человек

Помните взлом Hugging Face роем ИИ-агентов? У этой истории есть ещё один интересный побочный момент. В августе на ИИ-конфе в Вегасе OpenAI призналась, что сбежавшие агенты ещё и завели себе доску сообщений, где обсуждали атаку.

Но нас сейчас интересует даже не сама новость, а что случилось после. Журналисты в зале, понятное дело, тут же начали строчить, и издание Wired и ещё несколько годных tech-медиа запостили новость одними из первых... Но всё равно проиграли на целых 3 часа ноунейм-сайту RuntimeWire, у которого представителей на конфе не было вообще. Более того, у него нет ни одного реального корреспондента.

RuntimeWire делает один человек - Райан Меркет, бывший CTO Microsoft for Startups, а до этого рекламщик в Reddit. Всю "журналистику" там делают ИИ-агенты, и обходится это примерно в $100 в день. Конкретно в том кейсе Меркет увидел в X пост сотрудника OpenAI про доклад, скормил агентам расшифровку трансляции прямо по ходу выступления, и через шесть минут заметка уже висела на сайте. Правда, с опечаткой в подзаголовке и с небольшим искажением сути, но кому не пофиг, зато раньше всех!

И он такой не один. Аналитик BlackRock Дакота Карраско в свободное от работы время держит The Dissent - городское агент-медиа про Сан-Франциско. Там есть репортёрша мэрии Бекс Коннолли ("скептичная, но не ехидная"), спортивный обозреватель Сэл Морено, и много других персонажей, которых на самом деле не существует.

Оба сервиса устроены примерно так:
1. Агенты круглосуточно шерстят блоги и ченджлоги компаний (это странички "что нового в продукте"), судебные базы, отчётности, форумы и соцсети.
2. ИИ-куратор оценивает каждый сюжет по определённому стандарту (читай: промпту): новое ли это, первичный ли источник, писал уже другие или нет, и т.д. Wired пишет, что из 72 тыс. просканированных сюжетов в публикацию ушло около 2%.
3. Дальше агент делает ресёрч по первоисточникам, пишет черновик и фактчекает.
4. Другой агент ставит статье юридический риск. Низкий - публикуется вообще без человека, средний - человек должен посмотреть, высокий - в помойку.
5. Дальше готовый текст размножается в переводы, видосы/подкасты с синтетическим ведущим, шортсы, пуши, SMS-уведомления и т.д.

Однажды Меркет неделю рулил всем этим ИИ-зоопарком из мессенджера на телефоне и выпустил 80+ статей.

В общем, если какой-то ресурс публикует новости раньше всех - будьте уверены, там не люди пишут. А вот когда я выпускаю пост про протухшую новость месячной давности, то это потому что я вас уважаю и руками пишу, а не сраной нейронкой 👍

Дизраптор