Google недавно опубликовала подробности об обновленной системе искусственного интеллекта, которую они используют для выявления мошеннической активности в Google Ads. Согласно их исследованиям, опубликованным 31 декабря 2025 года, этот новый ИИ уже запущен и значительно улучшает обнаружение мошенничества – более чем на 40% – при этом сохраняя очень высокий уровень точности (99,8%) для определенных политик.
Купил акции на все деньги, а они упали? А Илон Маск снова написал твит? Знакомо. У нас тут клуб тех, кто пытается понять этот цирк и не сойти с ума.
Купить на падении (нет)ALF: Advertiser Large Foundation Model
ALF, или Большая Фундаментальная Модель Рекламодателя, — это новый ИИ, выпущенный 31 декабря 2025 года. Он предназначен для понимания различных типов контента — текста, изображений и видео — и учитывает такие факторы, как продолжительность активности аккаунта, платежная информация и прошлые результаты, чтобы предоставлять аналитические данные.
Исследователи отмечают, что хотя каждый из этих факторов сам по себе может не казаться подозрительным, рассмотрение их всех вместе дает более четкое представление о том, что делают рекламодатели и почему.
Одной из самых больших проблем в этом мире цифровой рекламы является понимание того, чего пытаются достичь рекламодатели и как они действуют. Знание этого необходимо для таких вещей, как показ людям релевантной рекламы и выявление мошеннического или неуместного контента.
Как SEO-эксперт, я узнал, что решение сложных проблем с ранжированием означает изучение *всего*. Мне нужно анализировать все виды данных – не только основы, такие как срок активности аккаунта или информация о выставлении счетов. Я также углубляюсь в сами объявления – текст, изображения и видео – и в то, что находится на целевых страницах, на которые эти объявления ведут. Речь идет о полной картине, а не об изолированных фрагментах.
Рассмотрим следующее: рекламный аккаунт, созданный совсем недавно, продвигающий популярный бренд с помощью текста и изображений, и одна неудачная попытка списания средств с кредитной карты. Хотя любая из этих вещей сама по себе не является необычной, вместе они явно указывают на потенциальную мошенническую деятельность.
Исследователи решают три задачи, которые предыдущие системы не могли преодолеть:
Данные рекламодателей не являются однородными – они поступают во многих различных формах. Некоторые данные организованы и легко категоризируются, например, как долго рекламодатель активен или его способ оплаты. Другие данные менее структурированы, такие как изображения, текст и видео, которые они используют в рекламе. Кроме того, с каждым рекламодателем связано огромное количество информации – сотни или даже тысячи точек данных. Эта сложность затрудняет эффективную работу стандартных методов анализа данных.
Как цифровой маркетолог, я часто имею дело с огромными объемами креативных материалов – представьте себе тысячи изображений и видео. Реальной проблемой, с которой мы столкнулись в старой системе, был потенциал скрытия вредоносных материалов внутри этих тысяч легитимных файлов. Это было как искать иголку в стоге сена, и сам масштаб задачи подавлял предыдущую настройку. По сути, злоумышленники могли незаметно добавить пару вредоносных файлов среди тонн хороших, и нам было трудно их обнаружить.
Системе необходимо надёжно и точно идентифицировать потенциально злоумышленников. Крайне важно, чтобы оценки достоверности, которые она предоставляет, были надёжными, поскольку ошибочная пометка легитимного рекламодателя может нанести ущерб его бизнесу. В идеале, система должна стабильно хорошо работать, не требуя частых корректировок или исправлений.
Конфиденциальность и безопасность
ALF изучает потенциально конфиденциальную информацию, такую как данные выставления счетов и сведения об учетных записях, но он разработан с надежной защитой конфиденциальности. Прежде чем будет проведен какой-либо анализ, вся информация, которая может идентифицировать человека, удаляется. Это означает, что ALF выявляет потенциальные риски, анализируя, как используются учетные записи, а не используя личные данные.
Секретный соус: как он выявляет выбросы
ALF улучшает свою способность выявлять проблемы, используя метод под названием «Inter-Sample Attention». Вместо того чтобы рассматривать каждого рекламодателя по отдельности, он группирует их вместе и сравнивает, как они взаимодействуют. Это помогает ИИ понимать типичные закономерности среди всех рекламодателей, что делает его лучше в распознавании необычной активности, которая может указывать на проблему.
Alf Outperforms Production Benchmarks
Исследователи обнаружили, что их тесты демонстрируют, что ALF работает лучше, чем тщательно оптимизированная, в настоящее время используемая система.
Наши тесты демонстрируют, что ALF работает намного лучше, чем наша существующая система, и также достигает отличных результатов на стандартных публичных тестах. При использовании в реальной обстановке ALF значительно улучшает как точность, так и полноту своих результатов. В частности, он увеличил полноту более чем на 40% для одной важной задачи и достиг точности 99.8% по другой.
Это показывает, что ALF может производить реальные, заметные улучшения в практическом, повседневном использовании – не только в тестировании или контролируемых условиях.
Мы подтвердили, что этот метод работает хорошо, сравнив его с высокооптимизированной существующей системой. Эта система была тщательно разработана посредством всестороннего тестирования различных типов моделей и настроек, включая глубокие нейронные сети, комбинированные модели, градиентный бустинг решающих деревьев и логистическую регрессию с различными комбинациями признаков.
Хотя ALF — более крупная модель, и ей требуется немного больше времени для ответа, её скорость всё ещё вполне приемлема для наших нужд, и мы можем сделать её ещё быстрее с помощью специализированного оборудования. Тестирование показывает, что ALF значительно лучше выявляет ключевые риски, чем наша предыдущая система. Это улучшение связано с тем, что ALF может понимать полный контекст информации, чего не могут более простые системы. Эта выгода оправдывает компромисс, поскольку ALF в настоящее время обрабатывает миллионы запросов каждый день.
Задержка (Latency) – это время между запросом и ответом системы. Наши исследования показывают, что ALF незначительно увеличивает эту задержку по сравнению с нашей предыдущей системой, но время ответа всё ещё достаточно быстрое для практического использования. Важно отметить, что ALF уже обрабатывает большое количество запросов и значительно улучшает наши возможности по обнаружению мошенничества.
Улучшенное обнаружение мошенничества
ALF, новая система, разработанная исследователями, в настоящее время используется в Google Ads для выявления рекламодателей, нарушающих правила рекламы Google. Пока она не используется в других продуктах Google, таких как Search или Google Business Profiles. Однако команда предполагает, что они могут изучить, как изменения во времени могут помочь выявить новые типы нарушений, а также как ALF можно использовать для лучшего понимания аудитории и улучшения дизайна рекламы.
Прочитайте оригинальную PDF-версию научной работы:
ALF: Advertiser Large Foundation Model for Multi-Modal Advertiser Understanding
Смотрите также
- Интерфейс интерактивной карты панели местных знаний Google
- Акции ETLN. Etalon Group PLC: прогноз акций.
- Акции SVAV. СОЛЛЕРС: прогноз акций.
- Акции LSNG. Ленэнерго: прогноз акций.
- Anthropic анонсирует бесплатный чат-бот Claude AI для Android
- Ошибка фильтра внешнего вида в отчете о производительности Google Search Console (будет исправлена)
- Понимание и оптимизация совокупного смещения макета (CLS)
- Факторы нецифрового маркетинга, которые снижают рентабельность инвестиций в цифровой маркетинг
- 5 SEO-инсайтов об исходящих ссылках
- Документы Google: не указывайте URL-адрес фрагмента как канонический
2026-01-07 13:40