Куда делись Big Data и машинное обучение с приходом ИИ?

Ещё несколько лет назад digital-маркетинг жил в эпохе больших терминов.
Big Data, машинное обучение, предиктивные модели — всё это звучало почти как обязательный набор: если у платформы нет «данных» и «алгоритмов», значит, она вроде бы и не технологичная.

И это было не просто ощущение. В середине 2010-х рынок реально жил вокруг data-инфраструктуры: DMP, third-party cookies, look-alike, сегменты поведения. В какой-то момент Big Data стала почти синонимом AdTech.

А сегодня это слово слышно всё реже. Его место занял ИИ: AI-first, «ИИ в рекламе», генеративные модели, интеллектуальная оптимизация.

И возникает вполне логичный вопрос:
Big Data и машинное обучение правда ушли? Или мы просто перестали называть вещи своими именами?

Big Data никуда не исчезла — она стала инфраструктурой

На самом деле всё проще: Big Data не пропала, она просто перестала быть «фишкой».

Она стала базовым слоем — как электричество: вы не обсуждаете его каждый день, но без него ничего не работает.

То же самое произошло и с машинным обучением. Раньше компании отдельно подчёркивали: «мы используем ML-модели». Сегодня это воспринимается как встроенная функция рекламного двигателя — по умолчанию.

Поэтому ИИ не «заменил» Big Data. Он вырос из неё и поднял планку ожиданий: насколько быстро и точно система должна принимать решения.

Почему термин Big Data исчез из публичного поля?

Индустрия изменилась даже языково — и довольно быстро. Если смотреть на динамику интереса к терминам, то “Big Data” как модное слово пришлось примерно на 2016–2019 годы, а начиная с 2022–2023 на первый план вышло “AI”.

Это легко объяснить: рынок перестал продавать инфраструктуру и начал продавать эффект. Инвесторы и клиенты всё реже спрашивают «какие у вас данные?». Они спрашивают проще: что это даст моему бизнесу?

В итоге Big Data стала не тем, что нужно отдельно объяснять. Она стала тем, что просто должно быть, чтобы вообще иметь право участвовать в конкуренции.

Что действительно изменилось: ожидания от технологий

Если раньше данные отвечали на вопрос «что произошло?», а модели помогали предположить «что будет дальше?», то сегодня рекламные системы должны решать более практичную задачу:

что сделать прямо сейчас, чтобы кампания сработала лучше?

Поэтому ИИ сегодня — это просто новый способ делать то же самое: быстрее приводить кампании к результату. Не ради модных слов, а ради измеримого performance.

Как Big Data превратилась в ИИ у крупнейших платформ

Если посмотреть на то, что делают лидеры рынка, всё становится понятно.

Google в 2021 вывел на первый план Performance Max — оптимизация всё больше уходит «под капот».

Meta сместила фокус от ручных интересов к AI-ранжированию и автоматизации (в том числе Advantage+).

Amazon Ads исторически силён данными о покупках, но сейчас ускоряет эффективность за счёт AI-оптимизации размещений и ставок.

The Trade Desk развивает AI-подход к programmatic-закупке и принятию решений в реальном времени.

Все эти продукты — примеры того, как Big Data перестала быть самостоятельным термином и стала топливом для AI-решений.

Рынок не отказался от данных. Он просто перестал считать их конечной ценностью.
Ценность теперь — в том, что данные позволяют сделать: быстрее учиться, точнее отбирать показы и стабильнее давать результат.

SlickJump: от данных — к AI-оптимизации

Наши алгоритмы всегда строились на data-подходе: контекстные сигналы, поведенческие паттерны, качество площадок, отклик кампаний. Big Data была фундаментом.

А сегодня этот фундамент естественно вырос в AI-уровень.

По сути, мы прошли тот же путь, что и крупнейшие платформы рынка: от работы с массивами данных — к системам, которые принимают решения быстрее и точнее.

И это не просто новая упаковка. Мы действительно видим эффективность такого апгрейда в performance-кампаниях: в скорости обучения, снижении «шума» и более стабильном результате.

Сегодня ключевой вопрос уже другой: не просто «собирать данные», а превращать их в решения — быстрее, точнее, эффективнее. Именно здесь появляется AI-слой: он ускоряет оптимизацию кампаний и уменьшает долю нерелевантных показов.

На практике это даёт измеримый эффект: например, в одной из FMCG-кампаний CTR достиг 0,62% при сохранении бюджета, а время выхода на стабильный performance сократилось почти в пять раз по сравнению с прежними сценариями оптимизации без AI-уровня.

Проще говоря: меньше случайных показов — больше точных попаданий, и как следствие более предсказуемый результат.

Big Data не исчезла — она просто стала невидимой

Big Data и машинное обучение никуда не пропали — они стали частью нового уровня. Индустрия просто перестала обсуждать фундамент и начала говорить о том, что действительно важно: о результате.

ИИ сегодня — это не магия и не резкая смена эпохи. Это следующая ступень эволюции рекламных технологий, где данные работают не ради терминов, а ради эффективности.

И главный вопрос теперь не «где взять Big Data», а как превратить её в результат.

SlickJump занимается именно этим.

Если хотите обсудить — мы на связи

Если вам интересно, как сегодня меняется performance-маркетинг и почему AI-подход даёт рост эффективности даже в нишевых категориях — команда SlickJump всегда открыта к разговору.

Иногда лучший способ понять эволюцию технологий — просто увидеть её в цифрах своей следующей кампании.