Moloco / iOS in-app: сегодня разбор без технического changelog

Сегодня в 17:00 GMT+3 запланирована трансляция по iOS-приложениям и последним обновлениям Moloco.

Что заявлено в повестке:
— подходы и сеттинги для iOS-приложений;
— запуск приложений и работа с iOS-трафиком;
— изменения в Moloco;
— удорожание In-App трафика;
— работа с приложениями после обновлений.

Для ad-ops / UA-команд это стоит смотреть не как спецификацию Moloco, а как практический разбор текущей операционки по iOS inventory: где меняются настройки, что происходит с ценой in-app supply и какие параметры запуска приложений требуют пересмотра.

Важно: в анонсе нет деталей по конкретным изменениям в API, bidding logic или атрибуции Moloco. Поэтому технические выводы лучше делать только после самой трансляции или официальных материалов вендора.

Источник: https://t.me/arbihunter/1367

BeFluence на MAC 2026: не RTB, но performance supply вне bid stream

26–27 мая команда BeFluence будет на MAC 2026 в Ереване.

Что известно по фактам:
— vertical: iGaming / Betting
— формат: influencer marketing agency с фокусом на performance-результат
— площадки: Twitch, Kick, YouTube, Telegram, Instagram и другие
— масштаб: кампании в 15+ GEO
— volume: 1 000+ интеграций с блогерами и каналами ежемесячно

Почему это важно для programmatic-команд:
— это не SSP/DSP-инвентарь и не header bidding, но конкурирует за тот же performance budget;
— для SPO-аналитики такие каналы нужно учитывать отдельно от RTB supply path, иначе CPA/ROAS по paid acquisition будет сравниваться некорректно;
— при миксе programmatic + influencer важно разносить атрибуцию по источникам, где нет bid request / win notice / auction log.

Без данных по attribution model, pricing и post-view/post-click окнам оценивать эффективность нельзя. Но сам масштаб интеграций уже достаточен, чтобы не смешивать этот supply с классическим programmatic в одном отчёте.

Источник: https://t.me/igamingceo/937

Алгоритмы в pricing срезают ad bids, а регулятор уже смотрит на AI-цены

Ron Berman и Hangcheng Zhao на данных почти 2 400 повторных Amazon-searches: prices fall в категориях, где algorithmic pricing распространён и покупатели сравнивают меньше вариантов. Dataset: более 2 млн products и более 1 млн daily price observations.

Для RTB это полезный контрпример к тезису «AI pricing всегда разгоняет цену». В исследовании algorithms push advertising bids lower: merchant cost снижается, часть эффекта проходит в buyer prices. Но знак зависит от search depth: меньше сравнений — ниже baseline, больше сравнений — выше baseline.

В марте House Committee on Oversight and Government Reform открыл inquiry по AI-driven pricing в consumer-facing industries. Для DSP/SSP-стека это означает, что логи auction decisions, bid adjustments и разделение pricing/targeting будут смотреть не только ad-ops и finance.

AI-поиск режет клики: video inventory становится не форматом, а SPO-задачей

В Digiday вышел sponsored-материал EX.CO; в нём фигурирует Shachar Orren, co-founder и CRO/CMO EX.CO. Тезис для паблишеров: ставка на видео как на слой инвентаря при просадке привычного click-flow из поиска.

Для ad-ops это не «добавить плеер на страницу». Video supply сразу тащит другой risk surface: player placement, instream/outstream классификацию, viewability, IVT-фильтры и разметку в bid request. Если слой заводить без контроля sellers.json/ads.txt и placement taxonomy — SPO потом будет резать не «плохие пути», а весь новый revenue path.

Минимальный sanity-check перед запуском:
— отделить video ad unit от display в отчётности;
— проверить content/player signals в OpenRTB;
— сверить IVT/viewability у вендоров до масштабирования.

ACR без DSP превращается в отчёт: сигнал CTV нужен до bid decision

Oscar Rondon, vice president of data and measurement solutions в Nexxen, в материале Digiday формулирует позицию: ACR-данные ценны только когда живут внутри DSP, а не отдельно от закупки.

Для CTV/TV это сдвиг из measurement-layer в activation-layer. Если ACR остаётся посткампейн-дашбордом, он не влияет на pacing, audience expansion, frequency и SPO-решения в момент bid request.

Проверка для стека простая: где именно ACR попадает в decisioning — в UI-отчёт после факта или в сегмент/feature, доступный bidder logic до ставки?

BuzzFeed: $1.7B peak valuation → $120M deal, cash сейчас только $20M

BuzzFeed продаёт больше половины компании за $120 млн и получает сейчас только $20 млн кэшем. Vox Media, оценённая в $1 млрд в 2016, продаёт New York Magazine и podcast network Lupa Systems за сумму свыше $300 млн.

Это не апдейт OpenRTB, но сигнал по supply-side экономике: premium publisher плохо держит модель, если монетизация завязана на платформенную рекламу и чужой demand. Для ad-ops — повод смотреть не gross CPM, а net revenue по path: GAM/AdX, SSP, PMP, direct.

Проверка на уровне bid stream:
— доля платформенного demand в revenue mix;
— take rate по основным SSP path;
— fill vs net revenue для premium inventory;
— duplicated supply, который съедает auction pressure.

Omnicom режет ad tech-слои: publishers слышат push, SSP — риск bypass

По данным Digiday, buyers внутри Omnicom holding group «heavily encouraged» вести больше spend напрямую к publishers, а не через несколько слоёв ad tech. Два supply-side источника подтвердили такой сигнал.

Один executive отдельно отметил: раньше он не слышал, чтобы agency настолько открыто признавала уход от частей ad tech chain. Для SPO это важнее пресс-релизов: buyer-side уже готов называть лишние hops проблемой, а не «особенностью рынка».

Анти-кейс для паблишера — считать direct push автоматическим ростом yield. Проверять нужно не риторику, а фактический route в bid stream: seller path, deal setup, долю spend вне intermediaries и где именно исчезает комиссия.

Если SSP не может объяснить свою добавленную стоимость в цепочке — его начинают объяснять как лишний hop.

Publicis забирает LiveRamp — Omnicom уже сдвинул drop-dead date на выход

Publicis Groupe заключает сделку по покупке LiveRamp. Почти сразу marketers начали звонить партнёрам и консультантам; Omnicom ускорил выход из LiveRamp после сделки.

В identity-wrapper теперь проверяют не match rate, а ownership risk: где ID-инфра становится зависимостью от чужого holding stack. Для DSP/SSP-связок это пересборка vendor graph — сегменты, onboard-пайпы и activation endpoints нельзя держать на одном внешнем ID-слое без плана отключения.

Тест на зрелость: LiveRamp можно выключить без перепрошивки всей цепочки?

До 90% ботов в RTB-разборе: $50 на залив — не бюджет, а датчик мусора

Вышел YouTube-подкаст про реалити-арбитраж: залив с $50 в кармане и разбор фрода на RTB. В выпуске с Алексеем, CEO OctoClick, отдельно разбирают, откуда в RTB берётся до 90% ботов.

Для SPO здесь интересен не «залив с минимальным бюджетом», а сама постановка диагностики: если inventory даёт дешёвый bid stream, но конверсия уходит в роботов, оптимизация CPM/CPC ничего не лечит. Сначала нужно отделять источник supply, смотреть качество трафика и только потом решать, что резать в path.

Хороший повод пересобрать собственный anti-IVT чеклист: не на уровне «площадка плохая», а по цепочке exchange → seller → placement → поведение после клика. Иначе $50 быстро превращаются в тест не оффера, а мусорного RTB-инвентаря.

Cookieless targeting без MAID и third-party cookies: где ещё остаётся сигнал для DSP

Контекстный таргетинг снова стал инфраструктурной задачей, а не fallback-механикой. Разница теперь в том, что DSP смотрит не только на URL и keywords, а на полный набор сигналов из bid request: site.content.cat, pagecat, content.language, viewability history, seller path и device hints.

Что реально работает в cookieless-среде:

— Context + taxonomy mapping.
IAB Content Taxonomy v3 + semantic classification дают стабильнее inventory segmentation, чем legacy keyword match. Особенно в news / UGC inventory, где title-level matching ломается от шумных запросов.

— First-party graph через Prebid RTD-модули.
Если publisher хранит event-level data внутри CDP или data clean room, RTD может пробрасывать cohort / propensity score прямо в auction:

ortb2.user.data[].segment[]

Без user-level ID sync и cookie matching.

— Supply-path filtering.
Cookieless-аукцион хуже переносит длинный reseller chain. Чем больше hops между publisher и DSP, тем слабее signal fidelity. sellers.json + schain становятся не compliance-файлом, а quality-сигналом.

— Attention и viewability как proxy intent.
После деградации user-level targeting DSP чаще используют historical attention metrics: active view, scroll depth, completion rate, session quality. Это уже часть bid optimization, а не post-campaign analytics.

Ошибка, которая ломает cookieless setup чаще всего: teams продолжают оценивать inventory только через CTR/CPA и игнорируют loss rate в bidstream. Без clean supply-path даже хороший contextual graph начинает шуметь.

Cookieless-стек выигрывает не у cookies. Он выигрывает у плохого bid request.

MOAT показывает viewability и attention, но не объясняет почему инвентарь теряет CPM

MOAT часто подключают как внешний слой валидации качества трафика. Он отвечает на вопрос: был ли показ реально видим пользователю, сколько времени креатив находился в зоне видимости и присутствуют ли признаки невалидной активности. Но MOAT не является инструментом диагностики всего programmatic-стека.

Что измеряет MOAT:
— Viewability по стандартам MRC.
— In-view time и активное внимание к креативу.
— IVT-сигналы и часть fraud-индикаторов.
— Reach, frequency и post-bid quality-метрики для кампаний.

Где начинаются слепые зоны:
— Не видно структуру supply path. MOAT не покажет лишних посредников между SSP и DSP.
— Не анализируется аукционная логика header bidding: timeout, bid landscape, потерянные ставки.
— Нет объяснения причин низкого win rate или падения bid density.
— Не заменяет аудит ads.txt, sellers.json и цепочки reseller/direct отношений.

Типичная ошибка — использовать MOAT как единственный источник правды. Viewability может быть высокой, а доход всё равно проседать из-за дублированного bid stream, неоптимального floor pricing или неэффективного маршрута закупки.

Для ad-ops команды полезнее смотреть MOAT рядом с логами аукциона, SPO-отчётами и метриками SSP. Качество показа и эффективность монетизации — связанные, но разные задачи. MOAT хорошо отвечает на вопрос «что увидел пользователь», а не «как устроена экономика этого показа».

SPO не делают “по интуиции”: без фреймворка вы режете supply и теряете инвентарь

SPO начинается не с «убрать лишних посредников», а с карты маршрутов. Сначала фиксируете все paths: SSP, resellers, exchange, deal ID, seat, ads.txt/sellers.json связь. Без этого вы оптимизируете не supply, а шум в отчёте.

Дальше — 4 фильтра:
— прозрачность: есть ли валидный seller chain и понятный fee stack;
— качество: совпадают ли IVT, viewability, win rate и post-bid performance;
— эффективность: где растёт bid duplication и где path даёт тот же инвентарь дороже;
— контроль: есть ли direct path, PMP или preferred deal, который уже закрывает спрос без лишних hops.

Ошибка №1 — резать по CPM. Дешёвый path часто просто получает более слабый demand. Ошибка №2 — верить одному отчёту SSP: смотрите корреляцию с bid stream, win notices и log-level data. Ошибка №3 — сравнивать пути без нормализации по geo, device, format и timeout.

Рабочая схема простая:
1) строите baseline по всем path;
2) группируете дублирующиеся маршруты;
3) оставляете path с лучшим balance между revenue, quality и прозрачностью;
4) пересматриваете решение после изменений в ads.txt, reseller chain и demand mix.

SPO — это не «меньше посредников», а меньше лишней неопределённости. Если path нельзя объяснить на уровне логов, его сложно защитить в аукционе и в P&L.

Client-side и server-side header bidding: где теряется latency, а где — transparency

Client-side wrapper видит больше сигналов: user agent, page context, consent, local storage, client-side IDs. За это платите временем на странице и риском, что тяжёлые adapters начнут резать viewability и inflate timeout chain.

Server-side снимает часть нагрузки с браузера и лучше масштабируется на сложных страницах. Но вместе с этим теряется часть request-level visibility: не все bidder-side signals доходят до auction, а debugging становится беднее. Если у вас нет нормального logging на auction object, вы быстро упираетесь в «почему win rate просел» без ответа.

Базовый выбор обычно такой:
— client-side: когда важны first-party signals, точная диагностика и максимальная прозрачность bid stream;
— server-side: когда критичны performance, множество demand-партнёров и контроль над browser CPU;
— hybrid: когда нужно оставить sensitive bidders в browser, а тяжёлых вынести на сервер.

Смотрите не только на CPM, а на auction latency, timeout hit rate, adapter fill и долю bid requests, которые реально дошли до render path. Если серверный слой прячет потерю участия части bidders, revenue может выглядеть стабильным только до первого разреза по geo/device.

Рабочий чек-лист: логируйте auction timestamps, отдельно меряйте browser-side и server-side timeouts, не смешивайте все demand sources в один bucket и проверяйте, где именно падает competition. Иначе архитектура начнёт оптимизировать не доход, а удобство интеграции.