Branża reklamowa od dwóch dekad gania za jednym marzeniem: dopasować idealną reklamę do konkretnego człowieka, w idealnym momencie. Teraz, kiedy generatywna AI w końcu pozwala wyprodukować tysiące wariantów tej samej kampanii, okazuje się, że nikt nie wie, jak to później zmierzyć.
Kluczowe fakty:
- Erez Levin, szef firmy konsultingowej Emet Advisory, opublikował na łamach AdExchanger tekst, w którym twierdzi, że hiperpersonalizacja reklam za pomocą AI to powtórzenie błędu, który branża reklamowa popełnia od dwudziestu lat.
- Deterministyczna identyfikacja użytkowników w całym internecie nie stała się możliwa z powodu regulacji prywatności, zniknięcia plików cookies i zamkniętych ekosystemów wielkich platform.
- Levin argumentuje, że generowanie milionów dynamicznych wariantów reklam dla poszczególnych użytkowników jest nie tylko technicznie trudne do oceny, ale też fundamentalnie sprzeczne z tym, jak reklama działa dla większości marek.
Erez Levin, szef firmy konsultingowej Emet Advisory, opublikował na łamach AdExchanger tekst, który burzy jeden z najbardziej lubianych mitów ad techu. Teza jest prosta: hiperpersonalizacja reklam za pomocą AI to nie przełom, a powtórka błędu, który branża robi od dwudziestu lat. Tylko teraz na sterydach.
Znajdź dostawcę, partnera lub narzędzie dla swojego biznesu, a jeśli prowadzisz firmę, która w swoim DNA ma AI, skorzystaj z możliwości bezpłatnego dodania swojej firmy.
Stary sen, nowe narzędzie
Cofnijmy się do początków reklamy internetowej. Obietnica była piękna: koniec z marnowaniem pieniędzy, koniec z tą słynną zasadą Johna Wanamakera, że połowa budżetu reklamowego idzie w błoto, tylko nikt nie wie która połowa. Wystarczy mieć dane o użytkowniku i serwować mu reklamę skrojoną na miarę.
Levin pisze, że ta wizja wymagała poziomu inwigilacji w stylu filmu „Raport mniejszości” — i mimo to nigdy się nie ziściła. Regulacje prywatności, zniknięcie ciasteczek, zamknięte ekosystemy wielkich platform. Jednoznaczna, deterministyczna identyfikacja użytkownika w całym internecie po prostu się nie wydarzy.
Więc co zrobiła branża? Wymyśliła nowe marzenie. Tym razem nazywa się AI-driven personalizacja 1:1.
Z dużymi modelami językowymi i praktycznie nieograniczoną moc obliczeniową w zasięgu ręki, inżynierowie wpadli na pomysł: każdemu użytkownikowi osobna, dynamicznie generowana wersja reklamy. Tysiące, miliony wariantów. Levin twierdzi, że to fantazja oparta na nieporozumieniu. Nie tylko technicznie niemożliwa do sensownej oceny, ale fundamentalnie sprzeczna z tym, jak działa reklama dla większości marek.
Zegary i obłoki
Levin sięga po metaforę filozofa Karla Poppera, który dzielił systemy na dwa typy: zegary i obłoki. Zegar jest przewidywalny, deterministyczny, jedna przyczyna daje jeden efekt. Obłok jest probabilistyczny, chaotyczny, pełen sprzężeń.
Problem w tym, że ad tech traktuje marketing jak zegar. Założenie: pokażesz osobie B kreację A, a w efekcie dostaniesz wynik C. Tymczasem marketing jest obłokiem. To słaba siła działająca na ogromnych populacjach przez długi czas. Większość wartości reklamy nie pochodzi z tych nielicznych przypadków, kiedy ktoś klika „kupuję teraz”. Pochodzi z budowania i odświeżania pamięci marki w głowach milionów ludzi, miesiącami i latami.
Czytam ten tekst i kiwam głową, bo to dokładnie ten sam mechanizm, który widzę w polskich redakcjach i agencjach od dobrych dwóch lat. Każdy chce „personalizacji”, bo brzmi nowocześnie. Tylko mało kto zadaje sobie pytanie: personalizacji czego właściwie?
Z jednej strony, ten kierunek ma sens biznesowy — jeśli prowadzisz kampanię produktową z konkretnym celem sprzedażowym, dla klienta, który już szuka danego produktu, AI-generowane warianty kreacji rzeczywiście mogą wycisnąć kilka procent więcej konwersji. To nie jest fikcja, dane z rynku to potwierdzają.
Z drugiej strony, problem zaczyna się tam, gdzie marki próbują tym samym narzędziem budować rozpoznawalność i wizerunek. A to dwie zupełnie różne gry, z różnymi zasadami. Pytanie, które bym zadał każdemu dyrektorowi marketingu sięgającemu po Performance Max albo Advantage+: czy wiesz, którą grę właśnie grasz? I czy masz jak to później zweryfikować, czy faktycznie wygrywasz, czy tylko ślizgasz się po krótkoterminowych wskaźnikach klikalności, które nic nie mówią o tym, czy ktoś za rok jeszcze będzie pamiętał twoją markę?
Bo to jest sedno tego tekstu. Nie „AI w reklamie to zło”, ale „AI w reklamie bez jasno określonego celu i metodologii pomiaru to kosztowna ruletka”.
Kiedy fragmentujesz przekaz marki na tysiąc wariantów AI i serwujesz je stu milionom ludzi, niszczysz dwie podstawy skutecznego marketingu: wspólne doświadczenie kulturowe i możliwość izolowania zmiennych w eksperymencie.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Piekło wielowymiarowości
Tu robi się ciekawie. Levin rozkłada na czynniki pierwsze sam problem pomiaru.
Wyobraźmy sobie, że reklama z niebieskim tłem osiąga lepsze wyniki niż ta z zielonym. Dlaczego? Bo kolor ma znaczenie? A może po prostu trafiła do ludzi, którzy tego dnia mieli słoneczną pogodę za oknem i byli w lepszym nastroju? Jeśli kreacja z konkretną grupą demograficzną notuje wzrost, to czy to prawdziwe powiązanie, czy efekt jakiegoś niezauważonego zniekształcenia algorytmicznego po stronie systemu reklamowego?
System automatyczny potrafi przetasować tysiące wariantów i postawić na te, które dostają szybkie kliknięcia. Tylko że nie widzi tego, czego nie mierzy. Optymalizuje pod natychmiastową reakcję, ale jest ślepy na pytanie, czy te warianty budują wartość marki w długim terminie, czy tylko gonią statystyczny szum.
Solidny eksperyment wymaga ograniczenia liczby zmiennych, nie ich rozdęcia do nieskończoności. Można przetestować trzy, cztery hipotezy kreatywne w czystych warunkach. Pięciu tysięcy wariantów nie da się przetestować naukowo. Po prostu nie da.
Levin zwraca też uwagę na coś, co nazywa „efektem rozpoznawalności”. Marki budują swoją siłę na wspólnym, zbiorowym rozumieniu tego, czym są. Rozbicie przekazu na nieskończoną liczbę hiperspersonalizowanych silosów rozmywa ten kulturowy sygnał, który daje marce autorytet. Wspólny zasób zamienia się w szum.
Kiedy to faktycznie działa
Levin nie twierdzi, że hiperpersonalizacja to zło absolutne. Działa, ale w bardzo wąskim zakresie: krótkie, mierzone klikalnością kampanie performance, z ograniczonym budżetem, kierowane do użytkowników, którzy już są na dole lejka zakupowego i mają jasno wyrażony zamiar zakupu. Tutaj generatywna AI rzeczywiście pomaga wycisnąć dodatkową efektywność, łapiąc bieżący popyt hiperdopasowanymi hakami kreatywnymi.
To dokładnie ta przestrzeń, w której świetnie radzą sobie czarne skrzynki — Performance Max Google’a czy Advantage+ Mety. Są wydajnymi maszynami do zbierania istniejącego popytu. Problem zaczyna się, gdy duże marki mylą te narzędzia do żniw na dole lejka z całościową strategią marketingową. Jeśli te same zasady stosuje się w kampaniach o dwóch celach naraz — sprzedaż krótkoterminowa plus wartość marki w długim okresie — porażka jest praktycznie pewna.
Warto przy tym dodać kontekst, którego w oryginalnym tekście nie ma, a który czyni go jeszcze bardziej aktualnym. Z najnowszych analiz rynkowych z 2026 roku wynika, że ponad 60 procent budżetów reklamowych w Google Ads przepływa już przez Performance Max, a kreacje generowane przez AI w tym systemie notują przewagę kilku punktów procentowych w klikalności względem kreacji robionych przez ludzi. Jednocześnie te same badania pokazują, że przy zakupach o wyższej wartości — powyżej stu dolarów — konwersja z reklam AI spada o kilka punktów procentowych względem kreacji ludzkiej. Czyli mechanizm, o którym pisze Levin, da się już dziś zobaczyć w liczbach: AI wygrywa kliknięcia, przegrywa decyzje o większych wydatkach.
Jest jeszcze jeden wątek, ciekawy z polskiej perspektywy. Te same badania wskazują, że konsumenci, którzy rozpoznają reklamę jako wygenerowaną przez AI, mają wyraźnie niższą skłonność do zakupu — i to nawet kilkanaście punktów procentowych mniej. Czyli sama skala generowania kreacji nie wystarczy. Jeśli odbiorca poczuje, że dostał coś „z automatu”, efekt może być odwrotny od zamierzonego.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Co dalej z gwiazdą polarną branży
Levin kończy tekst stanowczym apelem. Trzeba przestać mylić to, co technicznie możliwe, z tym, co komercyjnie sensowne. Generatywna AI to świetne narzędzie do tworzenia kreacji, testowania lokalnych wariantów i optymalizacji konwersji na samym dole lejka. Ale jeśli ktoś próbuje za jej pomocą gonić ducha deterministycznej trafności 1:1 w całym miksie medialnym, powtórzy błędy ostatnich dwudziestu lat — tylko z większym budżetem spalonym na ściganie precyzji, która w praktyce nie istnieje.
Jego propozycja zmiany „gwiazdy polarnej” branży brzmi prosto:
- nie szukać „właściwej reklamy dla właściwej osoby w właściwym momencie”
- szukać „właściwego przekazu dla właściwej populacji w czasie”
Niby drobna różnica w słowach. W praktyce zupełnie inna filozofia budowania kampanii — i, jeśli Levin ma rację, zupełnie inna miara sukcesu, niż ta, którą większość zespołów marketingowych dziś raportuje swoim zarządom.
