AI + Арбитраж Трафика = C.razy P.rofits A.gency

🤔Как агенты должны заливать кампании в Facebook Ads? Друзья, сегодня разберём одну из важнейших частей построения AI-медиабаера = залив рекламы! Давайте рассмотрим все возможные варианты такой автоматизации. 🔢 Clicker Like У современных AI-агентов хорошо развиты навыки использования компьютера в визуальном режиме, управления браузерами + есть "компьютерное зрение", то есть они могут ориентироваться на страницах сайтов, снимать скриншоты, вводить текст и анализировать результат. Вот видеопример на Claude Code. Казалось бы, отличный вариант для AI-залива? Да, это работает, но работает а) медленно б) дорого Проблема в том, что Facebook регулярно тестирует UI, и поэтому агенты часто из-за этого спотыкаются, тупят и тратят тьму токенов. Если вы хотите использовать локальную LLM типа Qwen, то можно, конечно, заливать и так. Но давайте глянем альтернативы. 🔢 Использование автозаливов На рынке годами живут сервисы типа Dolphin Cloud, которые позволяют массово заливать рекламу. Возможно, агентам стоит использовать именно их через API или веб-версии? Наш ответ: НЕТ. В основном, из-за хрупкости процесса. Автозаливы работают через связку: токен Ads Manager + Cookies. Токены фб регулярно меняет, автозаливы пытаются их вытащить через куки, фб это палит😱 Итог: чекпоинты, разлогины, замеченная автоматизация и прочая дичь. Также использование автозаливов добавляет: — лишние шаги по импорту акков в автозалив и вычистки дохлых акков из автозалива; — лишние расходы; — зависимость от внешнего сервиса. Лежит автозалив? Лежат и наши агенты. Мы за простоту процессов и за их максимально полный контроль. 🔢 Использование Marketing API Уже теплее. Через API с Facebook Ads агенты могут делать практически всё, что угодно. Но без минусов никуда👇 Требуется токен доступа. Создавать на каждом соце акк Developer-a = лишнее действие, с капчей и такой-то матерью. А пропихивать в фб свою официальную прилу, через которую будут подхватывать акки агенты, — задачка со звёздочкой. Поэтому.... 🔢 Наш вариант — это работа через Marketing API из антидетект-браузера! Что это значит на практике? Агент запускает в headless-режиме профиль Dolphin Anty (используя скилл, который мы публиковали на канале ранее), заходит в Ads Manager и через консоль браузера выполняет скрипты для создания кампаний, получения результатов, редактирования бюджетов, старта-стопа адсетов/объявлений и т.д. Из бесспорных плюсов здесь: — практически полная "беспалевность": при должной настройке скриптов для фб подобная работа выглядит, как обычная работа Ads Manager; — нет возни с токенами; — есть детерминированность: агент не тыкается по кнопкам, в которых он может "заблудиться", а выполняет скрипты; Минусы? Только один: всё это надо настроить и отладить, т.е. сделать так, чтобы агент написал те самые скрипты и довёл их до production ready состояния. Благо, сделать это не сильно сложно: достаточно расписать ваш флоу залива и сказать агенту, чтобы он прошёл по нему "руками", отслушал через Developer Tools запросы фб и собрал из них скрипты. После этого останется только сделать из полученных скриптов скилл. Готовы ответить на ваши вопросы в комментах, коллеги! Надеемся, было полезно, не преключайтесь 📺 👉P.S. Подписывайся на Crazy Profits и перешли пост коллегам. Впереди масса любопытной инфы про ИИ в арбитраже 🤖

Вангуем, что антидетект-браузер будущего будет запускать профили в фоне, без рендеринга пользовательского интерфейса (headless-режим). 🤖А всё потому, что ИИ-агентам UI не нужен!🤷‍♂️ Им достаточно иметь доступ к API управления браузером и профилями. Но казалось бы: зачем вообще использовать антик, когда агенты могут юзать что-то навроде Patchright или Camoufox?🤔 Всё дело в том, что: 🔢 Как бы мы не строили обвязку (harness) для агента, тот всё равно (пока что?) будет изредка косячить. 🔢 Facebook и любые другие источники развиваются и постоянно выкатывают апдейты. Вывод: человеку всё равно НЕОБХОДИМО иметь возможность оперативно запустить профиль и руками поковыряться в рекламном кабинете. В антике сделать это гораздо проще, чем менеджерить и подгружать профили вышеупомянутых инструментов. Мы активно используем в работе ТОПовый антидетект на рынке = Dolphin Anty. К счастью, он и умеет запускать headless-профили (что позволяет сильно экономить на ресурсах системы и запускать десятки одновременно) и обладает развитым API, позволяющим ИИ-агентам весьма эффективно его использовать. Как именно? Рассказываем!👇 Мы создали специальный скилл для агентов, обучающий их работе с Dolphin Anty. Для его работы вам понадобится API токен, который вы можете получить в разделе API в ЛК на сайте антидетекта и затем сохранить в файл dolphin-anty-api-token.txt в корне скилла. Скилл написан на Node.js и работает на Mac/Windows/Linux. В какую именно папку копировать сам скилл, зависит от того, какого агента вы используете: смотрите справку вашего Claude, Codex или кто там у вас "под капотом". Ну и что там по результатам?🤔 Мы провели тестирование и выяснили вот что: с использованием скилла скорость выполнения задач, связанных с антидетектом, выросла х2.1 раза! 🚀 А некоторые задачи без скилла вообще не решались НИКАК (например, проверка прокси). И мы уже видим, где можно оптимизировать скилл для ещё более впечатляющих результатов🙃 После того, как агент научился работать с Dolphin Anty, осталось научить его заливать трафик. Подходим к самому интересному и покажем, как нам кажется, наиболее оптимальный вариант для работы агента с фэбэ. Не переключайтесь!📺 👉P.S. Подписывайся на Crazy Profits и перешли пост коллегам. Впереди масса любопытной инфы про ИИ в арбитраже 🤖

Если вы, кстати, не желаете возиться, а быстро чекнуть, что же из нейросетей юзает Иван, всё же хотите, то вот вам расшаренный NotebookLM, смело мучайте его! 😁 ➡️ И подписывайтесь на Crazy Profits: тут есть и будет куча всего интересного про AI в арбитраже трафика 👍👍👍

💡Создавать AI медиабаера с нуля — неблагодарное занятие Гораздо лучшей стратегией будет посмотреть: что уже сделано в open source коммьюнити (или в платных продуктах), и взять на вооружение либо best practicies либо готовые "кирпичи". Например, для работы с Meta Ads мы взяли meta-ads-mcp, активно развивающийся проект с ~600 звёзд на GitHub. Под капотом 30+ инструментов: кампании, адсеты, креативы, аудитории, статистика, управление бюджетами и т.п. Самый очевидный use-case — автоматический аудит рекламы. Можно задать агенту вопросы навроде: — Какие кампании тратят больше всего и дают худший CPA? или — Какие креативы имеют лучший CTR? Далее можно: — автоматом перераспределить бюджеты; — настроить уведомления в тг при: резком падении CTR, росте CPM, падении конверсий, росте CPA; — анализировать подходы в креативах. Чего тут не хватает? Очевидно, что интеграции с трекером. Если вы льёте не за ROAS (т.е. в фб нет данных о выплатах за ваши продажи) то ситуация будет однобокой. Принимать любые решения на основе таких данных — путь к сливу бюджета. Кстати, мы прогнозируем появление бОльшего кол-ва баеров, работающих сразу же с несколькими источниками. Почему? Именно благодаря тому, что рано или поздно все источники выкатят официальные MCP или skills! И работа с ними сведётся (условно) к запросам к LLM. ➡️ Подписывайтесь на Crazy Profits: тут есть и будет куча всего интересного про AI в арбитраже трафика 👍👍👍 #aimediabuyer

Иногда ООооочень лень смотреть хренову тучу интервью, которую снимают чуть более чем все арбитражные инфлюэнсеры 🤷 И если для видео, опубликованных на YouTube, до сих пор отлично работает сервис 300 от Яндекса, то с другими источниками всё не так просто. Вот, например, беседа Николая Харина и некоего арбитражника Ивана. Будем ли мы её смотреть? КОНЕЧНО, нет😁 Хотим ли мы пересказ с инсайтами? КОНЕЧНО, ДА! 😀 Окей, поехали. Для работы нам потребуется: — скачанное видео — установленный на компьютер Python — а также софтина FFMpeg для работы с видео Для начала вытащим из видоса аудиодорожку. Открываем терминал в папке с видео и пишем: ffmpeg -i video.mov -ar 16000 -ac 1 audio.wav Затем нам надо эту аудиодорожку транскрибировать. Для этого заюзаем бесплатную нейросеть Whisper от OpenAI. Сначала ставим сам пакет: pip install openai-whisper начинаем обработку: whisper audio.wav --model base --output_dir . Ждём минут 10, пока скачается модель и начнётся транскрибирование. Минута звука обрабатывается также примерно минуту, имейте в виду! Так что сделайте там чая, залейте пару кампаний. Полученный текстовый файл скармливаем в ChatGPT или (ещё лучше) в NotebookLM и просим дать инсайты, задаём вопросы по теме. Возни не слишком много, пробуйте! P.S. Как справедливо замечает в комментах подписчик, если нам не требуется транскрибированный текст сам по себе, то можно пропустить этап транскрибации, сразу же грузить аудио в NotebookLM и задавать вопросы. ➡️ И подписывайтесь на Crazy Profits, тут есть и будет куча всего интересного про AI в арбитраже трафика 👍👍👍