Разговор о данных в рекламе слишком долго крутился вокруг одного вопроса: что заменит third-party cookie. Этот вопрос понятный, но уже недостаточный. Рынок не движется к одному новому идентификатору. Он движется к портфелю сигналов, согласий, clean room-сценариев, агрегированных отчетов, моделей и экспериментов.
IAB State of Data 2026 описывает эту точку как pressure on measurement. Privacy regulation, signal loss, platform-embedded optimization и fragmented data environments усложняют связь между media exposure и outcomes. Одновременно AI повышает ожидания к скорости, масштабу и decision-readiness. То есть данные должны быть не просто собраны, а готовы к действию.
Для бренда это меняет управленческий вопрос. Раньше можно было думать: где взять ID, как повысить match rate, какой пиксель поставить. Теперь правильнее спрашивать: какие источники данных у нас есть, на каком основании они собраны, какие use cases они поддерживают, как мы измеряем результат и кто отвечает за качество сигнала.
Что меняется
First-party data тоже стала сложнее. Это не только CRM и loyalty base. Experian в State of Advertising 2026 отдельно выделяет, что first-party data расширяется через CRM, social platforms, retail media networks и owned media environments. Сначала рынок получает фрагментацию, а уже потом пытается собрать ее в connected infrastructure.
- CRM и loyalty data с понятным consent.
- Retail media и commerce-сигналы о покупке и намерении.
- Publisher first-party segments и content taxonomy.
- Clean room matching для активации и измерения.
- Contextual и ID-less решения для сред без устойчивого идентификатора.
- Experiments, incrementality и MMM для проверки business outcomes.
Эта фрагментация чувствительна для российских компаний. У бренда могут быть данные из CRM, e-commerce, приложений, call center, offline sales, маркетплейсов, ретейлеров, сайта, email, соцсетей, программ лояльности и промоакций. Но если эти данные живут в разных командах и используются разными подрядчиками, они не становятся рекламным активом.
Privacy-first targeting начинается с consent и governance. Clean room, TEE или encrypted matching не спасают ситуацию, если компания не понимает, какие данные можно использовать для рекламы, какие только для сервиса, какие нельзя передавать партнеру и какие должны быть удалены по запросу пользователя. Privacy - это не настройка в кабинете, а дисциплина управления данными.
Как это работает
Data clean rooms полезны там, где две стороны хотят совместить данные без прямого раскрытия сырья. Типовые сценарии IAB Tech Lab: addressability and activation, consumer insights and enrichment, optimization and measurement. На практике это может быть пересечение аудиторий бренда и паблишера, post-campaign sales lift, frequency analysis, private activation или attribution.
Но clean room не является универсальной кнопкой эффективности. Если use case не сформулирован, проект легко превращается в дорогой пилот без решения. Бренд приносит CRM, площадка приносит exposure или sales data, vendor показывает match, все радуются презентации, но никто не меняет медиаплан. Хороший DCR-проект начинается с бизнес-вопроса: какое решение мы примем после анализа.
PAIR и ADMaP показывают, куда движется стандартная часть рынка. PAIR нужен для privacy-centric reconciliation first-party data между advertiser и publisher без third-party cookies. ADMaP описывает privacy-centric attribution с PETs внутри clean room, чтобы advertiser и publisher могли измерять conversion data без раскрытия user-specific details. Это уже не про красивые лозунги, а про interoperability.
- Какое решение мы примем после анализа?
- Какие данные каждая сторона приносит и на каком основании?
- Что считается match и как трактуется match rate?
- Есть ли контрольная группа или инкрементальная методика?
- Кто видит raw data, aggregates и final report?
- Как результат попадет в следующий медиаплан?
Где появляются деньги
Google confidential matching добавляет еще один сигнал: крупные платформы будут двигать secure matching в сторону confidential computing и trusted execution environments. Для рекламодателя это означает, что вопрос 'куда мы загрузили аудиторию' постепенно заменяется вопросом 'какие гарантии обработки, шифрования, attestation и доступа дает среда'.
Важный юридический нюанс: data clean room не делает персональные данные автоматически анонимными. IAB State Privacy Law Survey 2025 прямо показывает, что участники рынка признают: DCR не всегда полностью de-identify personal information, а провайдеры чаще рассматриваются как service provider или processor. Для российской дискуссии это полезное предупреждение: техническая защита не отменяет договоры, цели обработки и due diligence.
С точки зрения таргетинга рынок распадается на несколько режимов. Есть deterministic identity, где у пользователя есть устойчивый consented identifier. Есть clean room matching, где стороны ищут пересечение. Есть contextual и taxonomy-based targeting, где фокус уходит в контент и среду. Есть modeled audiences, где платформа достраивает вероятность. Есть aggregated measurement и MMM, где уровень пользователя вообще уходит из анализа.
Где нужен контроль
AI усиливает эту картину. Он может быстрее находить паттерны, строить сегменты, прогнозировать outcomes, подсказывать allocation и ускорять MMM. Но AI одновременно повышает цену грязных данных. Если источники не описаны, consent сомнителен, naming кампаний хаотичен, а outcome запаздывает, модель будет уверенно масштабировать шум.
Для retail media тема особенно острая. Ритейлеры обещают closed-loop measurement, но closed-loop бывает разным. Продажа после контакта не всегда означает продажу благодаря контакту. Бренду нужны методика, окно атрибуции, контрольная группа, логика инкрементальности, правила работы с SKU и объяснение, как учитывались скидки, наличие товара и органический спрос.
Для CTV и video данныхая логика тоже меняется. Household viewing, shared devices, co-viewing, ad pods и platform reporting усложняют прямую атрибуцию. Здесь особенно важны частота, reach, completion, attention proxies, brand lift и честное разделение between exposure and outcome. Privacy-first среда не отменяет measurement, но заставляет говорить о вероятности, методике и ограничениях.
Что можно применить в России
Для паблишеров и premium media это возможность. Если cookies и external IDs становятся менее надежными, растет ценность качественной first-party аудитории, контекста, content taxonomy, login-среды, direct deals и понятных measurement partnerships. Но паблишеру нужно уметь объяснять свои сегменты: как они собраны, как обновляются, где consent, как измеряется результат.
Для российских брендов практический старт - data map. Нужно описать все источники данных, владельцев, consent basis, доступы, партнеров, сроки хранения, идентификаторы и use cases. После этого выбрать несколько сценариев, где рекламная ценность понятна: retention, lookalike, retail media incrementality, category buyers, lapsed customers, frequency control, post-campaign analysis.
Следующий шаг - measurement map. Какие решения реально принимаются по итогам отчета? Если отчет не меняет бюджет, creative, audience, frequency или channel split, его ценность сомнительна. Privacy-first measurement должен быть встроен в планирование, а не появляться после кампании как попытка оправдать spend.
Что спросить у поставщика
Третий шаг - словарь данных. У бренда и агентства должны быть согласованы определения customer, prospect, active buyer, lapsed buyer, high value customer, category buyer, exposed user, converted user. Без этого один и тот же сегмент в CRM, кабинете ритейлера и BI будет означать разные вещи, а clean room только аккуратно соединит несопоставимые понятия.
Четвертый шаг - политика доступа. Кто внутри компании может создавать audience, кто может выгружать hash, кто утверждает передачу данных, кто видит match report, кто может подключать vendor. В privacy-first инфраструктуре доступы становятся частью медиапроцесса, а не отдельным IT-вопросом.
Пятый шаг - честное описание ограничений. Если measurement построен на модели, нужно сказать, где модель сильна и где нет. Если clean room показывает correlation, нельзя продавать это как incrementality. Если retail media отчитывается по продажам внутри окна атрибуции, нужно отдельно смотреть на скидки, органический спрос, наличие товара и сезонность.
Что дальше
Шестой шаг - сценарии для AI. Когда данные приведены в порядок, AI можно использовать осмысленно: находить аномалии, группировать аудитории, подсвечивать слабые сегменты, ускорять MMM, сравнивать channel split, искать признаки saturation. Но AI не должен становиться оправданием для непрозрачной модели, которую никто не может объяснить.
Для паблишеров и ритейлеров это тоже продуктовая работа. Нужно уметь описывать не только размер аудитории, но и происхождение сегмента, частоту обновления, правила исключения, match logic, доступные отчеты, уровень агрегации и ограничения по использованию. Чем понятнее продукт данных, тем выше шанс, что бренд вернется с повторным бюджетом.
Отдельная возможность для российского рынка - договориться хотя бы о минимальной таксономии. Не обязательно ждать большого стандарта. Можно начать с общих naming rules для кампаний, базовых типов аудиторий, единых окон атрибуции для пилотов и публичного словаря по clean room/use cases. Это скучная редакционная и индустриальная работа, но она снижает стоимость каждого следующего эксперимента.
Что меняется
Российскому рынку не нужно слепо копировать американскую privacy-архитектуру. Но полезно забрать принцип: данные становятся инфраструктурой доверия. Бренд, агентство, площадка и vendor должны договориться о целях, правах, методике, ограничениях и формате вывода до запуска, а не после спорного результата.
Главный вывод: будущее таргетинга не в одном ID. Оно в операционной способности связать consent, first-party data, clean rooms, contextual signals, experiments и modeling в систему, которой можно управлять. Это менее эффектно, чем обещание 'нового cookie', зато гораздо ближе к реальной эффективности.
