Журнал Time запустил на своем сайте рекламный формат, рассчитанный не столько на читателя, сколько на ИИ-агентов и большие языковые модели. Речь идет о текстовой рекламе, которую нейросетям проще "считывать" и учитывать при обработке информации. Первыми компаниями, протестировавшими новое размещение, стали Ally Bank и Project Management Institute.
Чтобы адаптировать контент под машинное восприятие, Time начал публиковать упрощенные версии материалов в формате Markdown. Такие страницы выглядят максимально "чисто": без изображений, интерактивных элементов и сложной верстки. За счет этого их легче анализируют системы вроде ChatGPT, Claude, Gemini и другие решения, которые используются для поиска данных и генерации ответов пользователям.
Параллельно издатель выстроил коммерческую часть: на Markdown-страницах появились специальные рекламные блоки, оформленные как FAQ - "часто задаваемые вопросы". Этот формат в партнерстве с AdTech-компанией Mobian подается как справочная выжимка о бренде и помечается как спонсорский контент. Логика проста: если языковые модели индексируют такие блоки наравне с редакционными текстами, то в дальнейшем они могут попадать в "память" системы и влиять на то, как ИИ формулирует ответы.
В Time называют эксперимент одним из первых примеров рекламы, созданной специально под ИИ-агентов. В компании исходят из того, что по мере распространения генеративного поиска брендам станет важнее работать не только с вниманием людей, но и с теми алгоритмами, которые все чаще выступают посредником между аудиторией и первоисточниками.
Запуск формата объясняется и изменениями в трафике. Операционный директор Time Марк Ховард отмечает, что в некоторые дни число обращений ИИ-ботов к материалам издания уже превосходит количество визитов людей. Это значит, что значимая доля "потребления" контента перемещается из привычного сценария чтения в машинный слой - когда публикации перерабатываются моделями, а пользователю возвращается уже пересказ, краткая справка или готовая рекомендация.
Почему реклама "для ИИ" стала возможной именно сейчас
Генеративные ответы постепенно занимают место традиционной выдачи, а часть аудитории получает информацию не через переходы на сайты, а через диалог с помощником. В такой картине мира бренд рискует остаться "за кадром", даже если сам сайт делает сильные рекламные кампании: пользователь может не кликнуть по ссылке, а ограничиться ответом модели. Поэтому появляется задача - сделать так, чтобы в машинно-обрабатываемом слое была корректная, структурированная и заметная информация о компании.
Чем Markdown-страницы отличаются от обычных публикаций
Обычные медийные страницы перегружены элементами: баннерами, картинками, скриптами аналитики, блоками рекомендаций и сложной сеткой. Для человека это привычно, а для ИИ-парсинга - лишний шум. Упрощенная Markdown-версия, наоборот, дает модели "ровный" текст, заголовки, списки и логичную структуру. Именно поэтому формат FAQ выглядит естественно: вопрос - ответ, минимум двусмысленностей, высокая вероятность корректного извлечения смысла.
Как это может повлиять на рынок медийной рекламы
Если подход приживется, у издателей появится еще один инвентарь: "страницы для машинного чтения" с отдельными правилами размещения. Для рекламодателей это шанс встроиться в новый канал присутствия - не в ленту или баннер, а в слой знаний, который используют ассистенты. Для медиа - попытка монетизировать трафик, который формально не является "человеческим", но уже потребляет ресурсы сайта и влияет на распространение контента.
Риски и тонкие места: доверие и прозрачность
Тема неминуемо упирается в вопрос маркировки. Time подчеркивает, что блоки отмечаются как спонсорские. Это критично, потому что любые попытки "замаскировать" рекламу под редакционный материал могут ударить по доверию - как у людей, так и у платформ, которые обучают и настраивают модели. Чем прозрачнее разделение фактов, мнений и коммерческих сообщений, тем меньше вероятность репутационных последствий.
Почему FAQ - не случайный выбор
FAQ удобен не только для читателя, но и для алгоритмов: он снижает неопределенность формулировок и помогает извлекать конкретные утверждения. При правильной подготовке такой блок может отвечать на типовые запросы - чем занимается компания, какие услуги предлагает, в чем ее особенности. В условиях, когда ИИ собирает ответ из фрагментов разных источников, четкая структура повышает шанс, что бренд будет упомянут корректно и без искажений.
Что это меняет для брендов и PR-команд
Появляется новая дисциплина на стыке PR, контент-маркетинга и SEO: подготовка материалов так, чтобы они были удобны для машинной индексации и цитирования. Это не про "обман алгоритмов", а про ясность: единые формулировки, отсутствие противоречий, понятные определения, структурирование в виде тезисов, списков, Q&A. По сути, брендам придется думать о том, как их описывает не только пресс-релиз, но и модель, которая пересказывает этот пресс-релиз пользователю.
Связанный тренд: маркировка рекламы, созданной с помощью ИИ
Параллельно индустрия движется к большей прозрачности и в другом направлении. В начале месяца Google внедрила функцию, позволяющую пользователям увидеть, была ли реклама создана или отредактирована с помощью нейросетей. Опция называется "Как была создана эта реклама" (How this ad was made) и показывает степень участия ИИ в производстве креатива. На фоне роста генеративных инструментов это выглядит логичным продолжением тренда на раскрытие происхождения контента.
Что дальше: появятся "двухслойные" сайты
Вероятный сценарий - развитие сайтов, которые одновременно существуют в двух версиях: богатой, визуальной, для людей и облегченной, семантически чистой, для ИИ-агентов. В такой модели рекламные форматы тоже разделятся: одни будут работать на эмоцию и внимание, другие - на точность, цитируемость и присутствие в машинных ответах. Эксперимент Time показывает, что медиа уже начали тестировать эту реальность на практике.
