• В тексте говорится, что сигналы для рекомендаций AI смещаются от индивидуальных поведенческих данных к обзорам, медиапокрытию, креативным кампаниям и публичным обсуждениям.
• Модель «собирай всё» описывается как подход, который упёрся в пределы из-за общественного давления и privacy-регулирования.
• Large language models названы культурными агрегаторами: они обрабатывают новости, отзывы, социальные обсуждения, видео и другие публичные источники.
• Отдельно отмечено, что крупные события вроде Super Bowl, чемпионата мира FIFA, «Оскара» и Олимпиады остаются важными, потому что создают долгоживущие сигналы.
• В тексте приводится тезис исследования: креатив даёт примерно половину результата кампании, тогда как вклад таргетинга заметно ниже.
• Среди значимых источников сигнала названы creator-контент, обсуждения на Reddit, стримы и экосистемы авторов на Twitch, а также собственные блоги, FAQ и product pages.

Почему это важно: Текст предлагает смотреть на маркетинг не только как на сбор данных для точного попадания в аудиторию, но и как на производство публичных сигналов, которые могут быть прочитаны AI-системами. В этой логике сила бренда становится сигналом для рекомендаций, потому что LLM и ассистенты опираются на то, что уже присутствует в информационной среде. Обычно это означает рост значения креатива, earned media и понятного присутствия бренда в категории.

На что обратить внимание: Важно, что это пока не описание единой технической модели, а рамка для интерпретации того, как меняется выбор под влиянием LLM и AI-агентов. В тексте отдельно видны несколько направлений наблюдения: какие источники считаются для системы достоверными, насколько бренд заметен в релевантной категории и есть ли у owned channels понятная и структурированная подача. Следующий логичный шаг в такой логике — не наращивание любого массива данных, а проверка того, какие сигналы бренд реально оставляет в публичной среде.