В эпоху активного развития интернет торговли и высокого уровня конкуренции среди интернет-магазинов, многие маркетологи стремятся «перещеголять» друг друга постоянно придумывая и меняя акции, скидочные программы, просто «играют» с ценами.
Покупатели, в свою очередь, уже привыкли к постоянному изменению цен. Если раньше, они понимали, что есть товар и цены примерно у всех одинаковые (серьезные дорогие бренды сумели сохранить это положение дел, но есть «серый» рынок), то в новой реальности покупатель, каждый раз ищет себе «нового» продавца с максимально низкой ценой.
Соответственно, при такой динамике, рекламодатель должен либо вообще не указывать цены в своих рекламных материалах, заведомо теряя существенную часть потенциальных покупателей, падких на цены, либо рисковать «получить привет от ФАС» в случае, если цена в рекламном сообщении будет отличаться от цены на сайте. Пользователи все чаще пользуются своим правом, на получение достоверной информации.
И если в контекстной рекламе и на маркет-плейсах существует возможность в автоматическом режиме менять цену товаров в объявлениях, то изменение цен в макетах баннеров вызывает сложность. Как таковое изменение возможно – отправить задание дизайнеру, заплатить за его работу и получить новый макет. А если это нужно сделать за доли секунды, таких товарных баннеров тысячи (а порой десятки тысяч) и пару десятков размеров и несколько вариантов дизайнов на каждый товар.

Cистема «на лету» изменяет информацию в баннерах: цены, условия, иные параметры товаров, рекламируемых с помощью баннерной рекламы.
Получение информации о ценах, условиях, параметрах товаров осуществляется из xml, посредством парсинга сайта, с использованием API к внутренней системе рекламодателя.
Система, используя данные статистики (Яндекс.Метрика, Google Analytics, внутренняя система рекламодателя), показывать наиболее эффективный макет баннера для данной площадки (аудитории) с фильтрами по «портрету» целевой аудитории.

● собирает данные о пользователях выбранной площадки, их истории запросов, предпочтениях, статистике их кликов по рекламе, истории покупок в интернете и др., формируя пользовательский портрет. Далее все пользователи разбиваются на определенные сегменты, формируя библиотеку профилей. Это позволяет распознавать пользователя на площадке по принципу look-alike и отображать каждому пользователю именно тот рекламный баннерный контент, который, с большой долей вероятности, ему подойдет;
● прогнозирует и ранжирует вероятный коэффициент конверсии (CVR) для каждого сегмента, чтобы определить потенциально предпочтительную аудиторию для таргетинга в рамках конкретной рекламной кампании;
● предоставляет рекламодателю аналитику в режиме реального времени в разрезе пользовательских сегментов на основе реальных кликов, конверсий и других показателей.