# Что такое ML-оптимизация и зачем нужна?

## Что такое ML оптимизация?

{% hint style="info" %}
**ML модель** — это машинное обучение, которое в нашем случае работает над предсказанием вероятности совершения событий.
{% endhint %}

\
**ML модель** — это класс методов искусственного интеллекта, который решает поставленное перед ним задание, обучаясь во время решения множества других похожих задач.

На основе массива данных в режиме реального времени ML-модели предсказывают вероятность совершения события пользователем на аукционе и выставляют ставку в зависимости от нее.

Чем выше вероятность совершения конверсионного действия, тем выше ставка отправляется на аукцион. Таким образом алгоритмы стараются выиграть как можно больше конверсионных аукционов.

## Зачем нужна ML оптимизация?

Использование ML моделей при программатик закупке позволяет значительно повысить эффективность рекламных кампаний, оптимизировать затраты и улучшить взаимодействие с целевой аудиторией.

{% hint style="success" %}
При правильной настройке ML - оптимизация помогает снизить стоимость конверсий, не снижая объёмы.
{% endhint %}

## Типы ML моделей:

В Hybrid ML-модели используются для оптимизации кампаний по медийным показателям:

* CPC
* CPM
* CTR
* CPV

Подробнее с алгоритмами [ML Bid ](https://docs.hybrid.ai/platform-documentation/smartbid-optimization)можно ознакомиться по ссылке.

А также появилась обновленная **оптимизация по CPA** о которой будет подробнее рассказано в этой статье.


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.hybrid.ai/platform-documentation/ml-optimization/chto-takoe-ml-optimizaciya-i-zachem-nuzhna.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.