Начни с себя: ИИ помогает тем, кто умеет работать с гипотезами
Пару лет назад считалось, что для искусственного интеллекта нужны огромные массивы данных. Сейчас бытует мнение, что ИИ можно доверить только рутинные операции. В статье расскажем, как нейросети меняют современный маркетинг и почему иногда сокращение маркетинговой воронки приводит к улучшению бизнес-результатов.
Рынок искусственного интеллекта в маркетинге растет более чем уверенно. По прогнозу IDC, мировые расходы на ИИ достигнут $632 млрд к 2028 году, что подтверждает устойчивый спрос на технологии, меняющие процессы компаний.
По данным McKinsey, доля организаций, использующих ИИ, еще в 2024 году составляла 72%. Самым распространенным вариантом остается использование генеративного ИИ, его внедрили хотя бы в одной бизнес-функции 65% респондентов. Наибольший рост зафиксирован в маркетинге и продажах, но сразу в двух этих сферах генеративный ИИ внедрили всего лишь 15% опрошенных компаний в мире. Это говорит о том, что компании уже экспериментируют, но все еще опасаются глубокого пересмотра процессов.
Маркетинг невозможно рассматривать в отрыве от продаж. Каждое маркетинговое действие, включая рядовую проверку гипотезы, должно завершиться бизнес-результатом. При этом в B2B-сегменте цена ошибки гораздо выше. Один контракт может определять финансовый результат квартала, а цикл сделки занимает месяцы. Здесь на первый план выходят аналитические инструменты на основе ИИ.
Например, перед нами стояла задача перераспределить рекламные ресурсы так, чтобы увеличить число касаний рекламы с представителями крупного бизнеса, не тратя их на индивидуальных предпринимателей и микробизнес. Для этого мы переобучили предиктивную ML-модель таким образом: в отличие от классического использования наша модель не оптимизировала показы на целевые сегменты, а напротив, запрещала показы нецелевым пользователям. Смелая гипотеза сократила верх воронки в четыре раза, однако значительно повысила релевантность лидов. Полученная рекордная экономия стоимости лида на 90% окупила проект и привела к росту всех целевых метрик (доли целевых клиентов, конверсии в MQL).
На стыке маркетинга и продаж ИИ уже сейчас играет роль практически полноценного сотрудника, «цифрового аналитика». Он умеет отвечать на простые вопросы и автоматизировать рутинные операции: информация о полях базы данных, подготовка небольших отчетов, например топ продаваемых лицензий за месяц. Но главное, что он может подготовить стратегический план работы, основанный на прогнозировании.
В результате департамент продаж получает от ИИ-сотрудника короткий структурированный план работы с наиболее «теплыми» лидами. Это переводит работу из режима «холодных звонков» в проработку уже заинтересованных контактов. Кроме того, такой виртуальный сотрудник готовит любые отчеты, включая слайды для презентаций, выявляет аномалии на дашбордах (а это уже работа не для уровня джуниора), а также пишет код для анализа данных на SQL или Python.
Звонок потенциальному клиенту считается моветоном в современном мире, но на определенной стадии работы с «теплыми» лидами это единственный способ не только донести всю необходимую информацию, но и оценить готовность клиента к покупке.
До применения генеративных нейросетей было проблематично в полной мере оценить работу отдела телемаркетинга и клиентского сервиса «МТС Линк». Руководитель слушал 5–10 случайных звонков в месяц — это нерепрезентативная выборка. Теперь же ИИ-помощник проводит тотальный и глубокий анализ, обрабатывая 100% записей разговоров с клиентами, но не сам текст, а аудиопоток в целом. Алгоритмы способны оценить, следовал ли менеджер скрипту, и одновременно уловить эмоциональный окрас диалога: раздражение, сомнение или, наоборот, интерес в голосе. Они выявляют проблемные зоны. Например, моменты, когда клиент задает один и тот же вопрос, а менеджер отвечает шаблонно, повышая градус недовольства. Это уже не просто сверка по базе ключевых слов, а полноценный анализ поведения, что и превращает клиентские коммуникации из статьи расходов в источник ценной информации.
Стратегия работы с креативами раньше зависела от высокой стоимости их производства. Когда на создание одной 3D-сцены или уникальной плоской графики у дизайнера уходили часы, не было возможности тестировать десятки идей. Генеративные нейросети, обученные на фирменном стиле, эту стратегию меняют. Сейчас дизайн-команда «МТС Линк» обращается к ИИ как раз на этапе идеи, добавляя к участникам мозгового штурма виртуальных представителей ИИ-моделей от разных вендоров, каждый из которых обладает собственным характером и возможностями.
Реализация идеи также упростилась, это касается создания как видео, так и изображений. Дизайнеру необходимо владеть искусством составления промпта, тогда ИИ создаст десятки вариантов одного креатива почти мгновенно. Например, когда дизайнерам нужно было оперативно создать реалистичное изображение бегущей белки, ее «оживили» именно с помощью нейросети.
Такой «креативный помощник» приносит пользу только в том случае, если его «заказчик» четко понимает конечный результат. Поэтому дизайнерам рано уходить на пенсию или переучиваться на другую профессию, им необходимо поднимать профессиональный уровень, учиться контекстной инженерии и искать вдохновение в новых технологиях.
Все эти примеры говорят о том, что первый шаг на пути к новой эффективности маркетинга должен заключаться в перестройке мышления и процессов внутри команды. Главным навыком маркетолога становится не столько креативность в чистом виде, сколько умение задавать правильные вопросы к данным и формулировать точные гипотезы для проверки. В свою очередь, аналитики с опорой на нейросетевые технологии помогут найти неочевидные закономерности, которые могут стать точкой роста для всего бизнеса.
Постоянные изменения, связанные с развитием технологий, должны стать привычными на всех уровнях компании, во всех отделах. Конечно, это требует серьезного подхода к управлению рисками. Необходимо позаботиться не только о качестве исходных данных, но и о прозрачности процессов обмена данными внутри компании, а также о безопасном использовании публичных LLM-моделей.
Если на каждом уровне руководители внимательно посмотрят на свой участок работы и задумаются над тем, каких изменений им не хватает, чтобы «свернуть горы», ответ и будет самым ценным инсайтом, той самой точкой роста. Нужно просто вовремя задать правильный вопрос.
Этот материал опубликован на платформе бизнес-сообщества Forbes Экспертиза
Рынок искусственного интеллекта в маркетинге растет более чем уверенно. По прогнозу IDC, мировые расходы на ИИ достигнут $632 млрд к 2028 году, что подтверждает устойчивый спрос на технологии, меняющие процессы компаний.
По данным McKinsey, доля организаций, использующих ИИ, еще в 2024 году составляла 72%. Самым распространенным вариантом остается использование генеративного ИИ, его внедрили хотя бы в одной бизнес-функции 65% респондентов. Наибольший рост зафиксирован в маркетинге и продажах, но сразу в двух этих сферах генеративный ИИ внедрили всего лишь 15% опрошенных компаний в мире. Это говорит о том, что компании уже экспериментируют, но все еще опасаются глубокого пересмотра процессов.
«Догнать двух зайцев» с помощью «нейронки»
Маркетинг невозможно рассматривать в отрыве от продаж. Каждое маркетинговое действие, включая рядовую проверку гипотезы, должно завершиться бизнес-результатом. При этом в B2B-сегменте цена ошибки гораздо выше. Один контракт может определять финансовый результат квартала, а цикл сделки занимает месяцы. Здесь на первый план выходят аналитические инструменты на основе ИИ.
Например, перед нами стояла задача перераспределить рекламные ресурсы так, чтобы увеличить число касаний рекламы с представителями крупного бизнеса, не тратя их на индивидуальных предпринимателей и микробизнес. Для этого мы переобучили предиктивную ML-модель таким образом: в отличие от классического использования наша модель не оптимизировала показы на целевые сегменты, а напротив, запрещала показы нецелевым пользователям. Смелая гипотеза сократила верх воронки в четыре раза, однако значительно повысила релевантность лидов. Полученная рекордная экономия стоимости лида на 90% окупила проект и привела к росту всех целевых метрик (доли целевых клиентов, конверсии в MQL).
Аналитик, который не уходит в отпуск
На стыке маркетинга и продаж ИИ уже сейчас играет роль практически полноценного сотрудника, «цифрового аналитика». Он умеет отвечать на простые вопросы и автоматизировать рутинные операции: информация о полях базы данных, подготовка небольших отчетов, например топ продаваемых лицензий за месяц. Но главное, что он может подготовить стратегический план работы, основанный на прогнозировании.
В результате департамент продаж получает от ИИ-сотрудника короткий структурированный план работы с наиболее «теплыми» лидами. Это переводит работу из режима «холодных звонков» в проработку уже заинтересованных контактов. Кроме того, такой виртуальный сотрудник готовит любые отчеты, включая слайды для презентаций, выявляет аномалии на дашбордах (а это уже работа не для уровня джуниора), а также пишет код для анализа данных на SQL или Python.
«Поговорим голосом?»
Звонок потенциальному клиенту считается моветоном в современном мире, но на определенной стадии работы с «теплыми» лидами это единственный способ не только донести всю необходимую информацию, но и оценить готовность клиента к покупке.
До применения генеративных нейросетей было проблематично в полной мере оценить работу отдела телемаркетинга и клиентского сервиса «МТС Линк». Руководитель слушал 5–10 случайных звонков в месяц — это нерепрезентативная выборка. Теперь же ИИ-помощник проводит тотальный и глубокий анализ, обрабатывая 100% записей разговоров с клиентами, но не сам текст, а аудиопоток в целом. Алгоритмы способны оценить, следовал ли менеджер скрипту, и одновременно уловить эмоциональный окрас диалога: раздражение, сомнение или, наоборот, интерес в голосе. Они выявляют проблемные зоны. Например, моменты, когда клиент задает один и тот же вопрос, а менеджер отвечает шаблонно, повышая градус недовольства. Это уже не просто сверка по базе ключевых слов, а полноценный анализ поведения, что и превращает клиентские коммуникации из статьи расходов в источник ценной информации.
Креативен по запросу
Стратегия работы с креативами раньше зависела от высокой стоимости их производства. Когда на создание одной 3D-сцены или уникальной плоской графики у дизайнера уходили часы, не было возможности тестировать десятки идей. Генеративные нейросети, обученные на фирменном стиле, эту стратегию меняют. Сейчас дизайн-команда «МТС Линк» обращается к ИИ как раз на этапе идеи, добавляя к участникам мозгового штурма виртуальных представителей ИИ-моделей от разных вендоров, каждый из которых обладает собственным характером и возможностями.
Реализация идеи также упростилась, это касается создания как видео, так и изображений. Дизайнеру необходимо владеть искусством составления промпта, тогда ИИ создаст десятки вариантов одного креатива почти мгновенно. Например, когда дизайнерам нужно было оперативно создать реалистичное изображение бегущей белки, ее «оживили» именно с помощью нейросети.
Такой «креативный помощник» приносит пользу только в том случае, если его «заказчик» четко понимает конечный результат. Поэтому дизайнерам рано уходить на пенсию или переучиваться на другую профессию, им необходимо поднимать профессиональный уровень, учиться контекстной инженерии и искать вдохновение в новых технологиях.
Инсайт на миллион
Все эти примеры говорят о том, что первый шаг на пути к новой эффективности маркетинга должен заключаться в перестройке мышления и процессов внутри команды. Главным навыком маркетолога становится не столько креативность в чистом виде, сколько умение задавать правильные вопросы к данным и формулировать точные гипотезы для проверки. В свою очередь, аналитики с опорой на нейросетевые технологии помогут найти неочевидные закономерности, которые могут стать точкой роста для всего бизнеса.
Постоянные изменения, связанные с развитием технологий, должны стать привычными на всех уровнях компании, во всех отделах. Конечно, это требует серьезного подхода к управлению рисками. Необходимо позаботиться не только о качестве исходных данных, но и о прозрачности процессов обмена данными внутри компании, а также о безопасном использовании публичных LLM-моделей.
Если на каждом уровне руководители внимательно посмотрят на свой участок работы и задумаются над тем, каких изменений им не хватает, чтобы «свернуть горы», ответ и будет самым ценным инсайтом, той самой точкой роста. Нужно просто вовремя задать правильный вопрос.
