Почему ИИ буксует именно в маркетинге: фидбек приходит на недели позже
Курс есть на все. «КУРС ПО ИИ ДЛЯ МАРКЕТИНГА!! Успей забрать, пока не забрали конкуренты.» Сейчас сэкономлю тебе деньги.
Модели учатся там, где фидбек мгновенный
Нейросети чудесно работают там, где ответ о результате приходит на месте: написал, увидел, поправил, повторил. Поэтому первыми полегли копирайтеры, разработчики и дизайнеры: там цикл «сделал - проверил» замыкается за секунды, и модель успевает учиться на своих же промахах на ходу. Это тот же самый цикл, благодаря которому вообще работает a/b тестирование, и тот же самый цикл, которого у маркетинга почти никогда нет.
В маркетинге фидбек приходит неделями позже
А теперь возьми маркетинг. Время до результата меряется не в секундах, а в неделях, если не в месяцах. Ты что-то сделал, и фидбек вылезет намного позже, если вообще дойдет, и только при условии, что ты умный и настроил аналитику. Сначала прогрев, потом касания, потом отложенные конверсии, и только через месяц ты узнаешь, что бюджет спустил в трубу еще на второй неделе.
Здесь нейросети просто не на чем быстро учиться. Точнее, есть на чем, только сигнал приходит так поздно, что к моменту, когда появляется «ой, не сработало», деньги уже потрачены, причем настоящие, аудитория сменила паттерны, а связка выгорела в пыль. Отсюда же и то, что атрибуция в маркетинге здесь - отдельная дисциплина, а везде остальное - сноска: стоимость привлечения клиента, под которую ты оптимизируешься, - это число, которое ты видишь только постфактум, а roi маркетинга приходит последним из трех. Сквозная аналитика чинит наблюдаемость, но не скорость. Делать маркетинг на глаз, на вайбах, как лендинг за выходные, - прямая дорога к пустому рекламному кабинету и очень грустному ROAS.
Негламурная часть: заставить модель реально работать
Я неприлично долго и тяжело дерусь с нейросетями, чтобы выжать из них не поток красивой воды, а достаточно чистый и защищаемый результат: чтобы модель как следует брала инструменты, а не тыкала в них вслепую, чтобы считывала контекст, а не выдумывала его, чтобы не производила галлюцинации, не жгла бюджет и не топила отчет в вате. Именно это люди на самом деле и покупают, когда покупают ИИ-агентов: не модель, а обвязку вокруг нее.
Это заметно менее гламурно, чем звучит в хайповых постах про курсы. Это дотошная и местами осатаневшая возня над каждой деталью.
Как это выглядит, когда работает
Исследование конкурента - 30 минут. Исследование рынка - около 25. Оценка идеи - примерно час. И глубину можно крутить под задачу: от нескольких тысяч ключевых слов до сотен креативов или десятков тысяч упоминаний, и на выходе получается не каша, а нормальная выжимка с разбивкой.
Когда у тебя большие объемы исследований, это экономит не часы: это экономит недели и тысячи долларов. Ради этого и делался маркетинговый ресерч на автомате, и по той же причине разбор конкурента перестал быть проектом на две недели. Здесь же проходит честная граница нейросетей для маркетинга: они схлопывают сбор, но не укорачивают петлю обратной связи.
Дальше: автоматизировать сам запуск
Самое интересное в том, что запуск этих исследований тоже можно автоматизировать: чтобы они стартовали, когда надо, и без твоего участия. Пока это только в моих влажных архитектурных мечтах, но контур виден. Непрерывный эксперимент без человека, который жмет кнопку, - единственная версия всего этого, которая масштабируется.
Итог
Я всеми силами за нейросети в маркетинге и категорически против того, чтобы палить наугад и называть это стратегией. Вся разница между «спросил у модели и скрестил пальцы» и «заставил модель реально работать» - это, судя по всему, и есть основная профессия на ближайшую пару лет.
