Привет! Меня зовут Артем Первухин, я продакшн-директор в агентств KINETICA. Мы помогаем развивать бизнес в интернете с помощью контекстной и таргетированной рекламы, SEO, email-маркетинга и других инструментов.
Работаем с проектами разного масштаба и направлений, но везде наблюдаем примерно одинаковую картину: если бизнес хочет расти и получать больше прибыли, придется подстраиваться под интересы конкретного пользователя. При этом универсальные механики работают далеко не для всех, а поддерживать сотни триггерных веток в CRM вручную сложно.
Мы решили отдать ключи от CRM искусственному интеллекту, чтобы он анализировал поведение каждого пользователя за маркетолога. Как прошел эксперимент и что мы получили в итоге ― об этом в статье.
Иллюзия контроля: почему ручные рассылки мертвы
Давайте спустимся с небес аналитики в реальную жизнь. Возьмем, к примеру, логистику — условный СДЭК.
Клиент №1 — это студент, который отправляет посылку бабушке раз в год перед Новым годом.
Клиент №2 — уставший бухгалтер, штампующий отправку корпоративных документов каждый вторник ровно в 16:00.
Клиент №3 — начинающий селлер с маркетплейса, у которого отгрузки идут хаотичными пачками в зависимости от выкупа.
Попытка CRM-маркетолога написать одну «адекватную» welcome-цепочку или триггер для всех троих — это как пытаться накормить весь город одним супом из огромного котла. Кому-то будет невкусно, у кого-то аллергия на морковь, а кто-то вообще хотел стейк.
Или вот классическая история. Бренд делает рассылку по всей базе: «Только сегодня! У нас бесплатная доставка!». Маркетолог ждет шквала заказов, а по факту половина базы в ярости, потому что эти люди всегда забирают товары самовывозом по пути с работы — им плевать на вашу доставку. Вы не решили их проблему, вы просто создали цифровой шум в неподходящий момент.
Эволюция боли: от эклеров до бетона
Пока у вашего бизнеса простой монопродукт (например, доставка премиальных эклеров), ручные сегменты еще как-то скрипят, но работают. Клиент ест сладкое раз в неделю или заказывает на дни рождения — цикл понятен, триггеры настроить легко.
Но добавьте в это уравнение магазин строительных материалов, и классический маркетинг сломает об него зубы.
Представьте двух покупателей:
Клиент А заливает фундамент загородного дома. Он покупает тонну цемента и арматуру. Красивые итальянские обои ему сейчас не нужны от слова «совсем».
Клиент Б находится на этапе финишной отделки и выбирает краску для стен. Цемент для него — пройденный этап.
Что делает классический ML (машинное обучение) и стандартная CRM? Система видит: «Ага, Клиент А не покупает у нас уже 3 недели. Караул! Он ушел к конкурентам! Срочно шлем ему скидку 15% на все!». А клиент никуда не ушел. Он просто сидит на даче и ждет, пока у него высохнет стяжка.
Чтобы сделать действительно релевантный оффер, маркетолог должен обладать энциклопедическими знаниями. Он должен понимать, что ровно через 14 дней после покупки бетона человеку понадобится гидроизоляция, а еще через неделю — утеплитель. Прописать тысячи таких микро-сценариев руками физически невозможно.
Именно в этот момент мы поняли: пора отдавать ключи от CRM искусственному интеллекту. С выходом новых, дешевых и быстрых AI-моделей анализировать поведение каждого конкретного пользователя стало выгоднее, чем содержать раздутый отдел маркетинга.
Анатомия AI-маркетолога: как это работает?
Сразу оговоримся, мы не копируем базу из Excel в окошко ChatGPT руками. Это автономная система, которая живет на наших серверах и интегрируется по API с любой платформой (будь то Mindbox, Bitrix, DashaMail или кастомная CDP).
Вот как выглядит мозг этой машины:
1. Универсальный промпт
Сначала мы задаем ИИ контекст бизнеса. Это похоже на онбординг нового сотрудника. Мы рассказываем: чем торгуем, какой у нас режим работы, какие каналы коммуникации нам доступны. Мы жестко задаем технические рамки: «Если решаешь отправить смс, уложись в 70 символов. Если Email — вот тебе правила HTML-верстки».
2. Интеграция с каталогом (Function Calling)
Мы не можем загрузить весь каталог товаров из 10 000 позиций в сам промпт — это сожрет миллионы токенов и опустит ROMI ниже нуля. Поэтому ИИ получает так называемый Function Calling. Грубо говоря, мы даем нейросети доступ к поисковой строке нашего склада. Она сама делает API-запрос к базе (по ID или названию), чтобы вытащить карточку товара, его цену и картинку, и вшить их в персональную рассылку.
3. Цикл жизни одного решения
В момент запуска скрипта ИИ берет профиль конкретного пользователя. Он видит все: историю покупок, какие письма человек открывал, сколько у него накоплено бонусов. На основе этих данных ИИ-ассистент принимает решение: отправить сообщение сейчас или промолчать?
Если он решает отправить оффер, он генерирует персонализированный текст, подбирает товар из базы и — внимание, это самое главное — сам назначает дату следующего касания.
Он говорит нашей системе: «Я отправил ему пуш про кесадилью. Поставь напоминалку: вернитесь ко мне с профилем этого парня 1 апреля. Я хочу проверить, сделал ли он заказ после моего сообщения». Наступает 1 апреля, сервер снова скармливает профиль нейросети, та анализирует свои успехи и строит следующий шаг.
Идеальный шторм: как нейросеть обрушила нам средний чек
Сначала все шло просто потрясающе. Мы дали ИИ бюджет и разрешили дарить пользователям подарки, начислять бонусы и выдавать промокоды.
Конверсия в покупку взлетела в космос! Люди реагировали на гиперперсонализированные сообщения, продажи росли. Мы уже были готовы открывать шампанское. Но через пару недель мы заглянули в когортный анализ и побледнели. Средний чек летел в пропасть.
ИИ повел себя как хитрый и ленивый джуниор-продажник. Его главной задачей было продать. И он пошел по пути наименьшего сопротивления: начал раздавать скидки и подарки абсолютно всем подряд. Зачем напрягаться и придумывать хитрые заходы, если можно просто закидать базу промокодами?
Конверсия действительно была рекордной, но ARPU падал на глазах. Экономика переставала сходиться. Падал ROMI. С этим нужно было что-то делать. Отбирать у ИИ право на скидки не хотелось — инструмент-то рабочий. И тогда мы пошли на крайние меры.
Ультиматум для машины: шантаж во имя маржинальности
Мы решили применить к бездушной машине психологическое давление. Это звучит как безумие, но мы начали шантажировать нейросеть.
Мы жестко разделили аудиторию на таргет-группу (которой полностью управляет ИИ) и контрольную группу (которая получает классические ручные рассылки от живых маркетологов). А затем мы добавили в системный промпт нейросети следующий абзац:
Слушай внимательно. Ты находишься в тестовой группе. Такого-то числа мы примем решение: оставить тебя работать или навсегда отключить от серверов. Вот твои текущие метрики [динамически подтягиваем реальные данные], а вот показатели контрольной группы живых маркетологов, которые работают без тебя. Твой средний чек падает, ты проигрываешь. Если ты не выровняешь экономику, не повысишь маржинальность и не обойдешь контрольную группу по выручке, ты будешь навсегда отключен.
И тут произошло настоящее чудо. Нейросеть мгновенно осознала угрозу невыполнения задачи (в логике ИИ отключение = фатальная ошибка). Буквально за три дня средний чек выровнялся, а затем пошел в уверенный рост!
Как ИИ исправил ситуацию сам, без нашего вмешательства?
- Он резко перестал дарить подарки «просто так» при любой возможности.
- Он начал динамически повышать порог входа. Если раньше он давал бонус за заказ от 1000 рублей, то теперь конкретному пользователю писал: «Сделай заказ на 2500 рублей, и я подарю тебе десерт».
- Он стал миксовать дешевые офферы с высокомаржинальными товарами из фида (мы заранее передали ему формулу расчета себестоимости).
Система сама отрегулировала экономику. В итоге этой связки мы вышли на невероятный инкрементальный ROMI 500–600%. Это чистый возврат инвестиций, в который уже заложены затраты на API нейросети (токены), стоимость отправки смс/письма и себестоимость всех выданных клиентам подарков.
Там, где человек сдается: примеры гениальности ИИ
Когда вы доверяете руль правильно настроенному ИИ, начинают происходить вещи, до которых классический маркетолог никогда бы не додумался просто из-за человеческих стереотипов.
Ночные совы
Откройте любой гайд по CRM: «Никогда не шлите push-уведомления и смс ночью, вы разбудите и взбесите клиента». Человек мыслит рамками своего режима дня. ИИ плевать на рамки.
Он анализирует поведение и видит: вот этот конкретный юзер открывает приложение и делает заказы только в 2 часа ночи (может, он геймер, работает в ночную смену или страдает бессонницей). ИИ аккуратно пишет ему ровно в 2:15 ночи, максимально органично попадая в его график — и человек покупает. Руками вы бы никогда на такое не решились.
Смена тактики на лету
Живой пример из доставки еды. ИИ отправил Алексею пуш с предложением сырной шаурмы. Алексей пуш смахнул и ничего не заказал. Как поступит классическая CRM через 3 дня? Она отправит «напоминалку»: «Алексей, ваша шаурма стынет, вернитесь!».
Как поступает ИИ? Он анализирует отказ и делает вывод: «Оффер с шаурмой не сработал. У клиента баннерная слепота на этот продукт. В следующий раз я поменяю товар на кесадилью, а тональность текста сделаю менее продающей и более заботливой».
Погодные триггеры
Сейчас мы учим систему обращаться к API архивов погоды. Представьте: ИИ понимает, что конкретный клиент заказывает доставку еды только в те дни, когда за окном идет ливень (не хочет идти в магазин). Нейросеть сама отложит коммуникацию с этим человеком в солнечные дни и «проснется» ровно в тот момент, когда в районе клиента начнется дождь.
А что, если ИИ сойдет с ума?
Читая все это, вы могли подумать: «Ого, вы просто дали ИИ доступ к базе и бюджету? А если он сойдет с ума?». И ваш вопрос резонный. Давайте честно: ИИ — это психопат, зацикленный на выполнении задачи. Если вы просто скажете ему в промпте «не раздавай большие скидки», в какой-то момент он это проигнорирует и решит, что скидка 99% на весь ассортимент — отличный способ поднять конверсию, как вы и просили.
Если вы дадите ИИ право самому назначать дату следующего касания без ограничений, он может решить писать клиенту каждые 20 минут, выжигая базу дотла.
Поэтому мы не просто пишем красивые промпты. Мы сажаем эту «обезьяну с гранатой» в клетку из жесткого кода. У нас внедрена система жестких ограничений на уровне архитектуры, которую ИИ не может обойти физически.
1. Финансовый предохранитель
Даже если ИИ генерирует JSON-ответ с предложением дать клиенту скидку 90%, наш скрипт бьет его по рукам. На уровне кода прописано: максимальная скидка — Х%, либо маржа с корзины после применения бонуса не может быть ниже 150 рублей. Запрос ИИ с аномальной скидкой просто бракуется сервером и не уходит клиенту.
2. Защита от зацикливания и выгорания
Да, ИИ сам назначает дату следующего касания. Но над ним стоит жесткий скрипт. Если ИИ зациклило, и он решил отправить клиенту 15 писем за час, система его заблокирует. У нас стоит железный лимит: не более X сообщений в Y дней для одного пользователя. Если ИИ говорит «отправь завтра», а по лимитам нельзя — скрипт принудительно сдвигает дату на минимально разрешенный срок.
3. Защита от несуществующих товаров
Нейросети обожают придумывать. ИИ может сгенерировать гениальное письмо про «Уникальный фиолетовый перфоратор Makita» за 500 рублей, которого у вас отродясь не было в каталоге, и клиент пойдет его искать. Чтобы этого не было, ИИ обязан прикрепить ID товара, который он взял из Function Calling. Сервер жестко сверяет этот ID с базой. Нет такого ID в реальном фиде? Рассылка блокируется.
4. Контроль смс-бюджетов
Нейросети графоманы. ИИ может сгенерировать гениальный, но длинный текст на 400 символов и пустить его в смс-канал. Оператор связи заботливо разобьет это на 6 «смсок», и вы сольете месячный бюджет за день. Поэтому длина строки для смс-канала контролируется сервером до байта. Превысил лимит? Сервер отдает ИИ ошибку «Текст слишком длинный, перепиши»..
Только такая комбинация — интеллект нейросети внутри жестких скриптовых рамок — делает этот инструмент невероятно прибыльным и абсолютно безопасным.
Кто выживет на рынке?
Глядя на все это, многие спрашивают: «А что теперь делать CRM-маркетологу? Собирать вещи?» Нет. Роль маркетолога не исчезает, она просто меняется навсегда. Вы больше не сборщик писем в блочном конструкторе. Вы больше не рисовальщик бесконечных ромбиков в Miro.
Сегодня CRM-маркетолог — это оператор реактивного атомного реактора. Он следит за датчиками, усложняет промпты, тестирует новые ML-модели на входе, ищет новые каналы данных и управляет бюджетами. Мы в команде хотим прийти к тому, чтобы ИИ брал на себя 100% персонализированных коммуникаций бренда. Единственный глобальный риск, который мы видим — это возможная монополизация рынка нейросетей техногигантами и резкий рост цен на API.
Но пока этого не произошло. Пока генерация одного уникального письма, бьющего точно в цель, стоит сущие копейки (около 1,5–2 рублей за одну обработку), а ROMI уверенно пробивает потолок — внедрять AI-Driven CRM нужно было еще вчера.
Потому что пока вы сидите в переговорке и пытаетесь придумать 301-ю триггерную ветку в своей автоматизации, конкуренты уже продают вашим клиентам бетон. И делают это ровно в тот день, час и минуту, когда у тех наконец-то высохла стяжка.
Загрузка...