Александр Мальцев, директор по маркетингу Яндекс Браузера, в марте 2025 года на вебинаре Яндекс Практикума PRO рассказал, как его команда перестроила работу с рекламными кампаниями для нейроредактора — встроенного инструмента браузера, где Алиса ИИ пишет, правит и улучшает тексты. Результат: рост на 20% по всем кампаниям при команде из двух человек.
До перехода на ИИ-подход команда запускала около восьми рекламных паков в неделю. Каждый пак — универсальные креативы на широкую аудиторию плюс лендинг. Одна-две связки срабатывали, на них пробовали масштабироваться, но рост колебался в пределах ±5%, сжигая конверсию и бюджеты. Проблема была структурной: аудитория нейроредактора неоднородна — соискатели, школьники, студенты, маркетологи, копирайтеры, всего 13 сегментов. Конверсия между ними расходилась в три раза, а универсальный креатив по определению не мог работать одинаково для всех. Около 60% трафика давали три поисковых запроса: «проверка орфографии онлайн», «сократить текст», «перефразировать текст» — уже это указывало на принципиально разные задачи у разных групп пользователей.
| Роль агента | Задача | Инструменты / фреймворки |
|---|---|---|
| Исследователь-аналитик | Сегментировать аудиторию, найти конкурентов и возможности | WISER, DeepSeek, Алиса AI, Google Gemini deep research |
| Маркетолог-психолог | Сгенерировать гипотезы по болям и мотивации каждого сегмента | McKinsey POS, WISER |
| Копирайтер-оператор | Перевести гипотезы в рекламные тексты под форматы платформ | P.R.O.M.P.T, пять копирайтинговых фреймворков |
| Дизайнер | Сгенерировать заготовки баннеров и структуру лендинга | Генеративные модели изображений |
Решением стала система из четырёх ИИ-агентов с последовательными ролями. Логика простая: один большой промпт «вот продукт, сгенерируй креативы» не работает — у модели заканчивается контекстное окно, и она выдаёт банальные решения. Поэтому каждый этап получал свою роль с отдельным контекстом.
До внедрения ИИ запускали ~8 рекламных паков в неделю с универсальными креативами, рост колебался в пределах ±5%.
Первый агент — исследователь-аналитик. Он работает по фреймворку WISER: роль задаётся первой строкой промпта (контекстное окно тратится на начало в первую очередь), затем описывается продукт, метрики успеха, аудитория и конкуренты. Задача — провести глубокое исследование рынка, сегментировать аудиторию по методологии Jobs to Be Done и собрать таблицу. Промпт отправляли параллельно в три модели: DeepSeek с режимом рассуждений, Алису ИИ с функцией «Исследователь» и Google Gemini в режиме deep research. Gemini, по словам команды, даёт лучший результат, хотя может работать полчаса. Весь анализ занимает около 30 минут, столько же уходит на разбор.
Второй агент — маркетолог-психолог. Под каждый сегмент он генерирует гипотезы по фреймворку McKinsey Problem–Solution–Outcome: какая боль есть у пользователя, как продукт её устраняет и почему клиент выбирает именно его. Ключевой принцип, который команда формулирует как «garbage in — garbage out»: если в промпте правильная маркетинговая методология, на выходе будут хорошие гипотезы. Если нет — нейросеть пишет так, словно люди сидят и ждут именно вас. Отдельная оговорка: даже при удачных вводных модель может галлюцинировать и приписывать продукту функции, которых нет, — гипотезы нужно верифицировать с командой продукта.
Пример из кейса для сегмента «активные соискатели»: боль — когнитивная перегрузка при массовых откликах, когда нужно держать в голове текст вакансии, резюме и промпт для ChatGPT, переключаясь между тремя-четырьмя вкладками. Решение — нейроредактор сам читает открытую страницу вакансии на hh.ru или Superjob, анализирует требования и генерирует сопроводительное письмо по нажатию одной кнопки. Ценность — возможность отправить в три раза больше персонализированных откликов за то же время.
Третий агент — копирайтер-оператор, который перекладывает гипотезы в рекламные форматы по пяти фреймворкам, учитывая технические требования платформ. Четвёртый — дизайнер, генерирующий заготовки баннеров и структуру лендинга. Для копирайтера использовали шаблон P.R.O.M.P.T, который не даёт модели уходить в интернет и домысливать, фокусируя её только на переданном контексте.
Кейс хорошо иллюстрирует тезис из исследования McKinsey, на который ссылается команда: на рынках, где расти можно только за счёт маркетинга, успешные кампании объединяет одно — много персонализированных коммуникаций под разные профили пользователей. Задача маркетолога при этом смещается: делегировать рутину ИИ и сфокусироваться на понимании аудитории и потоковом тестировании гипотез под каждый сегмент.