ИИ в рекламе: что реально работает, а что красивый шум

Если коротко, нейросеть хорошо работает там, где есть много готового текста или много готовых цифр, и нужно быстро превратить одно в другое. Собрать двадцать вариантов заголовка, разложить пять тысяч фраз по смысловым группам, пробежать выгрузку поисковых запросов и подсветить подозрительное — это её территория.

И она плохо работает там, где нужно знать то, чего в данных нет. Какая у клиента маржа, сколько заявок в день переваривает отдел продаж, можно ли сейчас поднять бюджет или деньги нужны на закупку товара. Модель этого не видит и честно сказать «я не знаю» почти никогда не догадается, она выдаст уверенный ответ.

Дальше по разделам: сначала то, что я реально отдал нейросети, потом то, что не отдам ни при каких условиях.

Когда нужно собрать сорок объявлений под структуру кампании, ИИ экономит часы. Я даю ему посадочную страницу, список ключевых фраз и рамки по символам, получаю заготовку, а дальше правлю руками. Скорость на этом этапе растёт заметно, иногда в три-четыре раза.

Но заготовка и текст — разные вещи. Модель регулярно пишет то, за что потом прилетает от модерации: «лучшие цены», «гарантия результата», «номер один в городе». Она не знает вашей ниши, не знает, что у клиента нет лицензии на громкое слово в заголовке, и не чувствует, где формулировка звучит как реклама 2012 года.

Отдельная беда — узнаваемая гладкость. Если оставить текст как есть, объявления получаются вежливые, правильные и абсолютно неотличимые от десяти конкурентов рядом. Живые формулировки, ради которых человек кликает, всё ещё приходится придумывать самому или хотя бы вытаскивать из разговора с клиентом.

Вот здесь польза максимальная и спорить сложно. Выгрузка поисковых запросов за квартал, список площадок РСЯ, разбивка расхода по группам — всё это огромные таблицы, которые человек читает по диагонали и половину пропускает.

В собственной кампании я именно так нашёл, что 63% бюджета съел автотаргетинг на «сопутствующих запросах». Там же вскрылось, что 44% расхода ушло на нецелевые запросы: люди хотели зарабатывать на РСЯ, искали инструкции «как настроить самому» или вообще «как отключить рекламу». Глазами по списку из тысяч строк это ловится далеко не сразу.

Что делает нейросеть: группирует запросы по смыслу, помечает, где расход есть, а конверсий нет, предлагает список минус-слов. Что делаю я: проверяю каждую строку, потому что среди «нецелевых» регулярно оказываются вполне рабочие запросы, просто с другой формулировкой.

Ошибка тут дорогая и несимметричная. Лишнее минус-слово молча отрезает часть спроса, и вы об этом узнаете через две недели по просевшему трафику, а не по красной лампочке в кабинете.

Разложить собранное ядро по кластерам — задача механическая и утомительная, и ИИ с ней справляется прилично. Он видит смысловые группы, отделяет коммерческие запросы от информационных, находит повторы в разных формулировках.

Правда, границы кластеров он ставит по смыслу слов, а не по структуре будущей кампании. Модель спокойно объединит в одну группу запросы, которые у вас должны жить в разных кампаниях с разными посадочными и разными ставками. Финальную разбивку всё равно собираю под конкретную задачу.

С гипотезами история похожая. Попросить тридцать идей для теста — минута работы, и из тридцати обычно три окажутся рабочими. Ценность не в том, что нейросеть придумала что-то гениальное, а в том, что эти три находишь быстрее и не упускаешь очевидное.

Генерация изображений за последний год дошла до уровня, когда комплект баннеров под форматы РСЯ делается за вечер вместо недели переписки с дизайнером. Для проектов, где бюджет на продакшн небольшой, это меняет экономику заметно.

Ограничения тоже понятные. Мелкий текст на картинке модель рисует криво, руки и лица до сих пор выдают происхождение, а главное — появляется эффект, который я про себя называю «иишностью»: картинка красивая, но зритель считывает её как сгенерированную и проматывает.

Рабочий подход простой: берём генерацию как исходник, дальше правим композицию и текст руками, потом тестируем против того, что уже крутится. Если новый комплект не выигрывает по CTR и цене конверсии, он остаётся красивой папкой на диске.

Первое — стратегия. Спросите у любой модели, какую стратегию поставить, и она уверенно порекомендует «Максимум конверсий», потому что так написано в справке и в сотне статей. В одном проекте я сам проверил, чем это заканчивается при двух конверсиях в неделю: цена клика выросла с 60 до 245 рублей. Автостратегиям Яндекса нужно минимум десять конверсий в неделю, чтобы алгоритм обучился, и этой детали в рекомендации нейросети не было.

Второе — решения по бюджету. Переложить сорок тысяч с РСЯ на поиск, поднять дневной лимит, остановить кампанию перед сезоном: это чужие деньги и чужой бизнес. Модель не понесёт за них никакой ответственности, а вы понесёте.

Третье — понимание бизнеса клиента. Заявки по 400 рублей выглядят отлично в отчёте и превращаются в ноль продаж, если менеджер перезванивает через сутки. Дорогие заявки могут быть выгоднее дешёвых, потому что средний чек в другом сегменте выше вдвое. Ни один из этих фактов не лежит в рекламном кабинете, они лежат в голове у собственника и в CRM.

Поэтому ИИ в рекламе для меня инструмент подготовки, а не инструмент принятия решений. Он готовит материал, на котором решение становится очевиднее и быстрее.

Модель почти никогда не отвечает «не знаю». Она сочиняет недостающее и подаёт это ровно тем же тоном, что и проверенный факт. В работе с рекламными кабинетами это ловится постоянно: нейросеть описывает галочку в интерфейсе, которой нет, называет несуществующий отчёт, приводит статистику по нише с точностью до процента и без единого источника.

Второй типичный сбой — общие советы вместо диагноза. Я разбирал сайт, где главная весила 3,2 мегабайта и грузилась 7,8 секунды, а на другом проекте фоновое видео на 20 мегабайт просто не открывалось на телефоне. По описанию страницы модель выдаёт аккуратный список вроде «поработайте над заголовком и добавьте отзывы». Причина при этом одна, техническая, и находится она в отчёте по скорости, а не в рассуждениях о структуре.

Мой фильтр после года плотной работы такой: всё, что касается интерфейса, цифр и настроек, проверяю в кабинете руками. Всё, что касается формулировок и структуры, беру как черновик. В таком режиме нейросеть почти не ошибается, потому что ей не дают решать.

У меня сложились три правила, и они довольно скучные. Нейросеть не ходит в кабинет и ничего не нажимает. Любой её вывод по цифрам проверяется на исходных данных. Финальную кнопку нажимает человек, и он же отвечает перед клиентом за результат.

Что это даёт по факту: рутина, которая занимала день, занимает пару часов, и освободившееся время уходит на то, ради чего клиент платит. На сверку рекламы с продажами, на разговор с отделом продаж, на проверку того, доходят ли заявки до сделки. Именно там обычно и находятся деньги, а не в двадцатом варианте заголовка.

Честно скажу про границы своего опыта: это моя рамка, собранная на контексте и таргете в российских кабинетах. В других каналах и нишах баланс может быть другим, и людей, у которых нейросети закрывают больше задач, я допускаю. Но схема «ИИ ускоряет рутину, решения принимает человек» пока ни разу меня не подвела.

Разобрать выгрузку запросов, проверить стратегию на адекватность объёму конверсий, посмотреть, куда реально уходит бюджет — всё это можно сделать самому, и статья дала достаточно зацепок, с чего начать. Вопрос обычно не в знаниях, а во времени: у собственника его нет, а кампания тем временем откручивается.

Я делаю бесплатный разбор рекламного кабинета. Смотрю структуру, запросы, площадки, стратегии и связку с продажами, потом говорю прямо, что стоит менять, а что трогать не нужно. Если вижу, что кампания собрана нормально и моё вмешательство ничего не улучшит, так и скажу.

Доступы при этом остаются у вас, работаю я всегда в вашем кабинете. Если после разбора решите делать сами или с текущим подрядчиком — нормальный вариант, список правок останется у вас в любом случае.

Можно ли собрать рекламную кампанию полностью нейросетью?
Собрать — да, запустить и получить продажи — нет. Нейросеть соберёт структуру, тексты и семантику, но не проверит, какие запросы в вашей нише пустые, какая стратегия выдержит ваш объём конверсий и готов ли сайт принимать трафик. Черновик получите быстро, работающую кампанию — только после ручной проверки.

ИИ заменит специалиста по контекстной рекламе?
Ту часть работы, которая состоит из копирования, сортировки и написания однотипных текстов, он уже заменяет. Ту часть, где нужно понимать экономику клиента и отвечать за потраченный бюджет, не заменяет и пока не приближается. Скорее изменится структура работы: меньше рутины, больше разговоров о деньгах и продажах.

Какие задачи можно отдать нейросети прямо сейчас без риска?
Черновики объявлений, кластеризацию собранного ядра, первичный разбор больших выгрузок, генерацию списка гипотез для теста и исходники для баннеров. Общее у этих задач одно: результат проверяется глазами за несколько минут, а ошибка не стоит денег. Всё, где ошибка сразу режет трафик или бюджет, проверяйте руками.

Стоит ли доверять ИИ анализ статистики рекламного кабинета?
Как первому проходу — да, он отлично подсвечивает аномалии в больших таблицах. Как источнику выводов — нет, потому что модель регулярно додумывает цифры и настройки, которых не существует. Правило простое: всё, что она назвала, вы находите в кабинете сами, и только потом принимаете решение.