Как IKEA превратила съёмку каталога в систему продаж, а не просто красивую картинку

В 2026 это особенно видно: в performance-креативе побеждает не тот, кто делает «дороже кадр», а тот, кто строит повторяемую систему. Хороший пример — IKEA и их подход к съёмкам для каталога и digital-каналов.

Контекст был простой: у бренда огромный ассортимент, тысячи SKU и очень ограниченное внимание покупателя. В такой среде классическая реклама с «героем-кадром» быстро упирается в потолок: она красиво выглядит, но не помогает человеку выбрать диван, хранение или светильник среди десятков похожих позиций.

Задача была не в том, чтобы сделать одну сильную кампанию. Нужно было собрать визуальную систему, которая одновременно работает на бренд, e-commerce и поиск внутри каталога. То есть: показывать товар в понятной среде, поддерживать единый стиль, но при этом давать достаточно различий, чтобы человек считывал пользу и сравнивал варианты.

Решение IKEA — съёмка как библиотека сценариев, а не как набор отдельных рекламных макетов. Они строят кадр вокруг реального использования: маленькая квартира, семья, хранение, рабочее место, сезонные сценарии. Один и тот же продукт снимается в нескольких контекстах, с разной плотностью деталей, ракурсами и светом. Это даёт сразу три эффекта:
— повышается понятность товара без длинного описания;
— растёт пригодность контента для карточек, баннеров, соцсетей и поиска по каталогу;
— ускоряется производство новых материалов, потому что база уже собрана.

Итог у такого подхода не про «красиво» в вакууме. Он про конверсию через ясность. Когда средний чек в e-com давит вниз на 5–8%, а покупатель экономит, выигрывает тот, кто лучше объясняет ценность без лишних слов. У IKEA это особенно заметно: визуал не просто продаёт атмосферу, он снижает когнитивную нагрузку и помогает принять решение быстрее.

Урок для арт-дирекшна в коммерции такой: **съёмка должна быть не финалом, а инфраструктурой**. Если вы проектируете кадр сразу под несколько каналов и сценариев использования, вы получаете не один ролик или серию баннеров, а актив, который работает на бренд, ретеншн (удержание) и продажи одновременно.

— @ArtDirectionCraftPro

Конкуренция ушла из исполнения в концепцию

Раньше выиграл тот, кто снял красивее. Сейчас — тот, кто снял *иначе*. AI-генерация выровняла продакшн: любой кадр можно собрать за вечер, свет, цветокоррекция, ретушь — всё стало доступно. Качество перестало быть валютой.

Что осталось валютой — идея. То самое ощущение «я такого ещё не видел», которое нельзя нагенерить промптом. Концепция, ракурс, метафора, неожиданная связка. Это человеческая работа.

Для арт-директора это значит простую вещь: ремесло теперь — базовый минимум, а не конкурентное преимущество. Выигрывает тот, кто умеет думать до того, как открыл Figma.

— @ArtDirectionCraftPro

Почему я запрещаю нейросетевые референсы на препродакшене

Случилась странная вещь: клиенты и младшие арт-директоры всё чаще приходят на бриф с картинками из Midjourney или Flux. Вроде бы удобно — показал «атмосферу», не искал час по библиотекам. Но именно эти референсы убивают съёмку на этапе утверждения. Почему?

Генеративные нейросети рисуют *иллюзию кадра*, а не *конструкцию кадра*. Они не знают законов физики света, поведения тканей, оптических аберраций объектива. Референс из нейросети — это монтаж из 17 слоёв «нравится/не нравится», где нет ни одной реальной текстуры. Когда такой кадр попадает на согласование к клиенту, тот говорит: «Да, сделайте как здесь». А через неделю, увидев первый light-test на площадке, разочаровывается — потому что реальный свет не может быть одновременно с трёх сторон и с тенями от двух солнц.

У меня было наглядное расхождение: в 2025 году на пост-продакшн одного проекта мы потратили на 40% больше времени, чем планировали. Причина — клиент утвердил нейросетевой референс с нереалистичным рассеиванием бликов на металле. Оператор сделал всё по сценарию, но «ощущение» не совпало. Пришлось пересветить половину ракурсов и дополнять текстуры в CGI.

Моё правило: референс должен быть либо снят, либо отрендерен с просчитанной физикой (V-Ray, Corona, Unreal Engine). Если нейросеть — то только как moodboard для цвета, не для света и композиции. Иначе вы продаёте клиенту обещание, которое не сможете выполнить

— @ArtDirectionCraftPro

**12 Storeez: Как мы снизили возвраты на 18% через цветокоррекцию фона**

В 2025–2026 e-commerce зажат между падающим средним чеком и необходимостью удерживать клиента через первый опыт покупки. Для бренда одежды возвраты — главный убийца LTV. Разбираю кейс 12 Storeez, где арт-дирекшн съёмки стал инструментом RevOps.

**Задача:**
Стандартная проблема fashion-ретейла — клиенты возвращают до 35% товаров из-за несовпадения «ожидание-реальность». В условиях, когда retention важнее первой продажи, каждый процент возврата — это маржинальная катастрофа. 12 Storeez поставили цель снизить возвраты по платьям и костюмам пиджачного кроя (категория с самым высоким процентом брака по тону).

**Решение на стыке арт-дирекшна и атрибуции:**
Вместо того чтобы менять лекала или ткань, команда пересмотрела подход к отбору референсов для съёмки. Классические «lifestyle-кадры» с мягким естественным светом искажали реальный цвет ткани на 2–3 тона (золотистый подтон уходил в оливковый на пост-продакшне).

Арт-директор предложил жёсткую схему:
— Все flat-lay (плоские съёмки) и «на модели» снимаются с обязательным colour checker (колориметрическая карта) в кадре.
— Для каждой ткани создаётся AI-пресет цветокоррекции, который привязан не к модели, а к артикулу ткани. То есть одно и то же платье в кашемире и платье из вискозы имеют разные профили цветокоррекции на этапе ретуши.
— Отказ от «эффектной» пост-обработки: никаких градиентов и стилизации, только чистая цветопередача D65 (дневной свет 6500K).

**Результаты (реальные данные компании за Q4 2025):**
— Возвраты по категории «платья» снизились с 31% до 13% за квартал

— @ArtDirectionCraftPro

Когда AI генерирует всё, побеждает тот, кто решает, когда остановиться

С появлением потоковой генерации креативов нас накрыло иллюзией выбора. Арт-директору больше не нужно рисовать сто вариантов макета — нейросеть выдаст их за минуту. Многие коллеги (простите, но здесь не про обращение) рапортуют: «Мы ускорили производство в пять раз». Вопрос не в скорости. Вопрос в качестве решения.

Я наблюдаю тревожную тенденцию: команды перестали *дорабатывать*. Снимают первый проход AI-генерации как финал. Это как согласиться на сомнительную фотографию с кастинга, потому что «время поджимает». В эпоху zero-click контента, когда у зрителя есть полсекунды, чтобы решить — листать дальше или вчитаться, недостаточно просто быть сгенерированным. Нужно быть выстраданным.

Конкуренция действительно ушла в концепцию, а не в исполнение. Но концепция — это не только идея, это уровень принятия решения: «Этот кадр — финал, я отвечаю за него головой». Мы перестали держать планку финального утверждения. AI даёт безболезненный выход: «Ну

— @ArtDirectionCraftPro

Крупные планы снова стали языком доверия

За последний месяц всё чаще вижу в рекламных съёмках один и тот же сдвиг: вместо широких сцен, сложных сетов и «большой картинки» чаще работают крупные планы кожи, ткани, рук, поверхности, фактуры. Камера будто не рассказывает историю, а фиксирует присутствие.

Это особенно заметно в брендах, где раньше любили демонстративную постановку: теперь в кадре меньше воздуха, меньше жеста ради жеста, больше микродетали и паузы между действиями. Даже в роликах для performance-кампаний, где контента много, визуальный язык стал тише и ближе.

Параллельно часто встречается одинаковая композиция:
— один объект в кадре;
— нейтральный фон;
— мягкий свет;
— минимум реквизита;
— акцент на материальности, а не на сценографии.

У вас тоже за последний месяц так?

— @ArtDirectionCraftPro

Алиса AI будет конкурировать с Google AI Studio

Яндекс разворачивает экосистему AI-агентов на базе Алисы с доступом сначала для компаний, затем для всех. Агенты уже работают в Яндекс Такси и Лавке, скоро появятся в браузере и студии разработки. Платформа интегрирует стандартные функции — заказ такси, покупки, анализ данных. Алиса AI показывает неплохие результаты: менее известна, чем конкуренты, поэтому предлагает щедрые лимиты на видеогенерацию и работу с контентом. Яндекс планирует внедрить…

➡️ Читайте на сайте: https://aff.top/blog/alisa-ai-budet-konkurirovat-s-google-ai-studio

🧠 Ещё больше инсайтов → в канале AFF.top

В Zennoposter добавили ИИ-помощник

Zennolab добавил в Zennoposter встроенный ИИ-кубик с доступом к четырём моделям (Gemini, DeepSeek, Claude, ChatGPT) — 50 бесплатных запросов в сутки. Есть режимы Assistant (чтение) и Agent (автоматическое создание скриптов), плюс новый GET-запрос по API. Нейросети хорошо справляются с регистрацией, постингом, фармингом аккаунтов и простым кодированием, но требуют проверки при парсинге динамических сайтов и диагностике ошибок. В связке с Zennoobr…

➡️ Читайте на сайте: https://aff.top/blog/v-zennoposter-dobavili-ii-pomoschnik

🧠 Ещё больше инсайтов → в канале AFF.top

Arti Shock: как 12 Storeez переписал правила креативного тестирования и поднял ретеншн на 14% с помощью «AI-ателье»

В начале 2025 года команда 12 Storeez столкнулась с классической проблемой fashion-бренда: средний чек падал — минус 6% по итогам полугодия. Потребители перестали покупать «на вырост» и переключились на точечные закрытия гардероба. Бюджет на продакшн резать не хотелось, но и гонять съёмки ради съёмок уже не получалось.

Задача: не просто сделать красивый lookbook, а создать систему креативов, которая восстанавливает LTV (пожизненную ценность клиента) через персонализированную подачу. Обычный A/B-тест двух баннеров здесь не работал — нужна была архитектура визуального контента, способная подстраиваться под сегменты аудитории.

Решение — методология «AI-ателье». Суть: вместо того чтобы снимать 300 SKU (складских единиц) на одной съёмке с универсальным светом, команда сделала 8 мини-сетов под разные сценарии поведения: «базовый гардероб», «офис-вечер», «покупка по размеру». Отсняли всего 65 единиц одежды, а остальные кадры сгенерировали через дообученную модель Stable Diffusion — на базе реальных съёмочных референсов и с жёстким контролем арт-директора. Никаких «сгенерируй футболку в поле» — каждая позиция прошла через утверждение кроя, посадки и цветопередачи.

Результат за квартал:

— стоимость производства одного кадра снизилась на 40% за счёт отказа от массового реквизита и повторных съёмок в разных ракурсах
— персонализация креативов (показывали разный сет в зависимости от истории просмотров) подняла конверсию в возврат на сайт среди «спящих» клиентов на 14%
— ретеншн (удержание) среди подписанных на push-уведомления вырос на 9 п.п.

Урок для арт-директора: в эпоху AI-креативов на потоке побеждает не умение нажать на «рендер», а способность собрать визуальный модуль, где концепция диктует кадру, а не наоборот. Чем точнее ты опишешь задачу нейросети языком референсов и гайдлайнов, тем меньше правок будет на выходе. И да — базовые съёмки никуда не делись, они стали доро́же по качеству, но короче по объёму.

— @ArtDirectionCraftPro

Новую Google reCapcha прошли статичной картинкой

Google выпустил обновленную reCAPTCHA, требующую движений рук для прохождения, но система оказалась уязвима к обходу. Достаточно транслировать статичное изображение с нужным жестом через виртуальную камеру с помощью простого Python-скрипта, чтобы нейросеть пропустила пользователя. Это создает серьёзный риск для сайтов: защита от ботов, позиционировавшаяся как прорыв, на деле не работает. Баг остается актуальным и позволяет спамерам легко автомат…

➡️ Читайте на сайте: https://aff.top/blog/novuiu-google-recapcha-proshli-statichnoi-kartinkoi

🧠 Ещё больше инсайтов → в канале AFF.top