🧠 Результаты экспериментов с нейронками

Последние 1,5 месяца я активно экспериментировал с нейросетями в нашем агентстве. Хочу поделиться реальными результатами — что уже круто работает, а где пока есть сложности.

✅ Что получается офигенно:

1️⃣ Тексты для контекстной рекламы
Мы научили нейронки писать объявления, которые объективно круче того, что делает большинство копирайтеров. Приложил к посту примеры текстов

Процесс отлажен до такой степени, что требуется минимальная шлифовка (5-10% текста), а результат — огонь! Директологи в восторге: и время экономится кратно, и результаты лучше.

Пишем в Клоде 3.7
Единственный минус — Клод пока не научился корректно считать символы во втором заголовке. Но есть мысли, как это поправить.

2️⃣ Чистка минус-слов
Это тоже прям огненная история. Научили нейросеть собирать основные запросы для минусовки за 5-10 минут вместо нескольких часов ручной работы.

В минусах учитывает специфику ЦА и продукта. Еще и по группам разбивает.
Тоже приложил скрин.
Тут Gemini оказался лучше всех.

3️⃣ Быстрые ответы клиентам
Создал персонализированную GPT-шку, в которую загрузил данные о компании, информацию о текущей ситуации, прайсы и ассортимент. Теперь когда приходит сообщение, а времени на идеальный ответ мало — нейросеть помогает сформулировать качественный ответ без длительной настройки промтов.

На самом деле его стал использовать и для обсуждений мыслей по агентству. Классно, что он уже многое знает обо мне и агентстве. Качество ответов сильно выросло.

4️⃣ Deep Research от GPT
Протестировал функцию Deep Research от ChatGPT — впечатляет! Работает лучше, чем аналогичные у Gemini и Perplexity. Выдает структурированные ответы высокого качества, хотя и с меньшей детализацией источников, чем Gemini.

Я раньше топил за Deep Research от Gemini. Он может собирать данных с сотен сайтов. Но GPT сильно обходит Gemini по структурированности и формату ответа. Еще перед тем как уйти в сбор информации, он задаёт уточняющие вопросы. И эти вопросы бывают очень в тему.
Жаль, что в версии Плюс доступно только 8 таких исследований в месяц.

❓ Где пока есть сложности:

1️⃣ Аналитика и выявление узких мест
Пытались научить нейросети анализировать данные и выявлять проблемные места в воронке контекста. Пока не сработало. Главная причина — нужен очень четкий алгоритм и последовательность шагов для анализа.

Особенно нейросети буксуют с анализом динамики показателей. Они воспринимают данные как общий пул, а не как изменяющиеся со временем метрики. Буду прорабатывать этот момент.

2️⃣ Выявление ключевых проблем в сложных ситуациях
Экспериментирую с использованием теории ограничений Голдратта и построением дерева реальности. Первые результаты интересные, но нейросети приходят к общим выводам.
Когда ситуация сложная, много взаимосвязей, и хочется заниматься всем сразу — нужно выявить одну ключевую проблему. А Клод выдал верную проблему, но для ее решения нужно сразу всё делать ))

Скорее всего проблема в исходных данных и алгоритме. Нужно будет разбивать каждый этап на отдельные запросы, плюс запрос на проверку выводов.
По результатам отпишусь позже.

🚀 Над чем работаю сейчас:

Сервис по анализу реального % показов в Директе.
Я про него писал выше.
Уже работает на моем компьютере, команда оценила.
Стало проще понимать какой % выдачи мы занимаем и не вылетели мы с ключевых позиций.
Будем делать сервис доступным онлайн, чтобы вся команда могла пользоваться.

Что интересно — появились первые запросы на доступ к сервису от внешних клиентов и других специалистов. Думаю, может получиться отдельный сервис.

💪 Какие нейросети использую чаще всего:

Claude Sonnet 3.7 — офигенно пишет тексты, лучший выбор для создания контента. Еще и графики рисует :)
Gemini (версия от февраля) — отлично справляется с написанием кода для больших проектов и анализом больших массивов данных.
ChatGPT с функцией Deep Research и GPTs — для структурированного анализа информации и обсуждения вопросов.

🔄 Как управлять маркетингом в B2B. Часть 2: Идеальная длительность спринта для B2B-маркетинга

Ранее я рассказал, почему для маркетинга в B2B классическая водопадная модель и еженедельные созвоны не работают. Сегодня хочу поделиться тем, как мы пришли к оптимальной длительности спринтов и почему это так важно.

Эксперименты с длительностью спринтов

Мы начинали работать с недельными спринтами — это казалось логичным. Оперативно, еженедельно анализируем результаты, быстро реагируем на изменения. Но столкнулись с серьезными ограничениями:

• На анализ и подготовку отчетов уходило минимум один рабочий день — по факту это 20% недели
• С учетом сбора данных и более глубокого анализа отдельных рекламных каналов и страниц сайтов реально до 1,5-2 рабочих дней "вылетало" просто на анализ и планирование.
• На реализацию проектов оставалось всего 3 дня, что критически мало.

В итоге недельные спринты у нас проработали где-то пол года и мы от них отказались.

Попробовали месячные спринты — слишком редкий анализ. Теряется эффективность, так как специалисты редко анализируют, что делают и какие результаты получают.

Почему двухнедельные спринты — идеальный баланс для B2B

После экспериментов мы остановились на двухнедельных спринтах. И вот почему:

1️⃣ Баланс между регулярностью анализа и временем на работу — достаточно времени для реализации задач, но при этом регулярный анализ не даёт уходить в сторону от цели

2️⃣ Особенности B2B-трафика:
• В B2B часто не хватает недельного объема трафика для статистически значимых выводов
• Двухнедельный период позволяет запустить гипотезу, набрать статистику и к следующему спринту уже оценить результаты
• При недельных спринтах мы часто могли подвести итоги только позапрошлого спринта — это вносило путаницу вместо пользы

3️⃣ Удобная синхронизация с бизнес-процессами клиентов:
• Двухнедельные спринты примерно попадают в половину месяца
• Это совпадает с регулярностью многих отчетов для руководства клиентов
• Месячный отчет собирается органично и быстро
• Промежуточные недельные отчеты, помогают клиенту быть в курсе задач по гипотезам и результатам в цифрах

Наш формат спринта

Интересно, что мы начинаем спринты со вторника (а не с понедельника). Это не случайно:

• В понедельник мы подбиваем итоги предыдущего спринта
• Отчетность обычно построена по неделям — поэтому готовить отчеты в пятницу не выходит. В любом случае в понедельник нужно до собирать данные для клиента.
• На анализ и подготовку выводов по 3-4 проектам у специалиста уходит практически весь день
• Если все это делать в один день с планированием нового спринта — получается перегруз. Да и банально не успевали его сделать.

Поэтому наш цикл работает так:
• Понедельник — подводим итоги, проводим демо (обсуждаем результаты и обмениваемся опытом)
• Вторник — планируем новый спринт
• Каждый день — проводим быстрые синхроны для контроля выполнения задач
• Понедельник в середине спринта — подбиваем промежуточные отчеты и обсуждаем как улучшить работу агентства.

В следующем посте расскажу подробнее, как проходят наши планирования, демо и ежедневные митинги — это целая система, которая позволяет держать контроль над проектами, но при этом не скатываться в микроменеджмент.

А вам интересно про какой элемент системы узнать в первую очередь?
Ставьте реакции и я пойму про что писать в первую очередь.
Про процесс планирования — 👍, про работу с задачами — 👌 или про организацию коммуникации внутри команды — 😍?

Опыт работы с описанием ценностного предложения

Последние три недели тестировали с клиентами подход ДКЦП (Дворец Культуры Ценностного Предложения) для структурирования ценностного предложения. Я рассказывал про подход ранее, но сейчас поделюсь свежими наблюдениями из практики.

Что заметил в процессе работы

Эта схема помогла очень хорошо показать разницу между сегментами ЦА.
Один и тот же продукт воспринимается по-разному: собственники ценят экономию и уверенность, а для SEO-специалистов важнее экономия времени и возможность показать результат внутри компании.

Когда мы сделали такую схему для одного из клиентов, выяснилось, что отдел продаж давно уже двигает не те ценности. Мы набросали простую схемку — и сразу стало понятно, на чем делать акцент при общении с разными типами клиентов.

Ещё один забавный момент — во время заполнения схемы с командой клиента выяснилось, что у них нет единого понимания продукта. Руководитель говорил про одно, собственник про другое, а маркетолог вообще про третье. И все были уверены, что они на одной волне!

С чем столкнулись
Самое сложное — уйти от общих фраз. Когда пишешь "обеспечиваем скорость и надежность", кажется, что всё ясно. Но стоит копнуть глубже — в чём конкретно проявляется эта надежность для разных сегментов — и начинаются сложности.
Или излюбленная «нехватка времени». Кажется очень логичным, но по факту время идет независимо от нас. И вопрос в том, почему человек не выделяет время на эту задачу.

Часто слышу от клиентов: "Да зачем это всё? Мы и так знаем свой продукт". А потом выясняется, что продавцы транслируют совсем не те ценности, которые важны покупателю. Или что производственники зациклены на характеристиках, не объясняя, зачем они нужны конечному пользователю.

К сожалению, в схеме не хватило блока про отличия от конкурентов — этот момент придется дорабатывать. Для общей стратегии продукта это не так критично, а вот для маркетинга — очень важно.

Что будем делать дальше
Решили, что ДКЦП-схема точно войдет в базовый набор инструментов нашего агентства. Она слишком хорошо работает, чтобы от нее отказываться:

— Помогает понять, что на самом деле ценно для разных клиентов
— Упрощает обучение менеджеров по продажам
— Выравнивает понимание продукта внутри команды
— Выявляет информационные пробелы

🔍 Тест нового Deep Research в Gemini: сильный инструмент для быстрого погружения в тему

В среду платная версия Gemini обновила функцию Deep Research.
Решил протестировать и рассказать, чем она может быть полезна.

Что это такое и почему впечатляет:

- Показывает процесс работы — буквально комментирует, как собирает и анализирует информацию
- Структурирует данные — разбивает на логические блоки, выделяет главное
- Использует качественные источники — в моём тесте собрал 58 релевантных ссылок
- Углубляется по запросу — можно попросить исследовать конкретный аспект темы детальнее

## Где это можно применить:

- Быстрое погружение в новую сферу или проект
- Сбор информации при подготовке к переговорам
- Анализ конкурентов и рынка
- Создание базовых регламентов и инструкций
- Подготовка к выступлениям и презентациям

## Ограничения:

- Лимит примерно 15 страниц на один материал
- После 10-15 запросов может начать подтормаживать
- Хотя собирает отличные источники, всё равно нужна проверка
- При сложном запросе нашёл около 600 источников и завис :)

Ключевое преимущество — экономия времени на сбор и структурирование информации. То, что раньше требовало нескольких часов работы аналитика, сейчас можно получить за 10-15 минут.

Для особо любопытных прикрепляю видео, которое записал на лету. Поэтому качество не ахти. Зато видно как работает.

Как управлять маркетингом в B2B. Часть 3: Структура спринта и ключевые встречи

В предыдущем посте я рассказал, почему для B2B-маркетинга оптимальны именно двухнедельные спринты. Сегодня раскрою, как устроена внутренняя структура нашего спринта и какие ключевые митинги помогают держать процессы под контролем.

Напомню, наш спринт начинается во вторник и заканчивается через две недели в понедельник. Это не случайно — такая структура максимально согласуется с рабочими процессами команды и отчетностью клиентов.

Ключевые события спринта

📊 Понедельник: Итоги и Демо
День начинается с подведения итогов спринта
Каждый специалист собирает и анализирует данные по своим проектам
Аналитика проводится не формально, а с глубоким погружением в цифры
На этот процесс у опытного специалиста с 3-4 проектами уходит практически полный рабочий день

После сбора индивидуальных результатов проводим коллективное Демо — критически важный элемент системы:

— Обсуждаем результаты по проектам — что сработало, что нет
— Обмениваемся опытом и находками между специалистами
— Создаем дополнительную точку синхронизации команды
— Выявляем системные проблемы, которые требуют стратегического решения

Пример из практики: На одном демо мы увидели, что по ряду причин изначальный план по лидам на проекте уже невозможно реализовать. Это позволило нам заранее, а не в конце месяца, перестроить стратегию и скорректировать ожидания клиента. В итоге смогли достичь результата, но другим способом.

📝 Вторник: Планирование
В 9 утра по Москве проводим планирование нового спринта. Важный момент: люди приходят на планирование уже с готовым планом!

Процесс подготовки к планированию:
* Специалисты самостоятельно ставят задачи — не я как руководитель их раздаю
* Все задачи заносятся в систему управления проектами
* По задачам расписана плановая загрузка
* Задачи детально раздроблены
* В задачах фиксируется ожидаемый результат по задаче
* Ранжируем гипотезы (их всегда больше, чем оплаченного времени)

На самом планировании:
* Синхронизируем планы между участниками команды
* Проверяем, хватает ли времени на все выбранные гипотезы
* Распределяем по времени связанные задачи между специалистами

Ключевое правило: задачи должны быть не больше 3 дней, а в идеале — на 1 день. Крупные задачи обязательно декомпозируются.

⏱️ Ежедневные митинги
После планирования спринта проводим ежедневные 15-минутные митинги (хотя на практике они чаще занимают 20-25 минут).

Особенности наших митингов:
* Открываем дашборд в системе управления проектами (мы используем PlanFix)
* Видим 4 статуса задач: "на спринт", "в работе", "выполнены", "завершены"
* Двигаем задачи по статусам только во время митинга (кроме статуса "выполнены")
* Поднимаем вопросы и проблемы по задачам и проектам
* Сразу после митинга можем остаться для решения выявленных проблем

Главное правило: если не поднял проблему на митинге — это косяк сотрудника, за который я ругаю.
Поэтому все проблемы обычно на митингах и выносятся.
Это позволяет видеть задачи, которые могут не укладываться в сроки, еще до того, как это произошло.

🔍 Дополнительные контрольные точки
Еженедельный отчет клиентам в понедельник
При необходимости — дополнительные контрольные точки в течение недели
Отказались от ежедневного анализа показателей — он оправдан только на старте проекта или для отлавливания форс-мажоров

🔄 Ретро
Помимо работы с проектами, проводим отдельный созвон "ретро", где анализируем работу самого агентства:
— Обсуждаем, как можно улучшить процессы
— Ищем точки роста для компании
— Получаю обратную связь от команды
— Вместе находим решения системных проблем

Вся эта структура позволяет:
* Быстро выявлять и решать проблемы
* Держать руку на пульсе каждого проекта
* Обмениваться опытом внутри команды
* Постоянно улучшать процессы

В следующем посте расскажу подробнее о том, как мы работаем с гипотезами и задачами внутри спринта, как их формируем и ранжируем.
А что ещё про нашу систему управления маркетингом вам интересно? Напишите в комментариях 👇

🤖 Как нейросети спасают нас от рутины в анализе рекламных кампаний

Я активно продолжаю эксперименты с нейросетями для оптимизации внутренних процессов. Сегодня расскажу, как мы используем ИИ для анализа еженедельных отчётов по рекламным кампаниям. Эта история о том, как мы избавляемся от рутины, повышаем качество анализа и освобождаем время для действительно важной работы.

🔍 Когда цифры захватывают всё внимание

Разберу на примере контекстной рекламы. Представьте себе даже небольшой рекламный кабинет: 5 рекламных кампаний и 9 базовых показателей для каждой (охваты, клики, CTR, CPC, отказы и т.д.).

Это уже 45 значений, которые нужно проанализировать. Но одних текущих цифр недостаточно — без динамики это просто набор чисел. Чтобы сделать нормальные выводы, надо смотреть изменения хотя бы за 4 недели.

Итого: 180 показателей. А если добавить серийные значения и отклонения от средних — получается 200+ цифр, которые нужно проанализировать только на уровне рекламных кампаний. И мы ещё даже до групп объявлений не добрались!

🚨 Человеческий мозг против информационного потока

Мозг человека не заточен под работу с таким количеством данных. Специалисту приходится отдельно анализировать каждый параметр, каждую кампанию, тратя на это огромное количество времени:

✓ Минимум час-полтора на базовый анализ одного проекта
✓ У наших специалистов обычно 3-5 проектов одновременно
✓ Целый день уходит только на то, чтобы понять, что происходит

При таком объёме данных растёт вероятность человеческой ошибки — что-то важное можно просто не заметить. А в некоторых агентствах, судя по чатам, у сотрудника бывает до 10 проектов — можете представить качество отчётности?

Вот почему большинство отчётов, которые я встречал, в лучшем случае содержат: "На прошлой неделе было так, сейчас вот так. Планируем делать это". Без нормальных связок, без глубины, без работы с гипотезами.

И что в итоге? Время уходит на рутинный анализ, а на стратегический взгляд и глубокую проработку его почти не остаётся.

🔧 Итоги наших 2 недель экспериментов

Мы начали серию экспериментов с использованием ИИ для автоматизации анализа. Вот с какими сложностями столкнулись и что с ними делали:

1️⃣ Слишком много данных сразу
Когда загружали весь объём показателей, нейросеть не справлялась. Пришлось сузить фокус до уровня компаний.

2️⃣ Динамика? Какая ещё динамика?
Загрузили данные за 4 недели по рекламным кампаниям. Все нейронки анализировали данные как единый набор, не учитывая изменения по неделям. Пришлось в промптах чётко прописывать логику работы с динамикой. Лучше всего себя показал Claude. Поэтому дальше работали только с ним.

3️⃣ Когда нейросеть не умеет считать
ИИ считал средние значения просто как среднее арифметическое. Например, суммировал четыре значения CTR и делил на четыре, что некорректно. Пришлось разработать и задать конкретную логику расчёта средневзвешенных показателей.

4️⃣ Творческий хаос в отчётах
Каждый запуск давал абсолютно разные отчёты, где терялись важные параметры. Иногда по одной кампании он анализировал одни показатели, по другой — совсем другие. А то забывал про какую-нибудь рекламную кампанию в общей таблице.

5️⃣ Код против хаоса
Claude со своим расчетом показателей через код, показал самые стабильные результаты. Данные сходятся с расчетными.

📊 Итоги тестов и внедрения

После внедрения нейросетей в аналитические процессы:

✓ Мы не столько выиграли во времени (на первом этапе даже немного потеряли), сколько повысили глубину анализа

✓ Нейросети отлично подсвечивают отклонения, на которые стоит обратить внимание

✓ Специалисты тратят меньше времени на сбор данных и больше — на анализ причин отклонений и разработку решений

✓ Сейчас переходим на следующий уровень — анализ внутренних показателей кампаний (семантики, ключевых слов, автотаргетинга, демографии, географии)

Вопрос
Как вы анализируете эффективность своих рекламных кампаний?
Поделитесь в комментариях своими идеями — самым интересным подходам мы разработаем и пришлём промпты для их реализации через нейросети!

Тест новых инструментов, которые точно повлияют на наш маркетинг

Последние дни активно тестировал свежие обновления нейросетей, и чувствую, что должен поделиться находками. Три новые модели кратно расширяют возможности при работе с визуалом и смыслами.

📸 Reve: фотореализм нового уровня
Эта модель генерит настолько реалистичные фото, что их легко принять за профессиональную фотосессию. И что особенно ценно для B2B-сферы:
— Отлично справляется с людьми из нашей реальности. Люди очень похожи на русских. А сюжеты можно создать как фото из окна.
— Легко создает рабочие сцены, например, со строителями или складскими помещениями.
— На фото видны реалистичные детали: следы от погрузчиков на складе и другие мелочи, которые добавляют правдоподобности
— Без проблем понимает русскоязычные промты и сам их дорабатывает. Т.е. не нужно что-то городить. Кратко описал идею. А нейронка сначала сама ее доработает. Потом покажет результат. И подсветит, где можно внести изменения.

Конечно, есть ограничения — редкие объекты и специфические вещи вроде геотекстиля пока даются ей сложнее. А вот для более типичных фото — просто находка.

🎨 GPT-4o: дизайн без дизайнера
Вот это — реальная бомба! GPT-4o меня поразил возможностями визуализации:

— Создает простые анимации и инфографику с идеально подогнанным русским текстом
— Легко добавляет текст на изображения
— Анализирует дизайн. Причем можно просто кинуть ссылку на сайт
— Перерисовывает изображения с учетом ваших фирменных цветов

Для сравнения: Gemini выпустил похожее раньше несколько недель назад, но качество было несравнимо хуже.
На следующей неделе буду делать презентации. Я уже в предвкушении, как это упростит работу с ними!

🧠 Gemini 2.5 Pro: огромный скачок с заявкой на лидерство.
Эта модель — реальный претендент стать одной из топовых. Вот что она умеет:

— Работает с материалами онлайн: загружаешь информацию, она структурирует и дополняет
— Выдает последовательные, логичные рассуждения. При необходимости подтаскивает данные из сети.
— Корректно считает средние значения по CTR и другим метрикам (взвешенное среднее вместо арифметического) — даже GPT-4.5 и Claude 3.7 здесь ошибались без подсказки!
— Создает качественные русскоязычные тексты, сопоставимые с Claude по структуре и глубине

Мой практический тест: подготовка сценария для видеоприглашения на конференцию EnterConf в Пскове. Gemini не просто набросал структуру, но продумал хук и логику, выдал готовый текст на основе плана выступления. Результат оказался настолько хорош, что я предпочел дорабатывать его версию, а не варианты от GPT и Claude.

💡 Что это значит для B2B-маркетинга?
Через год-полтора создание маркетинговых материалов станет принципиально другим. Для B2B часть вещей останется прежней — живые фотосъемки специфических процессов (например, обработки металла на токарном станке или уникальной продукции) пока незаменимы.
Но практически во всем остальном будут использоваться нейронки:
— Визуализация складов и товаров на них.
— Создание отчетов и презентаций в корпоративных цветах с инфографикой.
— Генерация и проверка маркетинговых текстов в соответствии с тех. документацией
Человек здесь конечно не пропадет, но прирост производительности будет колоссальный. Правда, только у тех кто разберётся с внедрением :)