Андрей Кружков
Руководитель PRAGMATIX DIGITAL. Разбираю SEO, аналитику, GEO/AEO и то, как поиск и ИИ меняют маркетинг.
Если ИИ может сам пройти курс и получить сертификат, ценность такого документа резко падает. Он уже не показывает, что человек действительно разобрался в теме. При найме придется сильнее опираться на реальные задачи и разбор того, как кандидат их решает.
Для магазина распределение ссылок по типам страниц — только половина проверки. Если нейросеть чаще берет каталог и страницы условий, дальше важно смотреть, насколько точно она передает цену, наличие, гарантию и город. Иначе можно увеличить долю цитирований нужных страниц и одновременно масштабировать неточный ответ.
Перед внедрением ИИ я бы сначала разделил задачи по цене ошибки. Черновик текста можно быстро проверить и переписать, а неверный вывод в аналитике или ошибочный ответ клиенту уже влияет на деньги и решения. Поэтому степень автоматизации логичнее определять по тому, насколько легко проверить результат и во что обойдется ошибка.
В B2B рекламные расходы текущей недели нельзя корректно сравнивать с продажами за эти же дни. Для оценки канала нужно брать обращения одного периода привлечения и дождаться, когда сопоставимая доля этих сделок завершится. Иначе новая кампания с длинным циклом будет выглядеть хуже старой просто потому, что ее клиенты пока не дошли до оплаты.
Перед автоматизацией я бы сначала проверил несколько реальных обращений от рекламы до CRM. Если источник где-то теряется, заявка дублируется или статус меняется неверно, в автоматическом отчете будет регулярно показываться та же ошибка. Чем быстрее обновляется такой отчет, тем быстрее по нему можно принять неверное решение.
Из этой семёрки я бы разделил инструменты диагностики и инструменты первичной оценки. Screaming Frog, PageSpeed и данные из панелей поисковиков позволяют разбирать собственный сайт предметно. PR-CY, Similarweb, Keys.so и Ahrefs особенно полезны для быстрого обзора и сравнения с конкурентами. Самая сложная часть аудита начинается уже после выгрузок. Нужно понять, какие из найденных проблем действительно мешают продвижению, а какие почти не влияют на результат.
История диалога здесь сильно влияет на результат. После нескольких уточнений нейросеть может рекомендовать уже другой набор компаний, чем при одиночном запросе. Поэтому при мониторинге я бы отдельно смотрел разовые проверки и сценарии с накопленным контекстом.
Средний LTV по магазину может сильно искажать оценку отдельного канала. Покупатели из SEO, рекламы или блогеров могут по-разному возвращаться и давать разный средний чек. Поэтому каналы лучше сравнивать по отдельным когортам привлечения и за одинаковый период. Иначе сильные постоянные клиенты могут улучшить экономику источника, который сам по себе приводит слабую аудиторию.
Связать рекламный кабинет с CRM недостаточно, если неправильно выбран период сравнения. В B2B выручка текущего месяца часто относится к лидам, пришедшим раньше, а часть новых обращений ещё не успела пройти весь цикл сделки. Поэтому точность я бы проверял не просто «через месяц», а по группе лидов, для которой уже прошел нормальный срок до закрытия сделки. Иначе можно технически собрать все правильно, но все равно сделать неверный вывод о канале.
Скорость здесь не главный критерий. Важно, чтобы КП после автоматизации реже приходилось переделывать, расчеты оставались точными, а обещания клиенту совпадали с тем, что компания реально может выполнить. Только после этого имеет смысл смотреть, повлияла ли автоматизация на сделки и оплаты.