Хотите заменить маркетолога ИИ-агентом? Сначала объясните ему, чем он будет полезен

ИИ-агентов продают как новых сотрудников: они должны собирать семантику, готовить объявления, следить за ставками, анализировать отчёты и присылать руководителю выводы, пока тот занимается чем-то более важным. В этой картине есть одна техническая, но довольно неловкая деталь: новому сотруднику сначала нужно объяснить, что именно он должен делать и как выглядит хороший результат.

Для маркетинга это не формальность. Попытка настроить агента быстро показывает, существует ли в компании управляемый процесс привлечения спроса или пока есть только набор людей, таблиц, рекламных кабинетов и надежда, что в конце месяца они как-нибудь сложатся в выручку.

Представим, что компания хочет поручить ИИ управление Яндекс Директом. Кажется, что задача понятна: есть сайт, рекламный бюджет и необходимость получать больше обращений. Но у агента почти сразу появляются вопросы, на которые нельзя ответить настройкой кампании.

Какие обращения считать целевыми? Любую отправленную форму, звонок длиннее десяти секунд, диалог с менеджером или только заявку, которая дошла до расчёта?

Какую стоимость обращения бизнес способен выдержать с учётом маржинальности и повторных продаж?

Что делать, когда форма заполняется хорошо, но отдел продаж считает большую часть лидов бесполезными?

Может ли агент отключить кампанию сам или обязан показать сигнал человеку и дождаться решения?

Если ответы существуют только в голове собственника, в переписке менеджера и в настроении человека, который сегодня смотрит отчёт, агенту не на что опираться. Он выберет ближайшую формальную метрику — клики, отправки формы, CPA — и начнёт добросовестно улучшать её. Ровно так же, как это делает любой подрядчик, которому не дали нормальный критерий результата.

Это не недостаток ИИ. Любая автоматизация работает только там, где есть хотя бы минимально описанное решение: входные данные, правило действия, ожидаемый результат и исключения.

Пока в бизнесе не определены эти четыре вещи, работа всё равно происходит. Но происходит на ручных договорённостях. Один менеджер считает хорошей заявку с бюджетом от определённой суммы, другой закрывает её после одного недозвона. Маркетолог правит кампанию, потому что увидел падение CTR, а собственник требует остановить её, потому что «лиды какие-то не те». Внутри каждого действия может быть логика, но общей системы нет.

Агент в таком месте становится очень дорогим зеркалом. Чтобы дать ему доступ к работе, компании приходится впервые собрать разрозненные правила в одну последовательность. И это часто полезнее, чем первая автоматизация: появляется возможность увидеть, где бизнес принимает решения по данным, а где — по привычке или последнему громкому мнению в чате.

Не нужно сначала написать энциклопедию компании и дождаться идеального процесса. Достаточно выбрать один цикл, в котором ошибка заметна и который действительно повторяется. Например, путь заявки из Директа до первой квалификации в CRM.

Для него нужно зафиксировать пять вещей.

Не «больше заявок», а понятный результат: больше квалифицированных обращений в конкретном сегменте, снижение доли нецелевого трафика, ускорение первого ответа или другой показатель, связанный с деньгами.

Что агент видит: рекламные расходы, запросы, объявления, посещения сайта, отправки формы, записи в CRM, причины отказов. Если CRM не передаёт качество заявок, агент не сможет честно понять, кого реклама привела на самом деле.

Что считается успехом и что — сигналом остановиться. Например, не просто снижение CPA, а рост доли квалифицированных обращений без ухудшения экономики.

Что можно менять автоматически: подготовить отчёт, собрать аномалии, предложить гипотезы, поставить кампанию на проверку. Что нельзя: самостоятельно обещать клиенту результат, менять стратегию без порога данных или оптимизировать на неподтверждённую цель.

В какой точке решение возвращается человеку: появился конфликт данных, изменилась экономика продукта, требуется оценить качество оффера, нужно выбрать между прибылью и объёмом спроса.

Эта схема не ограничивает автоматизацию. Она делает её проверяемой. Без неё агент может быть очень активным, присылать красивые отчёты и ежедневно совершать множество действий — примерно как плохой подрядчик, который измеряет собственную полезность количеством операций в кабинете.

После такой подготовки ИИ не становится маркетинговым пророком, зато занимает нормальное рабочее место. Он может собирать изменения в данных, готовить черновик отчёта, находить отклонения от заданных правил, сопоставлять причины отказов в CRM с рекламными сегментами, вести журнал гипотез и напоминать, когда пора проверить результат теста.

Это уже серьёзная польза: меньше ручной рутины, быстрее видны отклонения, у специалиста остаётся больше времени на интерпретацию и решение. Но интерпретация здесь не декоративный финальный штрих. Она определяет, что именно агент должен считать ошибкой в следующий раз.

Самая опасная версия внедрения ИИ выглядит так: бизнес не хочет разбираться в маркетинге, поэтому покупает агента, который должен избавить от необходимости думать. Но маркетинг — это не только повторяемые действия. Это ещё и выбор, какой спрос нужен бизнесу, что обещать человеку, где заканчивается ответственность рекламы и начинается проблема продукта или сервиса.

Эти решения нельзя честно отдать системе, если человек сам не готов их сформулировать. Агент может подсветить, что данные противоречат друг другу. Он не определит за собственника, какая сделка достаточно выгодна, и не исправит отдел продаж, который перезванивает клиенту через двое суток.

Поэтому перед демонстрацией очередного агента я бы задал бизнесу один вопрос: какое решение мы хотим ему поручить и по каким данным поймём, что он принял его правильно?

Если ответ есть, автоматизация может снять заметный слой рутины. Если ответа нет, сначала придётся построить процесс, который этот агент вообще сможет заменить.

Мой блог про маркетинг в ТГ | Мой блог про маркетинг в MAX