Привет! Это команда Яндекс Практикума PRO. В марте у нас прошёл вебинар с Александром Мальцевым, директором по маркетингу Яндекс Браузера, экспертом курса «Нейросети для маркетинга» и автором телеграм-канала «Мальцев: Карьера с AI».
Саша рассказал, как его команда с помощью ИИ-агентов персонализировала коммуникации для одной из фич браузера — и выросла на 20% по всем рекламным кампаниям. Над кейсом работали всего два человека: перфоманс- и коммуникационный маркетологи. Рассказываем, как им это удалось, и делимся примерами промптов и фреймворков.
Как работали раньше
У Яндекс Браузера есть нейроредактор, где Алиса AI пишет, правит и улучшает тексты. Благодаря этому браузер чаще скачивают, поэтому привлечение для фичи — это важный маркетинговый трек.
Раньше команда работала вручную: запускала примерно восемь рекламных паков в неделю. Каждый пак — это универсальные креативы на широкую аудиторию и лендинг. Одна-две связки срабатывали, и на них пробовали масштабироваться. Но рост колебался в пределах ±5%, сжигая конверсионность и бюджеты.
При этом аудитория у нейроредактора разнородная: люди, которые ищут работу, школьники и студенты, маркетологи, копирайтеры. Всего 13 сегментов, конверсия между которыми расходилась в три раза. Универсальный креатив в принципе не мог работать одинаково.
Есть и мировой бенчмарк, который говорит о том же. В McKinsey недавно проанализировали компании на рынках, где расти можно только за счёт маркетинга. Оказалось, что все успешные кампании объединяет одно: они делают много персонализированных коммуникаций под разные профили пользователей. А основная задача маркетолога теперь — делегировать рутину ИИ и сфокусироваться на понимании аудитории и потоковом тестировании гипотез под каждый сегмент. Этим команда Саши и занялась.
Сетап: роли для ИИ-агентов
Задачи с ИИ решали пошагово — создавали новую роль под каждый следующий этап, чтобы постепенно обогащать контекст модели. Всего задали четыре роли:
Исследователь-аналитик — понимает аудиторию, сравнивает с конкурентами, ищет возможности.
Маркетолог-психолог — думает не только о прямых потребностях, но и об эмоциях: какие у людей есть барьеры, что мотивирует их выбрать нас.
Копирайтер-оператор — перекладывает гипотезы маркетолога в коммуникации с помощью разных фреймворков, учитывает технические требования платформ.
Дизайнер — генерирует заготовки баннеров и структуру лендинга.
Один промпт в духе «вот продукт, сгенерируй креативы» не сработал бы, потому что у нейросети рано или поздно заканчивается контекстное окно, и она выдаёт банальные решения.
Ниже разбираем, что ИИ-команда делает на каждом этапе и как правильно использовать такой сетап.
Шаг 1. Исследователь сегментирует аудиторию
Сначала ищем опорную информацию для ресёрча: кто и почему вообще пользуется продуктом. Для работы над маркетингом нейроредактора из Яндекс Метрики выгрузили самые крупные сегменты: соискатели, школьники и студенты и люди, связанные с рекламой. ~60% всего трафика давали три поисковых запроса: «проверка орфографии онлайн», «сократить текст», «перефразировать текст». Все эти данные и передали нейросетям.
Промпты писали по фреймворку WISER, который фокусирует модель на переборе источников, сравнении, выводах со ссылками на источники. Вот как он устроен:
Роль. Заводим первой строкой — контекстное окно тратится в первую очередь на то, что написано в начале. Например: маркетинг-стратег и UX-исследователь в методологии Jobs to Be Done (JTBD).
Контекст. Описываем продукт — почему он важен, какие метрики успеха, аудитория и конкуренты. В Яндекс Браузере монетизация идет за счёт просмотра рекламы. Сегменты выгружали из Метрики, а среди конкурентов указывали не только браузеры с проверкой орфографии, но и нейросети.
Задача. Провести глубокое исследование рынка по теме. Например: потребности аудитории в создании и улучшении текстов. Попросите найти ключевые сегменты, для которых проблема болезненна и которые готовы пробовать новые решения.
Порядок действий — исследовать фактуру (свежие отчёты, форумы, обсуждения в соцсетях, статьи), сегментировать аудиторию по фреймворку JTBD и собрать таблицу с описанием всех сегментов. Просим обязательно приложить ссылки на источники.
Формат результата — таблица.
Промпт можно отправлять одновременно в три модели:
DeepSeek с режимом рассуждений и поиском — быстрая и честно отмечает, где были допущения.
Алиса AI с функцией «Исследователь» — даёт посмотреть план исследования до запуска, можно что-то подкорректировать.
Google Gemini (deep research) — дорогая и может ковыряться полчаса, но даёт лучший результат.
После можно свести данные вручную или попросить одну из моделей взять всё, что пересекается в трех исследованиях, и оформить в общую таблицу.
Результат
Анализ занимает 30 минут, примерно столько же уходит на разбор. В итоге у команды появляется готовое исследование — таблица, где указано, как часто люди сталкиваются с проблемой, в каких обстоятельствах, какие решения используют и какие есть неудобства.
Шаг 2. Маркетолог-психолог генерирует гипотезы
Под каждый сегмент нужно было определить коммуникационную ценность. Для этого команда генерировала гипотезы по классическому фреймворку McKinsey Problem—Solution—Outcome (POS): какая боль есть у пользователя, как продукт помогает её устранить и почему клиент выбирает их, а не конкурентов.
Промпт заводили по WISER, но более прозрачно описывали контекст. То есть то, что пользователи спокойно живут и без браузера, а чтобы до них достучаться, нужны конкретные, точные формулировки гипотез: почему продукт даёт больше выгоды, энергии или эмоций, чем другие решения. Если не уточнить контекст, нейросеть пишет так, словно люди сидят и ждут именно вас.
Главный принцип здесь: garbage in — garbage out. Если у вас правильная маркетинговая методология, то при переносе в промпт вы получите хорошие результаты, и наоборот. Но даже с самыми удачными вводными нейросеть может галлюцинировать и записывать в решение то, чего в продукте нет, поэтому важно верифицировать формулировки с командой продукта.
Результат
Артефакт второго этапа — таблица гипотез по POS: сегменты и подсегменты с проблемами, решениями и ценностями, за которые выбирают продукт, плюс рекламные триггеры. Делать эту часть с нейросеткой — намного быстрее, чем из головы придумывать ценности под каждый сегмент.
Вот пример ИИ-описания для сегмента «ищут работу» из кейса нейроредактора:
Подсегмент: активные соискатели, выпускники
Job Story: когда я нахожу перспективную вакансию, я хочу быстро сгенерировать сопроводительное письмо, идеально заточенное под её требования, чтобы пробить фильтры HR.
Problem / Боль: когнитивная перегрузка и стресс. Нужно держать в голове текст вакансии, своё резюме и промпт для ChatGPT, переключаясь между 3–4 вкладками и окнами. Это выматывает и отнимает кучу времени при массовых откликах.
Solution / Решение: нейроредактор сам «читает» открытую страницу вакансии (hh, superjob), анализирует требования и текст моего резюме. По нажатию одной кнопки генерирует идеальное сопроводительное письмо прямо в форму отправки.
Outcome / Ценность и главный аргумент: можно сфокусироваться на результате. Я отправляю в 3 раза больше персонализированных откликов за то же время, чувствуя себя «сверхчеловеком», который обыгрывает систему, а не борется с ней.
Рекламный триггер: конкурентное преимущество. Браузер сам читает вакансию и пишет идеальное сопроводительное письмо прямо на hh.ru.
Шаг 3. Копирайтер пишет тексты по пяти фреймворкам
К этому моменту вы уже понимаете аудиторию и знаете, что ей предложить, — остаётся уложить это в рекламные форматы. Для этого нужно забрифовать копирайтера. Для текстов можно использовать шаблон P.R.O.M.P.T, который не дает ИИ ходить в интернет и домысливать, а фокусирует нейросеть только на вашем контексте.
Роль — эксперт в PPC-привлечении и поведенческий психолог (стоит добавить, чтобы креативы отличались друг от друга). В части Purpose даём контекст о продукте, сегментах и PSO-гипотезах. Например, цель для продвижения нейроредактора — мотивировать аудиторию на целевое действие: скачать браузер для теста фичи.
В блоке «порядок действий» просим проанализировать сегменты, разработать пять концепций и для каждой создать пак креативов по пяти коммуникационным фреймворкам:
AIDA — классика копирайтинга: Attention—Interest—Desire—Action (внимание — интерес — желание — действие)
PAS — Problem—Agitation—Solution. Даёт один из самых высоких CTR.
Jobs to Be Done — уже использовали в исследованиях: здесь вся коммуникация строится вокруг задач пользователя.
4U (Useful, Urgent, Unique, Ultra-specific) — короткие копирайты, отвечающие на конкретный вопрос пользователя.
EGO — провокационные формулировки, которые бросают вызов самооценке или статусу.
Ко всем креативам лучше указать технические требования. В случае с нейроредактором писали тексты для поисковой рекламы, РСЯ и лендингов, и кое-где набили шишек из-за количества допустимых символов. Например, если сделать текст вдвое длиннее нужного, CTR может быть наполовину меньше. Теперь команда прописывает правило: «если сказали 80 символов — пиши от 70 до 80». Gemini попадает в требования лучше всех.
Отдельно составляем список откровенных антипримеров вроде «самый лучший», «самый удобный», «самый быстрый» и просим прописать ТЗ для дизайнера.
Результат
Паки креативов для рекламы и лендинга, заточенные под каждый сегмент. Контекст от исследователя и маркетолога уводит копирайтера от банальностей и похожих текстов.
Шаг 4. Дизайнер создает визуалы и анимацию
Единичные генерации лучше делать в Gemini Imagen (он же Nano Banana). В промпт добавляем заголовок из отобранных текстов, ТЗ от копирайтера и референсы: образцовые генерации в айдентике бренда.
Для потоковой генерации можно использовать ноды в Krea и Higgsfield. Нода — это готовая схема, где по одному промпту можно одновременно сделать несколько креативов. В неё уже зашиты референсы бренда и подключена нужная модель (Imagen, Sora и другие).
Самым быстрым (и бесплатным) способом сделать анимацию оказалась фича «Оживить» в Алисе AI. Просто загружаем статичный баннер и указываем тип анимации: ветер, движение объектов и другие. А на выходе получаем видео — этот формат, кстати, набирает больший CTR, чем статика.
Маркетологи могут сгенерировать около 20 вариантов, выбрать лучшие и передать дизайнерам, которые доработают креативы в более дорогих моделях и доведут проект до идеала.
Результат
За один день без дизайн-скилов сделали для нейроредактора рабочие креативы. Когда времени нет, команда запускает баннеры без доработки дизайнеров, и они тоже хорошо перформят.
Итоги: смотрим на цифры
Нейроредактор стал топовой фичей по приросту аудитории. За месяц браузер скачали 50 тысяч новых активных пользователей только благодаря рекламе. Группы объявлений по восьми из 14 сегментов попали в KPI по ROI и дали рост всей кампании на 20%.
Доля успешных креативов упала с 20 до 15%, но теперь команда тестирует в восемь раз больше гипотез — так что в абсолютных числах успешных заходов стало в 10 раз больше.
Что поменялось | Делали вручную | Делают с ИИ |
|---|---|---|
Привлечение трафика | На широкую аудиторию | На 14 сегментов |
Количество паков креативов в неделю | 8 | 65 |
Процент успешных креативов | 20% | 15% |
Количество работающих креативов в неделю | ~1 | ~10 |
Рост привлечения по всем кампаниям | ±5% | +20% |
Рост в сегментированных кампаниях | — | +15–70% |
Тот же метод с четырьмя ролями команда теперь раскатывает на ТВ и OLV и делает креативы для 18 сегментов вместо одного универсального ролика. Так что если воронка достаточно крупная и есть что измерять, подход можно перенести и за пределы диджитала — проверено.
