Добавить в корзинуПозвонить
Найти в Дзене

Мы подключили ИИ к рекламе — и убрали 90% ручной рутины

— Саша, мы тратим кучу времени на одно и то же. Каждый день — отчёты, корректировки ставок, чистка мусорных запросов. Это можно как-то автоматизировать? — выдохнул мой маркетолог на планёрке.
Я усмехнулся: «Можно. И даже нужно». Так начался проект, который перевернул наш подход к управлению рекламой. Я — Александр Кабанец, основатель Q2.team, и сегодня расскажу, как мы внедрили ИИ в рекламные кампании, сняли с команды 90% ручной работы и сделали результаты лучше, чем при классическом управлении. Проблема клиента Клиент — e-commerce в нише электроники. Рекламу они вели давно, но внутри всё выглядело как конвейер из однотипных задач: ежедневно выгрузить отчёт, вручную откорректировать ставки, отключить неэффективные ключи, прописать минус-слова. На это уходило по 4–5 часов в день у специалиста.
И это не творческая работа — это «роботская» рутина, в которой легко допустить ошибку.
При этом метрики ползли вниз: стоимость лида выросла на 37% за 3 месяца, CTR падал, а тесты новых связок запу

— Саша, мы тратим кучу времени на одно и то же. Каждый день — отчёты, корректировки ставок, чистка мусорных запросов. Это можно как-то автоматизировать? — выдохнул мой маркетолог на планёрке.
Я усмехнулся:
«Можно. И даже нужно».

Так начался проект, который перевернул наш подход к управлению рекламой. Я — Александр Кабанец, основатель Q2.team, и сегодня расскажу, как мы внедрили ИИ в рекламные кампании, сняли с команды 90% ручной работы и сделали результаты лучше, чем при классическом управлении.

Проблема клиента

Клиент — e-commerce в нише электроники. Рекламу они вели давно, но внутри всё выглядело как конвейер из однотипных задач: ежедневно выгрузить отчёт, вручную откорректировать ставки, отключить неэффективные ключи, прописать минус-слова.

На это уходило по 4–5 часов в день у специалиста.
И это не творческая работа — это «роботская» рутина, в которой легко допустить ошибку.
При этом метрики ползли вниз: стоимость лида выросла на 37% за 3 месяца, CTR падал, а тесты новых связок запускались с задержками.

Как мы искали решение

Сначала мы честно попробовали оптимизировать процесс по-старинке:
– прописали чек-листы для каждого действия;
– разбили задачи на слоты времени;
– добавили напоминания и автоматические отчёты.

Выглядело лучше, но всё равно человек был «узким горлышком».
Тогда мы решили протестировать ИИ — не для креативов (это уже было), а для
оперативного управления рекламой.

Что мы сделали

  1. Подключили ИИ-модуль к аналитике
    ИИ стал анализировать кампании в реальном времени: CTR, CPC, конверсии, динамику по устройствам и регионам. Он сразу помечал аномалии — например, ключ, который внезапно начал «съедать» бюджет без продаж.
  2. Автоматизировали корректировки ставок
    Алгоритм самостоятельно повышал или снижал ставки по ключам, исходя из конверсий и рентабельности. Человеку оставалась только еженедельная проверка логики.
  3. Автогенерация минус-слов
    ИИ обучался на поисковых запросах и автоматически отсеивал нерелевантные фразы, не дожидаясь, пока мы это заметим вручную.
  4. Предиктивный анализ
    Система прогнозировала, какие связки могут «выстрелить» в ближайшие дни, и рекомендовала увеличить по ним бюджеты заранее.

Результаты: было → стало

До ИИ:
– 4–5 часов в день на рутину;
– стоимость лида — 1 540 ₽;
– CTR по кампании — 2,3%;
– запуск новых тестов занимал до 5 дней.

После ИИ:
– 30–40 минут в день на проверку и корректировки;
– стоимость лида — 890 ₽;
– CTR вырос до 3,9%;
– тесты новых гипотез — за 1 день.

Экономия времени позволила маркетологу сосредоточиться на креативах и оффере. В итоге, за 2 месяца мы получили +42% заявок при том же бюджете.

Что не сработало

Автогенерация текстов объявлений. Да, ИИ делал это мгновенно, но тексты были слишком «сухими» и проигрывали по кликабельности нашим. Мы вернули человеческую доработку.

Полный автомат по бюджетам. Алгоритм в какой-то момент стал резать бюджеты на долгих сделках (B2B), потому что не видел быстрых конверсий. Добавили фильтр и частично вернули ручное распределение.

Слепое доверие прогнозам. Один из «перспективных» ключей оказался сезонным всплеском. Вывод — ИИ нужно кормить актуальными данными, а не старыми паттернами.

Частое возражение

Читатель: «Ну, у вас, наверное, бюджет огромный, вот и получилось внедрить ИИ».
Я: Бюджет был средний — 300 тыс. ₽ в месяц. Все инструменты мы подключали поэтапно, без миллионных инвестиций. Более того, часть решений уже встроена в доступные рекламные платформы — их просто надо грамотно настроить.

Главные выводы

  1. Не автоматизируйте хаос — сначала разберите структуру кампаний, иначе ИИ будет масштабировать ошибки.
  2. Оставляйте место человеку — ИИ идеален в рутине, но в стратегии и креативе без нас никак.
  3. Следите за данными — алгоритм учится на том, что вы ему даёте. Плохие данные = плохие решения.
  4. Внедряйте поэтапно — не надо автоматизировать всё сразу, начните с одной задачи.
  5. Проверяйте гипотезы вручную — даже самый умный ИИ может ошибаться.

Личный инсайт

Этот проект показал мне, что будущее рекламы — в симбиозе ИИ и специалиста. Машина снимает нагрузку, человек направляет стратегию. Раньше я считал, что «ручной контроль — наше всё», теперь вижу, что правильная автоматизация не отнимает контроль, а наоборот, усиливает его.

А как вы относитесь к автоматизации в рекламе? Пробовали ли передавать ИИ хотя бы часть задач — и какой был результат?

Александр Кабанец, эксперт в digital-маркетинге, основатель агентства Q2.team