Текст подготовил: Андрей Федорчук
Персонализированный оффер под человека — это предложение, которое нейросеть собирает на базе CRM и поведения клиента, а Make.com доставляет в нужный канал. Выгода простая: выше конверсия, меньше спама и бренд звучит по-человечески, а не как бездушный робот.
Менеджер пишет клиенту из московского B2B-сервиса: длинный шаблон, три абзаца про компанию, ни одного слова про недавний запрос клиента. Ответа нет, только молчание в мессенджере.
Теперь другая сцена. Клиенту уходит короткое сообщение: один факт из его недавнего диалога, точное попадание в боль, понятный шаг дальше. Текст собрала нейросеть, но звучит как живой человек. В этой статье разберем, как с помощью Make.com, CRM и AI выйти из сегментов в «сегмент одного», не убив бренд роботизированными формулировками и шаблонным нейросеть копирайтингом.
Как составить оффер под человека: 6 шагов с AI и Make.com
Шаг 1. Перейти от сегмента к конкретному человеку
Что делаем: тащим в сценарий Make.com не только пол и город из CRM, а последние действия клиента: какие страницы смотрел, что писал менеджеру, какие продукты уже покупал, как общается.
Зачем: AI тогда видит не «мужчина 35 лет из Казани», а живой контекст и может собрать персонализацию офферов под одну конкретную ситуацию.
Типичная ошибка: ограничиться полем «отрасль» и «размер компании» и ждать магии от моделей.
Мини-пример РФ: интегратор битрикса в Новосибирске поднимает из Bitrix24 прошлые заявки и заметки менеджера, чтобы оффер на доработку портала опирался на реально обсужденные боли, а не на общий текст про CRM.
Шаг 2. Настроить Make.com как нервную систему
Что делаем: в Make.com собираем цепочку от CRM к AI и обратно. Модули берут данные из HubSpot, Pipedrive или Bitrix24, передают их в модель (например, через OpenAI или Anthropic) и возвращают уже готовый текст в почту или мессенджеры.
Зачем: чтобы оффер собирался автоматически по триггеру — новое обращение, смена стадии сделки, просмотр конкретной страницы и так далее.
Типичная ошибка: пытаться лепить персональные письма руками из Excel и переписок, а автоматизацию использовать только для массовых рассылок.
Мини-пример РФ: SaaS-сервис из Петербурга запускает сценарий в Make.com при переходе лида в стадию «Демо проведено» и отправляет ему персональное письмо в Telegram с оффером на оплату, привязанным к вопросам, которые клиент задавал на звонке.
Шаг 3. Задать Brand Voice Guide, чтобы текст не был роботизированным
Что делаем: готовим короткий Brand Voice Guide и жестко вшиваем его в промпт. Там простые правила: мы пишем короткими фразами, не используем слова вроде «революционный» и «уникальный», избегаем лишних прилагательных, называем продукт по-русски, держим один тон для всех каналов.
Зачем: основная причина, почему нейросеть копирайтинг выглядит как робот — модели не передают голос бренда и скатываются в галлюцинации с одинаковыми фразами.
Типичная ошибка: писать в промпте абстрактное «пиши дружелюбно» без примеров и ограничений по лексике.
Мини-пример РФ: онлайн-школа из Екатеринбурга добавляет в промпт 3 реальных письма, которые уже давали заявки, и список стоп-слов. В результате новые офферы из AI звучат так же, как привычные письма от основателя.
Шаг 4. Обогатить контекст перед генерацией
Что делаем: в Make.com перед текстом запускаем блок исследования. Через Perplexity API или Clay собираем свежие новости по компании клиента, изменения в его отрасли или его открытые посты в соцсетях.
Зачем: тогда оффер цепляется за реальный контекст: «вы как раз писали, что открываете новый склад», а не за общий список выгод продукта.
Типичная ошибка: смотреть только на историю покупок и игнорировать внешний фон, в котором живет клиент.
Мини-пример РФ: логистическая компания из Москвы перед письмом крупному ритейлеру подтягивает через поиск новости о запуске ими дарксторов и строит оффер вокруг этой темы, а не вокруг общей «оптимизации логистики».
Шаг 5. Использовать Few-Shot и температуру 0.7
Что делаем: в промпт добавляем 3-5 примеров живых офферов, которые уже сработали, и задаем в API параметр temperature примерно на уровне 0.7.
Зачем: примеры помогают модели копировать стиль, а не придумывать свой. Температура 0.7 дает баланс между сухой инструкцией и странными креативами.
Типичная ошибка: отправлять один общий пример или вообще без примеров, а температуру оставлять по умолчанию и потом удивляться нестабильному тону.
Мини-пример РФ: агентство перформанс-рекламы добавляет в промпт три кейсовых письма, где они закрывали клиентов на тест кампаний, и получает новые письма с тем же ритмом и структурой.
Шаг 6. Включить Human-in-the-loop и очеловечивающий P.S.
Что делаем: в Make.com настраиваем, чтобы оффер сначала улетал в Telegram-бот менеджеру на проверку, а не сразу клиенту. Плюс просим модель собрать персональный P.S. по хобби или интересу клиента из CRM.
Зачем: менеджер отсекает странные формулировки, а P.S. делает письмо человечным: не просто обращение по имени, а короткая отсылка к личной теме.
Типичная ошибка: слать все, что сгенерировала модель, напрямую в WhatsApp клиента и не трогать структуру писем.
Мини-пример РФ: сервис для фитнес-клубов подтягивает из CRM, что клиент бегает марафоны, и модель добавляет P.S.: «Если нужно, покажу, как наши отчеты помогают тренерам готовить бегунов к старту». Отвечают чаще, чем на обычные обезличенные рассылки.
Три подхода к персонализации офферов
Кому это реально сэкономит время и деньги
Гиперперсонализированные офферы через AI и Make.com особенно выгодны тем, у кого много точек контакта и длинный цикл сделки. Там каждая лишняя неделя и каждое молчание клиента — прямые деньги.
- B2B-сервисы и интеграторы, которые живут на CRM (Bitrix24, HubSpot, Pipedrive) и тонут в ручных письмах после встреч.
- Онлайн-школы и EdTech, где важен тон наставника, но писем и чатов столько, что команда не успевает держать персональный подход.
- SaaS и подписки, где офферы нужно подстраивать под поведение внутри продукта, а не только под демографию.
- Маркетинговые и performance-агентства, которым нужно масштабировать персональные касания для клиентов по всей РФ без армии копирайтеров.
- Розница и ecom с zero-party data из квизов и опросов, где грех не использовать ответы людей для точных предложений.
Частые вопросы
Нейросеть копирайтинг не звучит по-человечески. Что я делаю не так?
Скорее всего, в промпте нет Brand Voice Guide и примеров. Дайте модели 3-5 успешных офферов, уберите из лексики прилагательные типа «революционный» и задайте понятные ограничения по стилю. Плюс обязательно прогоняйте первые версии через менеджера.
Как составить оффер, если про клиента мало данных?
Используйте связку CRM + внешний поиск. Через Make.com поднимите из CRM хотя бы базовые взаимодействия, а затем через Perplexity API или Clay добавьте свежие новости про компанию и отрасль. Даже один релевантный факт в начале письма уже отличает вас от шаблонных рассылок.
Температура 0.7 — это обязательно?
Это рабочая точка баланса для офферов: текст получается живым, но не слишком странным. Можно двигаться вокруг этого значения, но если поставить совсем низко, получатся сухие инструкции, а если сильно выше — риск нестабильного тона и лишних фантазий в тексте.
Где проходит грань между персонализацией и навязчивостью?
Опирайтесь на поведенческие и zero-party данные, которые клиент осознанно отдал: ответы в квизах, явные интересы, действия в продукте. Не лезьте в личную жизнь и не цитируйте слишком интимные детали, даже если они есть в CRM. Достаточно показать, что вы слышали его задачи.
Можно ли обойтись без Human-in-the-loop и слать офферы сразу?
Технически да, но риск для бренда высокий. Гораздо безопаснее выстроить этап проверки в Telegram-боте менеджера и уже потом масштабировать. Когда наберется корпус качественных примеров, можно часть триггеров отпускать без ручного контроля.
Подойдет ли это маленькому бизнесу в РФ?
Да, если у вас есть хоть какая-то CRM и повторяющиеся сценарии общения с клиентами. Не обязательно начинать с видео и сложной мультимодальности, достаточно текстовых офферов по ключевым триггерам — от повторной покупки до «корзина брошена».
Нужно ли сразу подключать мультимодальные сценарии с картинками и видео?
Нет. Сначала отстройте текст: данные, Brand Voice Guide, цепочка в Make.com и проверка менеджером. Когда текстовые офферы стабильно конвертят, можно добавлять персональные изображения через Midjourney или DALL-E и видео через HeyGen для важных клиентов.
Какой шаг в этой схеме у вас сейчас самый слабый — данные, промпт или проверка менеджером? Напишите об этом и подпишитесь, чтобы не пропустить разборы реальных сценариев на Make.com и примеров живых офферов.
#ai-контент, #makecom, #crm-автоматизация
AI kontent Zavod:
Связаться с Андреем
Email
Заказать Нейро-Завод
Нейросмех YouTube
Нейроновости ТГ
Нейрозвук ТГ
Нейрохолст ТГ