Я раньше использовал нейросети только как болталку-поисковик. Задавал какой-то вопрос в чате — получал средний ответ и был доволен. Я думаю, это самая первая ступень взаимодействия с ИИ.
Сейчас я превратил его в полноценную часть нашей команды и моей жизни во Вьетнаме)
Если коротко: я стал тратить в разы меньше времени на поиск информации и в разы больше — на смыслы. Вот 3 конкретных кейса, как нейронки меняют правила игры в моём агентстве SD.
Раньше я планировал делегировать подготовку КП дизайнеру и потратить ~15 000 ₽ + неделю времени. Вместо этого я зашел в Gemini: доработал логику КП и сгенерировал стильный дизайн. Я прогнал каждый слайд через «тройной фильтр» — анализировал оффер глазами маркетолога, руководителя отдела маркетинга и владельца бизнеса. Как итог на каждом слайде жёсткая фактура, сэкономил 15 тысяч и кучу времени.
Это действительно меня поразило. С помощью Deep Research была разработана методология просчёта CPL, и, что самое важное, цифры получились максимально похожие на реальность. Конечно, есть редкий разброс в +-30% по определённым бюджетам, маркам и городам (что вполне допустимо с учётом того, что это прогноз по трафику). Но вы только вдумайтесь — сделать подобный инструмент, которым реально можно пользоваться, не за 2 недели, а за 1 вечер — это взрыв мозга.
Это мой фаворит по тому, что я вообще делал когда-либо! Суть в том, что по каждому проекту собрана одна база знаний со всеми файлами, документами и записями разговоров в одном месте. То есть можно просто спросить в одном удобном окне любой вопрос, и нейронка даст тебе ответ ТОЛЬКО из той информации, которая в неё загружена. Ну не чудо ли? А ещё более приятный факт в том, что я автоматизировал наполнение этой базы знаний транскрибацией созвонов. Я буквально нажимаю одну кнопку в начале созвона, а через пару минут после его окончания получаю уведомление, что встреча записана и добавлена в базу знаний. Теперь я никому не ставлю задачи после созвона, команда сама идет в NotebookLM и разбирает свои задачи.
Если вы думаете, что нейросети — это не для вас, то подумайте ещё раз! Порог входа крайне низкий — спросите у ИИ, как им пользоваться, и действуйте. А результат, который можно получить, просто невообразим.
Методология расчёта CPL из второго кейса не осталась файлом на диске: мы собрали на её основе Mini App для медиапланирования. Вы выбираете нужную марку (Haval, Geely, Exeed и др.), свой город и бюджет, Mini App выстраивает воронку и прогнозирует объем квалифицированных заявок.
Вы сможете получить:
Это и есть тот самый переход от «болталки-поисковика» к инструменту, которым пользуется команда каждый день.
Первая настройка кампаний закрывает только базу. Дальше идут тесты гипотез, аналитика срезов, выгорание креативов и конкуренты, которые каждый день меняют ставки.
Разбираю, с чего начинать, когда реклама не окупается: три этапа воронки (трафик, лид, продажа) и метрики, по которым видно, где именно теряются деньги.