Как мы рассчитали долю рекламных расходов на маркетплейсах для нашего клиента, используя ИИ

Рекламное агентство AdVisor Media периодически проводит работы по исследованиям рынка как для новых, так и для текущих клиентов. В этой статье рассказываем как рассчитать примерный показатель ДРР (долю рекламных расходов) крупных игроков в категории фармацевтика.

AdVisor Media — рекламное агентство полного цикла, провело работу над созданием ИИ-бота для определения доли рекламных расходов (ДРР) в категории контактной коррекции зрения на маркетплейсах.

Немного статистики.

Согласно исследованию Glassix, к 2025 году ИИ-чат-боты окончательно утвердились в роли мощного инструмента для повышения эффективности и роста бизнеса. Они стали реально работающим решением, способным приносить ощутимые результаты.

Внедрение ИИ-ботов позволяет повысить конверсию на 23% благодаря оптимизации процесса взаимодействия с клиентами. Эффективная обработка запросов ботами освобождает до 71% времени специалистов службы поддержки.

Кроме того, использование ИИ-ботов положительно сказывается на удовлетворенности клиентов благодаря быстрым и персонализированным ответам. Автоматизация рутинных задач также снижает риск выгорания сотрудников, позволяя им сосредоточиться на более творческой и сложной работе. 

Важным преимуществом является возможность сбора данных и аналитики: боты собирают ценную информацию о проблемах клиентов, точках отказа в воронке продаж, что позволяет улучшать продукт и маркетинговые стратегии.

Для данной задачи мы использовали  цепочку из нескольких инструментов на базе AI, которая бесплатная и доступная каждому.

Проблемы, с которыми столкнулись:

1. отсутствие открытых данных;
2. заказ исследования стоит дорого и требует доступа к маркетплейсам.

Поэтому в данной статье делимся одной из рабочих логик при работе с разными AI.

Что было сделано

Решение 1: “в лоб”

1. Задание нейросети рассчитать ДРР по открытым источникам.
2. Бот ссылается на недоступные или битые статьи.
3. Такой уровень недостаточен для клиента.

Решение 2: проверка по эталонным данным

1. У клиента есть дашборд с продажами на маркетплейсах, это отчет построенный на основании чека.
2. Бот получает задачу воссоздать эти цифры (без доступа к эталонным данным).

Тестируем идею.

Ставим задачу для бота, зная наши эталонные цифры, просим  посчитать оборот, то есть повторить данные из дашборда, которые мы боту не показываем. Бот повторяет с небольшими погрешностями, но в целом точно. Мы думаем, что если эту задачу бот решает близко к эталонным значениям, значит и основную по ДРР — которую он решает, можно взять в работу.

Бот дает близкие значения — значит, справился и с расчётом ДРР.

Но, по-прежнему, нет ссылок на достоверные источники.

Решение 3: оптимальное 

Меняем логику постановки задач. Ставим задачу найти основные исследовательские бюро и сервисы в России, которые анализируют и работают с маркетплейсами.

Бот находит внушительный список, и на одном из них, по запросу «маркетплейс» лежит большое количество профильных, но не отвечающих на вопрос исследований!

В рамках диалога мы “скармливаем” все исследования боту.

Мы “обучаем” его для решения основной задачи: прочесть и сделать основные выводы по ним (только представьте: сколько бы потребовалось сил и рабочих часов на такой анализ человеку, на фактчекинг, сопоставление данных, поиск нужных закономерностей). 

Обучив бота, повторяем вопрос про ДРР.

Инструменты (бесплатные):

1. анализ, исследование, математические расчеты: Deepseek, Qwen;
2. редактура, копирайт кейса по заданным наброскам — Chat GPT, также там есть большое комьюнити, которое создает нишевые продукты под разные задачи;
3. презентация — Gamma.

Что нейросеть не может

1. подумать за вас и найти изящное решение, креативный подход;
2. если говорить про китайские нейросети, то они не помнят вас в рамках междиалогового общения (также как и бесплатная версия ChatGPT, однако если вы ей скажете запомнить, то она запомнит, а в платной версии можно включить память и обучать модель под свои задачи – делать лучшую версию себя, также там доступно большое количество);
3. для расчетных математических задач лучше использовать Deepseek или модели от Qwen;
4. для креативных задач лучше подойдет ChatGPT: например, придумать концепцию видео у блогера под бытовую технику и написать сценарий.

В итоге

После повторного запроса про ДРР (долю рекламных расходов) получаем отличный внятный ответ с детализацией расчетов, который построен на аналитических данных авторитетных исследователей, и по косвенным признакам решающий задачу от клиента. Этот подход можно также тестировать для разных отраслей.

Если вы знаете, что хотите сделать, то работа с ботом — фантастический буст к вашей продуктивности.

Команда проекта

Давид Бархударян, digital директор AdVisor Media

Ксения Сказочкина, аккаунт менеджер AdVisor Media

Присоединяйтесь к нашему каналу в Telegram, там мы пишем не только про российский рекламных рынок (делимся опытом, инструментами, новостями), но и про плотную работу с Китаем.