ИИ в маркетинге: 40 рабочих сценариев для отдела маркетинга

Когда маркетолога спрашивают, как он использует ИИ, чаще всего звучит одно: «пишу тексты». Между тем у отдела маркетинга нет одного процесса, их десятки: исследование аудитории, гипотезы, креативы, рассылки, сайт, отчётность, бюджет, согласования. Нейросеть может встроиться в каждый из них, и в разных местах отдача очень разная.

Ниже сорок сценариев, сгруппированных по восьми этапам работы отдела. У каждого стоит понятная опора. Где-то это внутренние кейсы компаний, внедряющих ИИ вместе с AI Business Box, где-то публичные российские и зарубежные примеры. Там, где замеров нет, мы так и пишем: эффект не измерялся. Цифры из кейсов не стоит переносить на свой отдел: это результаты конкретных команд.

Исследование аудитории и рынка

1. Разбор отзывов и обращений. Отзывы, переписка в поддержке и комментарии копятся в разных местах, и руками их никто не читает целиком. Нейросеть группирует их по темам и вытаскивает формулировки, которыми клиенты описывают свои проблемы. Показательный пример из кейса сайта о шести ИИ-агентах: анализ данных показал, что главным барьером клиентов была не цена, как считала команда, а страх потерять контроль. Из этого родился другой посыл в коммуникации.

2. Разбор записей звонков. Записи разговоров с клиентами содержат то, чего нет ни в одном опросе: возражения, слова, сравнения с конкурентами. В одном из внутренних кейсов сотрудник загружал записи звонков в NotebookLM, чтобы получить обзор конкурентов с позиции клиента. Здесь важна оговорка: ответ нужно сверять с исходными записями, потому что модель склонна обобщать.

3. Семантика и поисковые запросы. В другом кейсе ChatGPT помогает придумывать идеи поисковых запросов, которые затем проверяются в Вордстате. Сотрудник оценивает экономию в полтора-два часа на задачу. Это его оценка, а не системный замер, но механика понятна: нейросеть расширяет список, а частотность подтверждают сервисом статистики.

4. Список и профили конкурентов. Первичная сборка списка конкурентов и сводка о том, чем они торгуют и как себя позиционируют, делается нейросетью за один заход. Мы видели это в кейсе, где ассистенты генерировали идеи и гипотезы, а собирали список конкурентов. Проверять нужно каждую позицию: модель легко приписывает компании то, чего у неё нет.

5. Взгляд глазами клиента. Вместо вымышленных персон, которые лежат в презентации и не работают, можно попросить модель сыграть роль представителя целевой аудитории и оценить текст, макет или страницу сайта. В одном из кейсов сотрудники так и делают, и используют ещё одну роль, строгого редактора. Это не заменяет настоящих клиентов, зато даёт быструю первую обратную связь до запуска.

Стратегия, гипотезы и бюджет

6. Генерация гипотез. В кейсе сайта о шести агентах в маркетинге это самый яркий эффект: гипотез в месяц стало 20–30 вместо двух-трёх, а цикл теста сократился с трёх-четырёх недель до трёх-пяти дней. Узкое место отдела чаще не в идеях, а в скорости, с которой их можно проверить.

7. Отбор и приоритизация гипотез. Когда гипотез десятки, нужно выбрать, что тестировать первым. Нейросеть оценивает их по заданным критериям: охват, трудоёмкость, ожидаемый эффект. Замеров по этому сценарию у нас нет, и итоговое решение остаётся за маркетологом. Но структурированная таблица на входе совещания экономит заметное время.

8. Критика позиционирования. Загрузите описание продукта и текущий оффер и попросите модель найти слабые места, как это сделал бы скептически настроенный покупатель. Сильный ответ получается, если задать контекст рынка и ограничения. Слабый ответ получается, если просто написать «улучши».

9. Идеи воронок и триггерных сообщений. В одном из кейсов специальный ассистент «Генератор креативных идей» предлагал варианты воронок и триггерных коммуникаций. Сотрудники отмечают, что он помогает не всегда, но иногда подкидывает ход, до которого команда сама не дошла. Именно так и стоит оценивать идейные сценарии: цель не готовое решение, а расширение поля вариантов.

10. Бюджет и рекламные метрики. Этот сценарий разобран в нашем кейсе о маркетинговом бюджете. GPT-аналитик по выгрузке из Excel собирает рекламные метрики за период до часа вместо рабочего дня. Нейросетевой черновик распределения бюджета строится по связке NotebookLM и Gemini. Пересчёт медиаплана с учётом НДС занимает пять минут вместо тридцати.

Тексты и контент

11. Статьи и рерайт. Один из самых распространённых сценариев: написание и переработка статей. В кейсе, где его используют, качество результата не измерялось, и это важная деталь. Скорость первого черновика вырастает, но редактор и фактчекинг остаются обязательными. Текст без проверки фактов быстрее всего портит репутацию.

12. Контент-план и календарь публикаций. Ассистент «Планировщик контента» строит график публикаций. В кейсе честно сказано: в расписании бывают ошибки, и график требует уточнений. Нейросеть хорошо делает каркас, но календарь с датами, праздниками и ограничениями каналов нужно проверять руками.

13. Библиотека ассистентов для SMM. В одной из команд собрана библиотека из более чем тридцати собственных GPT-ассистентов, по одному на этап SMM-процесса. Подход масштабируется: каждый повторяющийся шаг получает свою инструкцию и свой контекст, а не общий универсальный промпт.

14. Деловая переписка. Письма подрядчикам, партнёрам, ответы на запросы. Сценарий скучный и потому массовый. Экономит не часы, а десятки минут в неделю, зато у каждого сотрудника. Контекст и тон нужно задавать один раз в инструкции, а не в каждом запросе.

15. Персонализированные приглашения. В одном из кейсов нейросеть помогала собирать персональные приглашения на мероприятие. Сотрудник пишет об огромной экономии времени и росте лояльности гостей, но цифр не приводит, поэтому как доказательство роста явки использовать это нельзя. Как рабочий приём, который стоит попробовать на своей базе, подходит.

16. Заголовки и варианты офферов. Нейросеть быстро выдаёт десятки вариантов заголовков, кнопок и лидов. Это рыночная практика, замеров у нас нет. Проблема в том, что без критериев все варианты звучат одинаково. Работает схема: сначала задаём ограничения (аудитория, тональность, запрещённые слова), затем просим предложить разные углы подачи, а не разные формулировки одного и того же.

17. Адаптация одного материала под каналы. Статья превращается в пост, рассылку, тезисы для выступления и сценарий короткого видео. Это рыночная практика без собственных замеров, и главный риск понятен: каналы начинают звучать одинаково. Каждый вариант стоит перечитывать и обрезать лишнее.

18. Контроль качества перед выпуском. Отдельная роль для нейросети: не автор, а проверяющий. Ей отдают готовый текст и чек-лист (факты, обещания, юридические ограничения, тон) и просят найти нарушения. Замеров у нас нет, но принцип «пишет один инструмент, проверяет другой» заметно снижает число очевидных ошибок.

19. Единый стиль и брендбук в промпте. В одном из кейсов ассистент ChatGPT анализирует сайт и помогает собрать брендбук и фирменный бланк, и сотрудники возвращались к этому сценарию несколько раз. Если правила бренда записаны в инструкции, любой автор получает один и тот же голос.

20. Рассылки: тексты писем. В кейсе по email-маркетингу тексты рассылок готовят ChatGPT и DeepSeek. Эффект не измерялся, и для честного вывода его нужно замерить: взять две-три рассылки, сравнить открываемость и клики с предыдущими.

Креативы и дизайн

21. Тексты и идеи для баннеров. В кейсе по рекламным баннерам использовались Gemini и GPT вместе с Prompt Cowboy, для результата хватало трёх-четырёх итераций. Чем точнее бриф, тем меньше циклов. Это и есть главный навык: научиться формулировать задачу как дизайнеру.

22. Подготовка заданий для дизайнера. Нейросеть превращает сырые идеи в понятный бриф: в одном из кейсов баннеры и тексты переработали в Google-документ с десятью баннерами для дизайнера. Дизайнер получает структуру, а не поток сообщений.

23. Изображения и обложки. Рабочие изображения и обложки получаются за одну-две итерации, в одном из кейсов использован «ИИ-арт-директор», который работает по референсу. Для публичных материалов нужно проверять права и узнаваемые элементы чужих брендов.

24. Изображения для рассылок. В отделе email-маркетинга картинки для писем генерируются нейросетью на платформе Arena. Хорошо подходит для иллюстраций, не требующих точной передачи продукта. Для фото товара и людей по-прежнему нужен живой материал.

25. Макеты и код баннеров. В одном из кейсов макеты в Figma и код баннеров делались через Codex и Figma. Эффект не оценён. Сценарий полезен там, где нужно быстро собрать несколько форматов под разные площадки.

26. Рекламный ролик. Российский пример: «Финуслуги» запустили две рекламные кампании, созданные с помощью ИИ, за полгода. По данным Adindex, на идею и на производство уходило около недели на каждую, бюджет составил сотни тысяч рублей вместо 2–4 месяцев и порядка 30 млн рублей традиционного продакшена. Ролик «деньги работают, пока вы отдыхаете» получил максимальный сводный балл в тесте «Яндекс Взгляд» среди пяти роликов. Идеи и инсайты придумывала команда, а не нейросеть. Эксперт Мосбиржи в том же материале предупреждает о «нейрослопе»: ИИ ускоряет производство, но не заменяет идею.

27. Масштаб визуального производства. Зарубежный пример: в мае 2024 года шведский финтех Klarna сообщил, что генеративный ИИ сэкономил ему около 10 млн долларов в год на маркетинге, из них, по сообщениям, 6 млн приходится на создание изображений в Midjourney, DALL-E и Firefly. Расходы на продажи и маркетинг в первом квартале 2024 года снизились на 11%, при этом число кампаний выросло. Цифры озвучила сама компания, независимой проверки у нас нет.

28. Презентации. Одна из самых частых задач. Сотрудники называют разное время: в одних кейсах рабочий день сжимается примерно до полутора часов, в других до одного часа. Это оценки самих участников, а не системные замеры. Используются Gamma, NotebookLM и связка ChatGPT с NotebookLM. Структура получается быстро, а точность цифр на слайдах остаётся на человеке.

29. Вёрстка виджетов и элементов платформы. В одном из кейсов виджеты для GetCourse собирались через Claude, на каждый уходило пять-семь минут вместо дня, при условии пошаговой формы запроса. Это сценарий для тех, кто ведёт курсы и обучающие продукты и привык зависеть от разработчика.

30. Поиск блогеров и оценка рекламных размещений. Нейросеть собирает списки блогеров и первичную оценку площадок. Но в кейсе отмечено: часть списков оказалась неактуальной. Устаревший список означает потерянный бюджет, поэтому каждую площадку нужно проверять по живым источникам.

Сайт и лендинги

31. Прототип лендинга. В одном из кейсов прототипы сайтов и лендингов собирали через ChatGPT, Magnific, Figma, Claude и Lovable. Результат передавался как HTML-архив, а в Tilda его переносили вручную. Нейросеть берёт на себя черновик, а интеграция остаётся ручной.

32. Быстрый прототип в коде. В другом кейсе рабочий прототип сайта собрали в Claude Code за 15 минут, и сотрудник сравнивает это с примерно тремя с половиной месяцами, которые такая задача занимала раньше. Это его оценка, а не системный замер, и сравнение прототипа с готовым сайтом нечестное. Но прототип как способ быстро показать идею руководителю или подрядчику работает.

33. Тексты для страниц и блоков. Заголовки, описания преимуществ, блоки вопросов и ответов. Сценарий близок к работе с оффером, но здесь добавляется контекст страницы: что видит человек выше и ниже, на что ему нужно нажать. Здесь мы опираемся на общую практику, а не на конкретный кейс. Модели нужно показывать структуру страницы, а не просить «написать текст для лендинга».

34. Разбор страницы глазами клиента. Загрузите страницу и попросите перечислить, чего не хватает человеку, который видит её впервые. Приём из кейса с ролями «строгий редактор» и «представитель ЦА» работает и для сайта. Цель найти слепые пятна до запуска, а не после.

35. Тексты для маркетплейсов и карточек. Описания товаров и услуг массово переписываются под требования площадок. Подтверждённого кейса у нас нет, это общая практика, и главный риск в точности характеристик: нейросеть охотно додумывает то, чего нет в исходных данных. Решение простое: в инструкции требовать использовать только предоставленные характеристики.

Рассылки и воронки

36. Цепочки писем и холодные письма. В кейсе корпоративный GPT-агент «Автор цепочек писем» пишет сериями. Но в нём прямо отмечено: юридическая корректность не подтверждена. Для email это важно: рекламные рассылки регулируются законом, и проверка формулировок и согласий остаётся на юристе и маркетологе.

37. Календарь рассылок. План отправок по сегментам и поводам. Как и с контент-планом, ассистент ошибается в графике, поэтому финальная сверка с реальным календарём обязательна.

38. Массовая сборка рассылок. В одном из кейсов связка OpenClaw, n8n и GetCourse собирала 100 писем за 10–20 минут. Это пример того, как нейросеть работает не отдельным помощником, а звеном автоматизации: данные из CRM, шаблон, генерация, отправка.

39. Сегментация и персонализация. Нейросеть помогает описать сегменты по поведению и составить варианты сообщений для каждого. Подтверждённых нами замеров по росту конверсии здесь нет. Это именно та область, где эффект стоит проверять через A/B-тест, а не доверять ощущениям.

40. Агенты по этапам цикла. Следующий шаг после отдельных сценариев это связка агентов. Кейс сайта описывает шесть агентов, которые закрывают разные этапы маркетингового цикла: команда сообщает, что 80% рутины ушло, а скорость тестирования выросла примерно вдесятеро. По данным McKinsey 2026, 40% крупных компаний уже масштабируют агентные системы.

Как не потеряться в сорока сценариях

Читать список целиком и внедрять всё подряд не нужно. Практичнее выбрать два-три сценария там, где у отдела больше всего повторяющейся работы: обычно это отчётность, тексты, подготовка креативов. Для каждого задайте простую рамку: сколько времени задача занимает сейчас, как вы проверите результат, что считать успехом через месяц.

Вторая рамка касается границ. Персональные данные клиентов, юридически значимые формулировки, цифры в отчётах для руководства всегда проходят через человека. Из всех приведённых примеров самые устойчивые именно те, где нейросеть делает черновик, а за результат отвечает сотрудник.

Если хотите подключить сотрудников отдела к программе, где эти сценарии отрабатываются на их реальных задачах, подключите компанию бесплатно: платит за программу «Нейрограмотность» сам сотрудник, для компании подключение ничего не стоит.