Нейросеть под присмотром менеджера: как O’STIN ускорил тестирование рекламы

Бренд одежды O’STIN и агентство мобильного маркетинга TopTraffic встроили каскад ИИ-агентов в работу перформанс-команды, чтобы быстрее анализировать аудитории, креативы и результаты кампаний. ИИ-агенты помогали находить перспективные гипотезы, отслеживать отклонения от KPI и понять, какие кампании масштабировать или останавливать. Представители O’STIN и TopTraffic рассказали Sostav, как новый подход повлиял на объем и стоимость установок приложения.

О клиенте

O’STIN — международный бренд повседневной одежды, представленный по всей России, а также в странах ближнего зарубежья в онлайн- и офлайн-формате. За последние годы компания активно расширяет ассортимент: помимо базовых коллекций одежды, в линейке появились обувь и парфюмерия.

Вызовы

В рамках кампании основным продуктом продвижения выступало мобильное приложение O’STIN. Именно его команда использовала как главный объект тестирования и оптимизации рекламных кампаний. Несмотря на сильные позиции бренда, команда столкнулась с рядом типичных для фешен-рынка проблем:

• высокая конкуренция и растущая стоимость привлечения клиента в категории;
• нестабильная конверсия в покупку;
• «усталость» аудитории от однотипных креативов;
• высокая стоимость тестирования большого количества гипотез.

Цели и задачи

• Привлечь больше новых пользователей приложения и стимулировать первые покупки;
• Увеличить число тестируемых гипотез в течение кампании;
• Снизить CPI (Cost per Install) при тестировании гипотез на 30%;
• Увеличить общий CR (conversion rate) в покупку на 15%.

Решение: гибрид «ИИ + Человек»

TopTraffic предложил внедрить в рутину менеджера систему из каскада ИИ-агентов, каждый из которых отвечает за свой участок работы:

• ИИ-агент № 1 — анализирует приложение O’STIN;
• ИИ-агент № 2 — исследует конкурентов в SPY-сервисах;
• ИИ-агент № 3 — анализирует исторические данные;
• ИИ-агент № 4 — предлагает рекомендации по типу креативов и сегментов ЦА для повышения эффективности;
• ИИ-агент № 5 — анализирует возможности источников и подбирает рекомендации по запуску;
• ИИ-агент № 6 — анализирует перформанс-результаты кампании и дает рекомендации.

Ключевая идея — не заменить специалиста, а встроить ИИ в рутину менеджера. Нейросети анализируют, прогнозируют и предлагают идеи. В то время как менеджер верифицирует гипотезы, принимает стратегические решения, следит за бренд-комплаенсом и отвечает за финальный результат.

Реализация

Этап 1. Подготовительная ИИ-аналитика и генерация креативов

Процесс:

• Менеджер формулирует ТЗ для ИИ на аналитику категории;
• Агенты 1−4 проводят аналитику и предлагают варианты гипотез;
• Дизайнер готовит креативы по рекомендациям, привлекая ИИ для ускорения и оптимизации работы;
• Менеджер отбирает наиболее релевантные варианты и передает креативы на запуск.

Этап 2. Запуск кампаний

В качестве инструментов использовались «Яндекс» и «ВКонтакте», так как у них наиболее точные доступные таргетинги.

Процесс:

• Агенты № 4−5 выдают рекомендации по цепочке «источник — креатив — таргетинги»;
• Менеджер добавляет в ротацию новые рекламные кампании и устанавливает KPI;
• Агент № 6 в реальном времени анализирует, какие гипотезы значимо отклоняются от заданных KPI, и присылает уведомления в телеграм-чат.

Вся коммуникация между ИИ и командой строилась по принципу «триггерных зон», которые помогали быстро принимать решения без лишней аналитики. Если показатели кампании стабильно превышали KPI, система отмечала ее в зеленой зоне, такие гипотезы рекомендовалось масштабировать. Если фиксировалось незначительное отклонение от плановых метрик, кампания переходила в желтую зону. После чего ИИ предлагал внести корректировки в креативы или таргетинги. Если эффективность кампании заметно снижалась, система отмечала ее в красной зоне и рекомендовала остановить гипотезу. Если в кампании были средние показатели, не сильно отклоняющиеся от KPI, то система не присылала частые уведомления и не отвлекала байера.

Этап 3. Ручной контроль и корректировки

Процесс:

• Менеджер получает отчет от системы с конкретными подсказками (например: «Креатив А показывает на 40% ниже CPI у аудитории от 25 до 34 года в "Яндексе". Есть потенциал к масштабированию +20%»);
• Специалист анализирует результаты (аудитория, настройки, потенциал масштабирования);
• Менеджер принимает решение: масштабировать, запустить дополнительные гипотезы или остановить;
• Загружает в ИИ накопленную базу, на чем искусственный интеллект обучается.

Результаты

По итогам кампании O’STIN и TopTraffic зафиксировали устойчивый рост по ключевым метрикам:

• Количество установок мобильного приложения бренда увеличилось на 35%;
• Стоимость одной установки (CPI) снизилась на 32% в тестируемых гипотезах;
• Конверсия пользователей в покупку (CR) выросла на 17%.

Кроме того, благодаря автоматизированному анализу и триггерной системе коммуникации команде удалось:

• ускорить процесс тестирования гипотез;
• снизить затраты на тесты, так как неэффективные кампании останавливались на раннем этапе;
• повысить общий объем целевого трафика и улучшить качество аудитории, приходящей в приложение.

Выводы

• ИИ — это мощный и быстрый аналитик и исполнитель;
• Менеджер остается в цикле стратегических решений;
• Гибридная модель «ИИ + Человек» дает синергетический эффект, превосходящий сумму отдельных частей;
• Постоянный диалог с ИИ — ключ к эффективности. Слепое доверие системе дает меньший результат, чем работа в тандеме.

Рекомендации

• Внедрять искусственный интеллект в повседневную рутину, а не использовать как экспериментальный инструмент.
• Сохранять человеческий надзор, особенно в вопросах бренда и креатива.
• Строить систему самообучения, где ИИ учится на результатах кампаний.