ИИ обсуждают в маркетинге, но на практике технологию часто используют фрагментарно: отдельные эксперименты, разовые генерации, инструменты без внятного бизнес-результата. Команда «Яндекс Браузера» решила внедрить ИИ как управляемую систему с целями, метриками и ответственными ролями. О том, какие процессы пришлось пересобрать, где технология дала измеримый эффект, а где нет, Sostav рассказал Александр Мальцев, СМО «Яндекс Браузера», автор курса по нейросетям для маркетинга «Яндекс Практикума».
Почему вообще об этом стоит говорить: что происходит в мировой индустрии
Нейросети для маркетинга стали быстрее, дешевле и качественнее. Современные инструменты позволяют командам создавать креативы, автоматизировать аналитику и продажи, заменяя работу десятков специалистов при минимальных затратах времени и ресурсов. Это подтверждается данными: как отмечает американская консалтинговая компания Gartner, генеративный ИИ уже снижает затраты на контент на 30−50%, а стоимость привлечения клиентов — на 30%. Исследование M1-Project показывает, что время на контент-продакшен сокращается на 60−80% благодаря нейросетям.
При этом выигрывают те, кто внедряет технологии быстрее. Небольшие компании уже сейчас получают прямой бизнес-результат без расширения штата. Например, семейная пекарня Sourdough Studio в Великобритании с помощью нейросетевого таргетинга удвоила ROI рекламы и увеличила выручку на 36%.
Крупный же бизнес рискует упустить момент. Исследование MIT NANDA 2025 года от Массачусетского технологического института показывает: 95% пилотных проектов не дают отдачи не из-за качества моделей, а из-за сложностей интеграции в рабочие процессы. S&P Global отмечает, что 42% компаний отказываются от ИИ-проектов, потому что сотрудники боятся изменений и перегружены.
При этом нейросети позволяют адаптировать генерации креативов под бренд и сразу запускать A/B-тесты. Например, IBM, используя Adobe Firefly, сгенерировала сотни вариаций изображений, что привело к 26-кратному росту вовлеченности, а платформы вроде Meta (признана экстремистской организацией в России) AI Sandbox позволяют рекламодателям мгновенно создавать и тестировать разные версии текстов и визуалов и выявлять самые подходящие.
Контекст кейса «Яндекс Браузера»
Отправной точкой стал разговор с другом-предпринимателем из Кремниевой долины, где выяснилось, что маркетинг в стартапе бизнесмена ведут два человека и 11 ИИ-агентов. При этом решение ежедневно привлекает сотни платежеспособных клиентов.
Контраст оказался показательным. С одной стороны — крупные компании, где про ИИ много говорят, но почти не используют. С другой — небольшие команды, которые уже закрывают нейросетями маркетинг, аналитику и продажи, не расширяя штат.
Команда «Яндекс Браузера» поняла: ИИ нужно внедрять не точечно, а как часть операционной модели маркетинга. И в первом проекте приступила к созданию ИИ-пайплайна генерации креативов для платного привлечения пользователей.
Цели и задачи проекта
Команда зафиксировала измеримые цели, которые стали фильтром для всех ИИ-инициатив:
- привлечь на 15% больше пользователей за счет новых нейросетевых подходов;
- в два раза увеличить количество успешных креативов, не нанимая дополнительных сотрудников в продакшен-команды.
Начали не с инструментов, а с бизнес-задач. Любая ИИ-инициатива оценивалась по вкладу в конкретные метрики — скорость производства, себестоимость, масштабируемость и влияние на воронку.
До внедрения ИИ-пайплайна команда из пяти дизайнеров производила в среднем 20 уникальных тематик креативов в неделю. Около 20% из них проходили фильтр эффективности после тестирования и попадали в основные рекламные кампании — это примерно четыре креатива в неделю с целевым ROI. После внедрения объем производства вырос до 42 уникальных тематик в неделю при сопоставимой доле успешных тестов. В результате число креативов, доходящих до основной закупки, выросло вдвое — с четырех до восьми в неделю — за счет роста скорости их производства.
Под уникальной тематикой команда понимает не ресайзы и адаптации одного решения, а креативы с разными стилями и акцентами на продуктовые функции.
Реализация: как пересобрали процессы
В проекте участвовали восемь человек: пять дизайнеров, ИИ-маркетолог, редактор и трафик-менеджер. Нужно было перейти к AI-native-модели работы.
Это потребовало изменений в операционной модели.
Первое — выделенная роль ИИ-маркетолога. Это отдельный специалист, отвечающий за рост эффективности через нейросети: гипотезы, тесты, внедрение новых инструментов и сбор результатов.
Второе — фиксированное время под ИИ-задачи. Команда выделила один день в неделю, полностью сфокусированный на тестах, аналитике, промптах и разборе новых решений.
Третье — обучение и экспертиза. Помимо внутреннего обмена знаниями, на этапе создания ИИ-пайплайна подключили две команды внешних консультантов с подтвержденным опытом виральных ИИ-креативов. В течение двух недель они работали совместно с командой, адаптируя успешные подходы под задачи маркетинга Браузера.
Взаимодействие выстроили через тикеты в «Трекере». ИИ-маркетолог формирует гипотезы и ставит задачи: прикладывает бенчмарки (примеры виральных креативов), промпты и гайдлайны — какие функции «Браузера» раскрывать и на какие элементы делать упор. Дизайнеры производят креативы, делают ресайзы и итерации под разные платформы. Трафик-менеджер тестирует материалы, возвращает в тикет результаты и выводы. Успешные креативы масштабируются под новые функции и форматы. Задачу на адаптацию снова ставит ИИ-маркетолог.
Параллельно ИИ-креатив оформлен как система. Команда ведет базы промптов с фиксацией результатов, отслеживает новые инструменты и анализирует успешные и неуспешные закупки. На основе данных формируются гайдлайны для дизайнеров и редакторов — какие визуальные решения и элементы сейчас работают, а какие нет. Это позволяет выстроить масштабируемый процесс производства креативов.
Результаты проекта
Эффект от внедрения ИИ стал измеримым сразу по нескольким направлениям.
Скорость. Количество креативов, подходящих для основной закупки, выросло в два раза.
Себестоимость. Стоимость производства одного перфоманс-креатива снизилась на 50% за счет автоматизации ранних этапов. В медийной рекламе стоимость снизилась трехкратно.
Привлечение. Рост привлечения пользователей с целевой эффективностью составил 15% из-за масштабирования удачных гипотез и более агрессивного A/B-тестирования.
Масштабирование. Там, где раньше команда делала один ролик последовательно, теперь может одновременно тестировать десятки вариаций.
В целом, команда поняла, что наибольший эффект ИИ дает в:
- видео для перфоманс- и медийной рекламы;
- создании статичных баннеров;
- UGC-стилизованном контенте;
- персонализации in-app-коммуникаций под разные сегменты аудитории.
Также нейросеть работает с данными по креативам для последующего принятия решений. Она помогает:
- выявлять успешные и провальные кейсы;
- находить паттерны в их структуре;
- формировать рекомендации для следующей итерации.
Анализ строится на собственной базе знаний: история закупок, метрики, структура креатива. За счет этого рекомендации не абстрактные, а привязанные к рекламной системе команды.
Примеры креативов «до»
Примеры креативов «после»
Где ИИ не сработал
Показательный кейс — лендинги. Попытки собирать посадочные страницы с помощью ИИ оказались нерентабельными. Причина не в качестве генерации, а в количестве ручных итераций: брифы, структура, правки, верстка и согласования съедают больше времени, чем работа руками.
ИИ отлично работает там, где есть массовость и быстрые циклы тестирования, и хуже справляется там, где критична сложная логика интерфейса и согласований.
Выводы
Опыт команды «Яндекс Браузера» и мировые исследования сходятся в одном: нейросети перестали быть просто модным инструментом и стали неотъемлемой частью работы маркетолога. Ключевой принцип успеха — подключать ИИ к конкретной операции с понятным KPI, а не использовать его точечно.
Стартовать лучше с процессов, где эффект становится измеримым быстрее всего: генерация гипотез, создание текстов и визуала, анализ эффективности, расшифровка и анализ кастдевов, презентации и отчеты.
Да, сложности неизбежны, но их уровень можно снизить:
- постоянно мониторить новинки рынка;
- формулировать образ результата и метрики;
- начинать с минимальных тестов;
- дробить сложные задачи на простые операции.
Перевод ИИ из области вдохновляющего инструмента в область цифр, процессов и ответственности делает его управляемым активом, который дает измеримый рост эффективности — будь то рост привлечения пользователей с целевой эффективностью на 15% в «Яндекс Браузере» или 26-кратный рост вовлеченности в IBM.