AI-отдел маркетинга

AI-отделмаркетинга

Как построить автоматизированную маркетинговую систему,

в которой ИИ исследует, создаёт, запускает, анализирует и улучшает маркетинг.

Антон Аракчеев

AI-отдел маркетинга: как построить автоматизированную маркетинговую систему, в которой ИИ исследует, создаёт, запускает, анализирует и улучшает маркетинг

Все компании, имена, кейсы и цифры в этой книге условные. Любые совпадения с реальными событиями, компаниями и лицами случайны.

Названия, тарифы и возможности упомянутых сервисов актуальны на момент написания и могут изменяться; перед внедрением проверяйте актуальные условия у поставщиков. Книга не является юридической консультацией.

Все права защищены. Полное или частичное воспроизведение текста допускается только с письменного согласия правообладателя.

Аннотация

В вашем маркетинге десятки повторяемых операций: сбор данных, отчёты, контент-планы, переносы заявок, мониторинг кампаний. Эта книга о том, как передать их системе — ИИ, автоматизациям и описанным процессам, — оставив людям стратегию, креатив и ответственность.

«AI-отдел маркетинга» — практическое руководство по перестройке отдела вокруг формулы люди + AI + данные + процессы + автоматизация + контроль: от первого описанного процесса до собранной AI Marketing OS с планом внедрения на девяносто дней.

В книге 65 готовых промптов, 25 шаблонов и три сквозных кейса: e-commerce, B2B-производитель и сеть услуг. Цифры в кейсах условные.

Адресаты: руководителям — архитектура и план; практикам — промпты и контроль; автоматизаторам — связки и права.

Примечание: оглавление построено на полях Word. После редактирования документа щёлкните по оглавлению правой кнопкой мыши и выберите «Обновить поле», чтобы номера страниц пересчитались.

Введение. Маркетинговый отдел после ИИ

Ещё пять лет назад вопрос звучал так: «Кому поручить эту задачу?» Сегодня вопрос другой: «Как построить систему, в которой часть задач выполняется без человека — но под его контролем?»

Представьте типичный маркетинговый отдел средней компании. В нём есть руководитель, маркетолог, специалист по рекламе, контентщик, дизайнер, SMM-специалист, CRM-маркетолог и аналитик — или, чаще всего, один человек, который совмещает все эти роли. У каждого свои задачи, свои таблицы, свои сервисы и свой чат. Отчёты собираются вручную по пятницам. Контент пишется по очереди, когда до него доходят руки. Заявки из рекламы кто-то переносит из кабинета в CRM. Сегменты для рассылок собираются фильтрами вручную. Всё это работает — но работает медленно, дорого и держится на людях, которые каждую неделю делают одну и ту же механическую работу.

Затем в компанию приходит ИИ. Руководитель покупает подписку на языковую модель, потом ещё на три сервиса, потом ещё на пять. Через полгода у команды есть дюжина инструментов — но ничего фундаментально не изменилось. Тексты пишутся быстрее, но конвейера контента нет. Отчёты стали выходить чаще, но их по-прежнему собирает человек. Почему так происходит? Потому что набор инструментов — это ещё не система. Инструмент решает отдельную задачу в момент запроса. Система выполняет процесс целиком: сама замечает событие, собирает данные, принимает решение по правилам, выполняет действие и сообщает человеку только там, где нужно его суждение.

Эта книга — о том, как превратить набор AI-инструментов в работающую маркетинговую систему. Такой отдел мы будем называть AI-отделом маркетинга. Это не отдел без людей и не отдел, где все пишут промпты. Это маркетинговая функция, перестроенная вокруг связки: человек + ИИ + данные + процессы + автоматизация + контроль. Люди в ней управляют системой: ставят цели, проектируют процессы, задают правила, проверяют результаты и отвечают за решения. ИИ и автоматизация берут на себя повторяемую интеллектуальную и операционную работу: сбор данных, классификацию, генерацию вариантов, мониторинг, отчётность, типовые коммуникации.

Переход к такому отделу можно описать одной цепочкой: отдел людей → цифровые процессы → AI-ассистенты → AI-агенты → AI-отдел. Сначала процессы описываются и стандартизируются. Затем в отдельные шаги встраиваются AI-ассистенты, которые помогают человеку быстрее делать ту же работу. Дальше шаги связываются в автоматизированные сценарии — workflows, которые запускаются сами. Наконец, появляются агенты — автономные исполнители ограниченных задач, — и все элементы складываются в единую операционную систему маркетинга: AI Marketing OS.

Почему это не книга про промпты и сервисы

Промптов в этой книге много — шестьдесят пять готовых инструкций, распределённых по главам. Но промпт — это лишь способ передать задание модели. Промпт не решает главную проблему: данные не попадают к модели сами, результаты никуда не отправляются, процессы не запускаются, ошибки никто не ловит. Всё это делает архитектура: источники данных, интеграции, правила, сценарии и контрольные точки. Именно поэтому здесь почти нет обзоров конкретных сервисов. Инструменты меняются каждые полгода, а архитектура остаётся. Мы будем говорить о классах инструментов и о том, как они соединяются, — а названия сервисов рассматривать лишь как примеры, которые к моменту вашего чтения могли уже обновиться.

Вторая причина — экономическая. Покупка инструментов без перестройки процессов — самый распространённый и самый дорогой способ имитации автоматизации. Компания платит за подписки, сотрудники иногда пользуются, но стоимость процесса, его скорость и надёжность не меняются. Автоматизация окупается не количеством подписок, а сокращением ручных шагов в конкретных процессах — и в этой книге мы будем постоянно считать: часы, стоимость операции, скорость, ошибки, возврат инвестиций.

Что такое AI Marketing OS

Центральная модель книги — AI Marketing OS, операционная система маркетинга. Это замкнутый цикл из тринадцати связанных областей: стратегия → данные → исследование → планирование → создание → публикация → трафик → лиды → CRM → продажи → аналитика → оптимизация → обучение. После анализа система возвращается к исследованию и планированию — и цикл начинается заново, уже с новыми данными. Коротко этот контур можно записать формулой: данные → решение → действие → результат → данные.

ИИ присутствует на каждом этапе этого цикла, но степень его автономности различается. В исследовании он собирает и сжимает информацию. В создании контента — готовит черновики и варианты. В рекламе — мониторит кампании и находит отклонения. В CRM — классифицирует лидов и предлагает сегменты. В аналитике — сводит показатели и замечает аномалии. Но ни на одном этапе мы не будем отдавать ИИ финальное решение без правил и контроля. Принцип книги прост: чем больше автономность, тем жёстче должен быть контроль — и наоборот.

Три компании, на примере которых мы будем учиться

Вместо одного сквозного примера в книге работают три условных бизнеса разных типов — потому что архитектура AI-отдела в e-commerce, в B2B и в локальном сервисе собирается по-разному. Первый — «ДомУют», интернет-магазин товаров для дома: восемь человек в маркетинге, сайт, CRM, реклама в Яндекс Директе и VK, соцсети, email, мессенджеры, продажи на маркетплейсах, отчёты вручную. Второй — «Инженерные системы», B2B-производитель вентиляционного оборудования: длинные циклы сделки, дилеры, тендеры, выставки, маленькая маркетинговая команда и большой отдел продаж. Третий — «Свежесть», сеть студий химчистки мебели из шести филиалов: запись через Telegram и сайт, геореклама, сезонность, работа с отзывами и повторными визитами.

Каждая глава будет возвращаться к этим компаниям: в блоках «Кейс» мы будем разбирать конкретную задачу по схеме проблема → процесс → автоматизация → риск → контроль → результат. Все цифры и названия в кейсах условные — они нужны для демонстрации логики расчётов, а не как рыночные бенчмарки. Не переносите их в свои планы без проверки на собственных данных.

Что вы получите к концу книги

К последней странице у вас должно появиться не чувство «теперь я знаю про ИИ больше», а рабочая архитектура собственного отдела. Вы сможете: находить процессы, достойные автоматизации, и отсеивать те, которые автоматизировать не нужно; описывать маркетинговые workflows в едином формате; проектировать AI-ассистентов с понятным входом, выходом и точками проверки; строить AI Marketing Stack — пять уровней от данных до контроля; связывать CRM, аналитику, контент и рекламу в один контур; измерять экономику автоматизации и считать её ROI; управлять правами ИИ и строить процессы human-in-the-loop. Приложение А содержит двадцать пять шаблонов для всего этого — от карты отдела до реестра рисков, — а глава 18 собирает внедрение в план на девяносто дней.

И последнее — о дисциплине мышления. Две крайности одинаково вредны. Первая: «ИИ заменит маркетологов, нужно срочно всё автоматизировать». Вторая: «Это всё сырое, подождём, пока дозреет». Правда, как обычно, посередине: значительная часть маркетинговой работы — повторяемая, стандартизируемая и потому хорошо автоматизируемая; но стратегия, креатив, бренд, сложные переговоры и ответственность за решения остаются за людьми. AI-отдел — это не про то, что в компании станет меньше людей. Это про то, что каждый человек сможет управлять гораздо большей системой. Как её построить — и есть предмет этой книги.

Кому адресована эта книга

Книга рассчитана на три группы читателей, и каждая из них найдёт в ней свой главный маршрут. Первый — руководители маркетинга и коммерческие директора, которые отвечают за результат направления и устали масштабировать отдел только наймом: им книга даёт архитектуру, план внедрения и язык, на котором можно разговаривать с собственниками и ИТ-командой. Второй — действующие маркетологи, которые хотят перейти от ручного исполнения к управлению автоматизированными процессами: для них особенно важны главы о проектировании процессов, промптах и контроле качества. Третий — специалисты по автоматизации и аналитике, которым поручили «добавить сюда ИИ»: они получат рамку, в которой технические связки не превращаются в набор скриптов без владельца, цели и прав.

Отдельно скажу о размере компании. Примеры в книге охватывают три бизнеса — e-commerce, B2B-производство и локальную сеть услуг, — потому что логика построения AI-отдела универсальна, меняется только масштаб. В команде из двух человек AI-отдел начинается с одного описанного процесса и одного ассистента; в отделе из двадцати человек — с карты процессов и распределения ролей. Принцип «сначала описание, потом автоматизация» работает одинаково в обоих случаях, просто во втором вокруг него появляется больше согласований. Если вы работаете в малом бизнесе, не пропускайте главы об управлении — именно на малых командах ошибки автоматизации стоят дороже всего, потому что исправлять их некому, кроме вас.

Как устроена книга

Книга построена как пошаговая сборка системы, и порядок глав — это порядок внедрения. Часть I отвечает на вопросы «что мы строим и с чего начать»: определения, формула AI-отдела, отбор процессов для автоматизации. Часть II — про фундамент: стек технологий, проектирование процессов и данные. Часть III разбирает пять функциональных контуров — исследование, контент, реклама, CRM и поддержку продаж, — и это самая «практическая» часть книги с наибольшим числом промптов. Часть IV — про инженерию: workflows, no-code-связки и первое знакомство с агентами. Часть V — про управление: роли людей, метрики, риски, права и план на девяносто дней.

Каждая глава выдержана в единой логике: сначала проблема и принцип, затем процесс, затем место ИИ и автоматизации в нём, затем контроль и результат. Каждая глава заканчивается разбором кейса одной из трёх компаний и сводкой «Главное из главы». Промпты собраны в библиотеки внутри глав и пронумерованы сквозной нумерацией — всего их шестьдесят пять. Шаблоны появляются в главах в виде каркасов, а их полные версии вынесены в приложение А; так книга остаётся читабельной, а приложения становятся рабочим инструментом.

Обозначения и соглашения

Несколько соглашений, о которых важно договориться до первой главы. Промпт-карточки оформлены рамкой и написаны как готовый текст для копирования: замените содержимое угловых скобок на свои данные. Шаблоны — это таблицы-каркасы; в главе они показаны в сокращённом виде, в приложении А — полные, с примерами заполнения. Кейсы — это сводные истории трёх компаний; все цифры в них условные, они подобраны так, чтобы показать порядок величин, а не служить бенчмарками.

Отдельно — про инструменты. В книге упоминаются сервисы, доступные российским командам: языковые модели (GigaChat, YandexAI, Qwen, DeepSeek, Z.ai/GLM и международные модели там, где они доступны), платформы автоматизации, CRM и рекламные кабинеты. Рынок меняется каждый квартал: меняются названия тарифов, лимиты, доступные регионы и даже названия продуктов. Поэтому все упоминания сервисов — это иллюстрации классов инструментов, а не рекомендации конкретных версий; перед внедрением проверяйте актуальные условия у поставщиков. Классы инструментов и принципы их связывания не устаревают — именно им посвящена бо́льшая часть технических глав.

Три маршрута чтения

Если вы руководитель — прочитайте книгу подряд, но начните с глав 2, 3 и 18: они дают определение, отбор процессов и план на девяносто дней, по которому можно принять решение о старте уже на этой неделе. Если вы маркетолог-практик — идите по главам 5–11 и собирайте промпты в собственную библиотеку по ходу чтения; к главам об архитектуре вернитесь, когда первые процессы заработают. Если вы специалист по автоматизации — ваш маршрут: главы 4–6, затем 12–14 и 17, где описаны workflows, интеграции и права доступа; особое внимание обратите на разделы про контроль ошибок и журналирование — именно они отличают систему от набора скриптов.

И последнее соглашение — о терминологии. Слово «система» в книге означает не программный продукт, а связку людей, процессов, данных и правил, которая выполняет работу. Слово «автоматизация» — любое исполнение действия без человека в моменте: от простой рассылки по расписанию до AI-агента. Слово «контроль» — не надзор, а заранее спроектированные точки, в которых человек проверяет качество и принимает решения. С этими тремя определениями книга читается как единая история о том, как вернуть маркетингу управляемость.

О чём эта книга не написана

Чтобы ожидания совпали с содержанием, зафиксируем и обратную сторону: чего в этой книге нет. Здесь нет обещаний «маркетинг на автопилоте без вашего участия» — те, кто их делает, продают не систему, а фантазию; каждая страница этой книги построена на обратном убеждении: за системой всегда стоит её архитектор. Здесь нет пошаговых инструкций к конкретным интерфейсам — скриншоты устаревают за квартал, и вместо них вы получите контракты инструментов: что запрашивать, что настраивать, как проверять. Здесь нет магических промптов, которые «работают всегда» — промпты в книге это шаблоны суждения, и их сила растёт от ваших данных и правил, а не от формулировки.

Наконец, здесь нет готовых ответов на стратегические вопросы вашего бизнеса — какую нишу выбрать, какой продукт развивать, куда идти с брендом. Книга учит строить систему, которая отвечает на такие вопросы быстрее и качественнее, но решения остаются вашими. Если вы искали кнопку «заменить отдел маркетинга», верните эту книгу; если вы искали способ сделать отдел сильнее без удвоения штата — читайте дальше.

Три компании: краткое досье

Познакомимся ближе с компаниями, на примерах которых будем учиться; их истории начнутся с первой части и дойдут до финальной главы. «ДомУют» — интернет-магазин товаров для дома; команда из восьми человек: руководитель, два маркетолога, контентщик, дизайнер, специалист по рекламе и два сотрудника поддержки. Классическая нагрузка e-commerce: ежедневный контент, сезонные распродажи, десятки рекламных кабинетов, тысячи отзывов и заявок в месяц. Их главный запрос: перестать тонуть в рутине и успевать жить сезонностью.

«Инженерные системы» — производитель и поставщик вентиляционного оборудования для B2B; маркетинг из четырёх человек, длинные циклы сделок, договорные условия, сложные коммерческие предложения. Их главный запрос: скорость и качество реакции на заявки, согласованность маркетинга с продажами, работа с большими закупками. «Свежесть» — сеть из шести пунктов химчистки мебели; маркетинг делает один человек с помощницей. Их главный запрос: максимальный эффект при минимальных ресурсах — локальный спрос, отзывы, геосервисы, повторные визиты. Три разных масштаба, три разных ограничения — и одна архитектура. Следя за ними, вы каждый раз будете видеть и свою ситуацию.

Практикум чтения

Эта книга работает, только если её читать с карандашом и открытым документом. Прежде чем начать, создайте рабочий файл проекта — назовём его «Досье AI-отдела»: в него вы будете складывать ответы на вопросы глав, выбранные промпты и наброски процессов. По ходу чтения возвращайтесь к трём постоянным заданиям.

После каждой части записывайте в досье: какие два-три утверждения главы противоречат текущей практике вашего отдела и что это значит

Копируйте в досье только те промпты, которые применимы к вашим процессам в ближайший месяц, — и сразу отмечайте, каких данных им не хватает

В конце каждой части отмечайте в списке из десяти правил памятки те, по которым ваш отдел сегодня «не проходит» — к заключению вы получите персональную карту отставания

Через девяносто дней после прочтения вернитесь к досье и сравните: что из прочитанного стало работающими процессами, а что осталось заметками. Это сравнение — лучший индикатор не качества книги, а качества вашего внедрения; и оно же подскажет, к каким главам вернуться. Книга считается прочитанной не тогда, когда перевернута последняя страница, а когда хотя бы один процесс в вашем отделе начал работать по-новому.

Часть I. Перестройка маркетинга

Прежде чем проектировать AI-команду, стек и workflows, нужно честно ответить на три вопроса: что произошло с маркетинговой работой за последние годы, что именно мы называем AI-отделом и с чего начать автоматизацию. Часть I даёт опорную модель: как изменилась нагрузка на специалистов, из чего складывается формула «люди + AI + данные + процессы + автоматизация + контроль» и по каким критериям отбирать первые задачи для автоматизации.

Глава 1. Маркетинговый отдел больше не будет прежним

Специалист не исчезает. Он перестаёт быть станком и становится оператором цеха.

1.1. Новая нагрузка: почему задач стало больше

Маркетинг за десять лет превратился из нескольких каналов в десятки. Компания, которая раньше имела сайт, две рекламные площадки и email-рассылку, сегодня ведёт сайт, несколько рекламных систем, соцсети, мессенджеры, маркетплейсы, email-кампании, партнёрские каналы и видеоплатформы. Каждый канал требует своего контента, своей периодичности, своей аналитики и своей настройки. Количество задач росло быстрее, чем количество людей в отделах, — и этот разрыв закрывался единственным доступным способом: люди стали делать больше однотипной работы за то же время.

Рассмотрим день контент-маркетолога условной компании. Утром нужно собрать статистику публикаций за неделю из четырёх площадок. Потом — написать пост, подготовить письмо для рассылки, согласовать с руководителем три текста, выгрузить список лидов для CRM-кампании и обновить контент-план. Ни одна из этих задач не требует глубокого мышления, но каждая требует времени: войти в систему, выгрузить, сверить, отформатировать, перенести. По оценкам самих отделов — и это сходится с практикой внедрений, — на такую операционную «обвязку» уходит больше половины рабочего времени. Не на стратегию, не на креатив и не на общение с клиентами, а на перенос данных и обслуживание процессов.

Эта нагрузка растёт ещё и потому, что бизнес требует скорости. Конкурент запустил механику — нужно ответить на этой неделе. Сезон начался — нужно удвоить контент. Реклама подорожала — нужно протестировать десять новых связок. Каждое требование в традиционной модели конвертируется в новые ручные задачи. И пока каждый шаг выполняет человек, отдел отвечает на рост требований единственным способом — переработками или деградацией качества.

1.2. Что именно меняют ИИ и автоматизация

ИИ меняет не отдельные задачи — он меняет экономику каждого шага маркетингового процесса. Разберём по слоям. Производство контента: черновик статьи, который раньше занимал день, готовится за час с помощью модели; вариант креатива, который дизайнер делал полдня, генерируется за минуты — но требует проверки и доводки. Анализ: сводка по кампаниям, которую аналитик собирал полдня, формируется автоматически каждое утро; аномалии в расходе и конверсии замечает мониторинг, а не человек, случайно открывший отчёт. Персонализация: сегменты собираются по событиям в CRM без ручных фильтров, тексты письма адаптируются под группу получателей. Коммуникации: типовые вопросы клиентов закрываются ассистентом, а менеджер видит только сложные диалоги.

Важно понимать масштаб изменений. Каждое из этих улучшений само по себе скромное: час сэкономлен здесь, отчёт ускорен там. Но когда такие улучшения складываются в связанную систему — данные передаются без ручного переноса, процессы запускаются событиями, результаты проверяются по правилам, — происходит качественный сдвиг. Отдел, который выпускал десять единиц контента в неделю, выпускает сорок. Отдел, который узнавал о проблеме в рекламе через два дня, узнаёт через два часа. Это уже не «тот же отдел, но с ИИ» — это другая операционная модель.

Одновременно меняется и количество каналов, которое отдел способен вести. Раньше пятый канал означал пятого специалиста. Теперь пятый канал означает пятый набор сценариев в системе: тот же конвейер производит адаптации под площадку, тот же мониторинг следит за метриками, тот же аналитический контур собирает отчёт. Масштабирование перестаёт требовать пропорционального найма — оно обеспечивается архитектурой.

1.3. Роль специалиста: от выполнения к управлению системой

Когда повторяемую работу берут на себя ассистенты и workflows, профессия маркетолога не исчезает — она смещается вверх по цепочке создания ценности. Вместо того чтобы писать пятую версию того же текста, человек формулирует бриф, задаёт ограничения и выбирает лучший из десяти черновиков. Вместо ручной сборки отчёта — проектирует правила, по которым отчёт собирается сам, и разбирает исключения. Вместо того чтобы переносить лиды между системами, — настраивает маршрутизацию и следит, чтобы она не ломалась. Это другая квалификация: понимание процессов, умение формализовать требования, дисциплина контроля.

Практически это выглядит так. Контент-менеджер «ДомУюта» утром проверяет очередь на публикацию: система подготовила черновики по контент-плану, ассистент сгенерировал варианты заголовков, редактор вносит правки и подтверждает выпуск. Специалист по рекламе начинает день не с ручного обхода кабинетов, а с разбора сводки отклонений, которую собрал мониторинг: две кампании вышли за лимит стоимости лида, у одной упал CTR — по каждой уже есть гипотеза причины и предложенный вариант действий. Руководитель смотрит не в шесть кабинетов, а в один дашборд, где решения уже подготовлены, и занимается тем, что не передаётся машине: приоритетами, бюджетами, креативной стратегией.