Реклама, аналитика, CRM и отчеты: какие задачи можно поручить AI в отделе маркетинга

10 Сентябрь 2026

Время чтения: 30 минут

AI может снять с маркетолога часть рутины — но только если задача описана достаточно точно, а результат можно проверить. Для ежедневной сводки хватит расписания и шаблона, а вот для анализа отзывов, рекламы и CRM понадобятся дополнительные данные, правила и понятные границы действий. В статье разбираем, как выбрать уровень самостоятельности AI для разных процессов в отделе маркетинга.

Термины «AI-помощник» и «AI-агент» используют по-разному. Единого строгого словаря нет: даже Anthropic описывает несколько подходов к определению агентов.

В этой статье под AI-помощником будем понимать систему, которая выполняет заданный шаг по запросу. AI-агент может сам выбирать следующие шаги, обращаться к инструментам, проверять результат и выполнять разрешенные действия в подключенных сервисах.

Помощник и агент могут работать на одной и той же языковой модели. Разница связана с тем, как устроена система вокруг модели: получает ли она отдельный запрос и возвращает результат либо может действовать в несколько шагов.

Например, AI-помощник получает выгрузку отзывов из CRM и группирует их по темам: цена, доставка, качество сервиса. Затем он возвращает таблицу с результатами, а маркетолог изучает ее и решает, что делать дальше. Система с агентским сценарием может получить более общую задачу: изучить жалобы на продукт, проверить динамику продаж, запросить данные из CRM и аналитики, сопоставить их и сформулировать несколько гипотез о причинах. При этом агент действует только в пределах доступных инструментов и выданных разрешений, и его название само по себе не говорит о степени его самостоятельности.

Для оценки степени автоматизации удобнее использовать три уровня участия человека.

Уровень 1. Подготовка. AI собирает, классифицирует или преобразует данные, пишет черновик, формирует варианты. Внешние действия выполняет человек. Риски сохраняются: система может неверно сгруппировать отзывы, пропустить важную информацию, придумать характеристику товара или передать конфиденциальные данные в неподходящий сервис.

Уровень 2. Согласование. Система готовит конкретное действие и останавливается перед его выполнением. Человек проверяет результат и подтверждает запуск кампании, изменение бюджета, ставок или объявлений, массовую рассылку, публикацию материала и другие действия с заметными последствиями.

Уровень 3. Контролируемая автономность. Система самостоятельно выполняет заранее разрешенные операции в установленном диапазоне: собирает показатели, обновляет отдельные поля, распределяет обращения, готовит сводки. Для такого режима нужны журнал действий, ограничения доступа, условия остановки и регулярная проверка качества. Система может повторять одну и ту же ошибку и не распознавать ее как критическую аномалию.

Регулярный запуск по расписанию относится к обычной автоматизации, если сервис каждый день собирает показатели, подставляет их в шаблон и отправляет уведомление при превышении порога. Агент может быть полезен в задачах, где требуется обработка неструктурированных данных, выбор следующих шагов, поиск дополнительных сведений или объяснение результата.

Ниже разберем семь разных процессов, где выбор решения зависит от доступных данных, допустимых действий, стоимости ошибки и возможности проверить результат.

Исследование аудитории и анализ рынка

Исследование аудитории, как правило, начинается со сбора анкет, отзывов, сообщений из соцсетей и данных о конкурентах — и AI-помощник вполне может привести эти материалы к единому виду, сгруппировать обращения по темам и выделить повторяющиеся жалобы.

На выходе можно получить:

карту потребностей и проблем аудитории;
сравнительную таблицу предложений конкурентов;
перечень характеристик, которые чаще всего упоминают покупатели;
список вопросов для будущих интервью;
темы для контента и продуктовых гипотез.

При фиксированных правилах регулярной проверки цен или появления новых товаров на нескольких сайтах достаточно обычного мониторинга. Агент может быть полезен в более гибком сценарии: например, когда ему нужно определить, какие данные дополнительно запросить для проверки гипотезы, сопоставить отзывы с характеристиками продукта и подготовить объяснение обнаруженных изменений.

На этом этапе человек проверяет выборку исходных сообщений, формулировки выявленных потребностей и выводы, на которых будут основаны изменения продукта или коммуникации.

Адаптация контента и подготовка материалов

Продвинутые версии AI довольно хорошо справляются с контентными задачами, если получают фактуру (описание продукта, характеристики, ограничения, примеры, портрет аудитории) и требования к формату. Одного запроса «напиши про наш продукт» не хватит для точного и полезного материала.

Из готового лонгрида можно подготовить серию писем, постов для Telegram или коротких публикаций для других площадок. Такая адаптация контента для других форматов подходит для уровня 1: AI меняет структуру и объем исходного материала, а редактор проверяет смыслы, факты и тональность.

При работе с визуальными материалами действует тот же принцип. Если у системы есть доступ к базе, она может взять оттуда характеристики товара, подготовить варианты промптов и создать заготовки изображений для баннеров. Для таких задач можно использовать, например, Alice AI ART — в документации Yandex AI Studio модель рекомендована для генерации рекламных материалов, визуалов для лендингов, презентаций и карточек товаров.

В большинстве таких задач достаточно помощника или заранее заданного сценария автоматизации. Агентский сценарий уместен, когда система сама выбирает подходящий исходный материал, проверяет наличие обязательных характеристик, формирует комплект текстов и изображений под несколько каналов и передает его на согласование.

AI я использую почти на всех этапах работы над текстом: прошу собрать карту фактов и источников, предложить структуру, подготовить черновик, найти слабые места и варианты формулировок. На два этапа, впрочем, я AI вообще не допускаю: это начало работы, когда я задаю сам вектор материала, и финальная вычитка. Но и результат каждого шага между этими этапами я все равно проверяю: факты, источники, логику, полноту и соответствие текста исходной задаче.

Что еще важно помнить: чем продвинутее AI, тем неочевиднее его ошибки. Модель может сослаться на реальный источник, который не подтверждает конкретную мысль, связать факты в ложную причинно-следственную связь, принять шутку или частный опыт за надежную рекомендацию, потерять важную оговорку. Большая подборка тоже создает ощущение полноты, хотя часть данных могла остаться за пределами поиска просто из-за неудачного промпта. Подробнее об этом всем я писала в статье «Как проверять AI-тексты: фактчекинг в эпоху нейросетей».

Дарья Завьялова,

главред в отделе маркетинга TexTerra

Подготовка и оптимизация рекламных кампаний

В рекламных кабинетах уже есть встроенная автоматизация. В «Простом старте» Директ сам создает кампанию, подбирает аудиторию, формирует объявления и предлагает бюджет.

Отдельный агент может быть полезен для задач, которые выходят за пределы рекламного кабинета. Например, если стоимость лида отклоняется от базового значения, система может регулярно собирать данные из нескольких источников:

расходы, показы, клики и объявления из Директа;
визиты и конверсии из системы аналитики;
работу сайта, формы и посадочной страницы после перехода из рекламы;
количество и качество заявок в CRM;
настройки атрибуции и передачи данных.

Рост стоимости лида еще не показывает, что проблема связана с конкретным объявлением. Причиной могут быть изменение состава трафика, сбой формы, неполная передача заявок в CRM, задержка данных, сезонность или изменение спроса.

Поэтому система сначала сравнивает показатель с заранее заданной базой. Например, стоимость лида за последние 24 часа можно сопоставлять со средним значением за семь предыдущих сопоставимых дней. Одновременно стоит задать минимальное количество заявок: при малом объеме данных один или два лида способны сильно изменить показатель.

После этого система формирует объяснение: какие показатели изменились, какие данные подтверждают каждую версию и что еще требуется проверить. Она может подготовить варианты действий — например, приостановить конкретное объявление, изменить ставку или перераспределить бюджет.

Сбор данных, проверка отклонения и подготовка предложения могут выполняться автоматически. Запуск кампании, изменение бюджета, ставок и объявлений требуют подтверждения человека. Пока решение ожидает согласования, уже запущенная реклама продолжает расходовать бюджет, поэтому в системе нужны лимиты и условия экстренной остановки.

Объединение маркетинговых данных и поиск отклонений

Маркетологам, как правило, приходится сводить в одну таблицу расходы из Директа, данные о действиях пользователей на сайте и продажи из CRM. Перед объединением источников нужно согласовать периоды, названия кампаний, идентификаторы, правила атрибуции и формулы расчета показателей и проверить полноту выгрузки: отсутствие части заявок может создать ложное впечатление о падении конверсии.

Для фиксированного набора таблиц обычно достаточно ETL-процесса — сбора, преобразования и загрузки данных, — BI-системы или обычной автоматизации. Агент может быть полезен, если данные приходят в разных форматах и система должна сама определить, каких сведений не хватает для проверки гипотезы.

Например, если число заявок в CRM не совпало с данными аналитики, агент может:

сопоставить периоды и идентификаторы рекламных кампаний;
проверить полноту выгрузки из аналитики и CRM;
посмотреть, доходят ли отправленные формы до CRM;
сравнить данные о конверсиях посадочной страницы и количестве заявок;
запросить дополнительные сведения о конкретных кампаниях;
подготовить уведомление с описанием отклонения и возможных причин.

Уведомление может выглядеть так: «За последние 24 часа стоимость лида выросла на 25% по сравнению со средним значением за семь предыдущих дней. Получено 38 заявок вместо обычных для этого периода 52. Конверсия формы снизилась с 4,1 до 2,8%. Перед отключением объявлений проверьте форму и передачу данных в CRM».

Система объединяет источники и показывает отклонения. Человек проверяет основания для вывода, качество данных и принимает решение о перераспределении бюджета, изменении воронки или корректировке рекламной стратегии.

CRM и персонализированные коммуникации

AI может обработать запись звонка, подготовить краткое резюме, извлечь интересы клиента и предложить значения для отдельных полей CRM. При этом необходимо учитывать правила доступа к записям и обработки персональных данных.

Автоматическое сохранение резюме разговора связано с меньшими рисками, если в карточке сохраняется ссылка на исходный звонок, по которой можно проверить резюме. Изменение статуса сделки, срока следующего контакта или ответственного менеджера способно запустить последующее действие. Для таких полей нужен отдельный контроль.

Выявленные интересы можно использовать в маркетинге:

для сегментации базы;
для подготовки персонализированных писем;
для выбора тем рекламных сообщений;
для определения клиентов, которым требуется дополнительный материал;
для анализа причин отказа или повторной покупки.

Задачу «перезвонить через неделю» можно создавать автоматически при понятных правилах и регулярной проверке качества. Массовую сегментацию и рассылку стоит запускать после согласования выборки: ошибка в одном теге может повлиять на дальнейшие действия, а одинаковая ошибка способна повториться в тысячах карточек.

Заполнение резюме и низкорисковых полей можно оставить на уровне 3 при наличии журнала изменений. Статусы сделок, сроки следующих контактов, сегментацию и коммуникации с клиентами стоит проверять перед запуском связанных действий. Перед массовой рассылкой человек утверждает сегмент, условие отбора и текст сообщения.

Регулярные отчеты и аналитические выводы

В ежедневной сводке меняются цифры, но формат остается прежним — значит, процесс удобно автоматизировать, если заранее определить источники, периоды сравнения, формулы и получателей.

Если показатели подтягиваются напрямую из рекламного кабинета, аналитики и CRM, проще отследить их происхождение. При этом модель может выбрать неподходящий период, неверно истолковать показатель или описать изменение с ошибкой.

В отчете стоит показывать:

источник каждой цифры;
период и базу сравнения;
формулу расчета;
время последнего обновления;
показатели, которые система не смогла получить;
ссылки на исходные данные.

AI может подготовить гипотезы для руководства, если маркетолог указывает ему на основания: изменившиеся показатели, использованные источники, версии, подтвержденные данными, и вопросы, требующие дополнительной проверки. Перед отправкой человек проверяет расчеты и решает, какие выводы включать в финальную версию.

Репутационный мониторинг

Компания может получать сообщения из соцсетей, СМИ, форумов, сайтов отзывов и публичных чатов. Для этого существуют специализированные инструменты. Например, Brand Analytics собирает и анализирует упоминания, помогает выявлять тренды, определять тематику и тональность сообщений и отслеживать информационные угрозы.

Обычная автоматизация подойдет для сортировки и передачи обращений по заранее заданным правилам. Агент может понадобиться, если системе нужно:

интерпретировать содержание сообщения и применить внутренние правила приоритизации;
определить отдел, который должен ответить на обращение;
подготовить краткую сводку для руководителя;
связать упоминание с карточкой клиента при наличии подходящих идентификаторов и интеграции с CRM;
собрать повторяющиеся проблемы в список для продукта или клиентского сервиса.

Жалобу можно автоматически передать в HelpDesk после определения маршрута.

Brand Analytics сообщала о доступе к данным мониторинга через MCP: такое подключение дает AI-сервису доступ к данным по запросу, но регулярный мониторинг нужно настраивать отдельно — задать расписание, права доступа, пороги уведомлений, каналы сообщений и условия остановки.

Агент может самостоятельно сортировать сообщения, готовить сводки и передавать обращения ответственным сотрудникам. Ответ клиенту или публичный комментарий AI готовит в виде черновика.

Публикацию от имени компании, опять же, подтверждает человек.

Безопасный старт с одного процесса

Начать стоит с одного повторяющегося процесса, где доступны данные, понятен результат и — главное — последствия ошибки в котором можно ограничить.

Перед запуском проверьте:

какие источники подключены и какие данные разрешено передавать системе;
какие действия доступны AI, а какие заблокированы;
на каких этапах требуется одобрение человека;
как система ведет журнал действий и изменений;
проверяли ли вы результат на реальных прошлых примерах и нестандартных ситуациях;
кто отвечает за регулярную проверку качества;
как остановить процесс и ограничить последствия ошибки;
учитывает ли расчет экономии время на проверку и исправления;
по какой метрике вы поймете, что процесс стал лучше.

Первый процесс стоит выбирать по сочетанию нескольких факторов: экономия времени, доступность данных, возможность проверить результат и цена ошибки. Даже быстрое решение может оказаться невыгодным, если его результат приходится долго перепроверять.

После тестирования можно расширить набор действий, которые система выполняет самостоятельно — но человеку все же стоит оставить решения, влияющие на бюджет, публикацию материалов, массовые коммуникации и статусы клиентов.