Мошенники с ИИ получают в 4,5 раза больше денег. Как применить их подход в маркетинге: 8 шагов

В выборке Chainalysis мошеннические операции, связанные с поставщиками ИИ-инструментов, получали в среднем $3,2 млн, остальные — $719 тыс. Разница — примерно 4,5 раза. Это сравнение поступлений в исследуемых группах, а не прибыли и не доказательство, что подключение ИИ само по себе умножает доход. Источник: Chainalysis.

Цифра неприятная. Но для маркетолога здесь есть полезный вопрос: как использовать ИИ в маркетинге, чтобы быстрее проходить путь от идеи до продажи? Если технология помогает организовать даже мошеннический бизнес, у компании с настоящим продуктом есть причины проверить её на своей воронке.

Ниже — восемь шагов на одном примере: магазин продаёт посудомоечные машины с доставкой и установкой. Соберём аудиторию, оффер, креатив, диалог и проверку оплат. На выходе получится первая проверяемая гипотеза с заданиями для ИИ, границами работы агентов и понятным расчётом затрат.

Что общего у мошеннической схемы и маркетинговой воронки

Найти подходящего человека. Понять, на что он откликнется. Сформулировать предложение. Подготовить материалы. Продолжить разговор. Довести до действия. Проверить результат и изменить следующий заход. На уровне организации это узнаваемая последовательность маркетинговых задач.

ИИ помогает автоматизировать несколько её частей: персонализировать сообщения, создавать убедительные материалы и поддерживать общение. Такое использование технологий описывает австралийский государственный сервис Scamwatch.

Перенос в обычный бизнес — наша рабочая гипотеза: полезно соединить эти задачи и проверять общий результат. В магазине человек должен получить подходящий товар, достоверные условия и выполненное обещание. Именно на этом можно построить повторную покупку и доверие.

Допустим, ИИ уже пишет вам объявления. Клик ведёт на общую страницу, где покупатель снова ищет нужную модель, а менеджеру приходится заново выяснять размеры кухни и условия доставки. Следующая задача для ИИ здесь — передать найденный контекст дальше по воронке. Начнём с того, ради чего её стоит собирать.

Шаг 1. Выберите одну продажу и посчитайте допустимую стоимость

На входе: одна товарная категория, оплаченные и отменённые заказы, переменные затраты, расходы на привлечение и работа команды за сопоставимый завершённый период.

В нашем примере выбираем узкие посудомоечные машины шириной 45 см. Цель первого эксперимента — увеличить число оплаченных заказов с положительным вкладом в покрытие постоянных расходов. Клиенту важны подходящий размер и понятная общая стоимость покупки с установкой.

Попросите ИИ собрать расчёт по вашим данным: выручка минус закупка, переменная логистика, установка, комиссии и ожидаемые потери от возвратов. Получите вклад одного заказа до расходов на маркетинг. Допустим, в учебном примере он составляет 6 000 ₽. Если вы хотите сохранить 2 000 ₽ с заказа на постоянные расходы и прибыль, на привлечение и обработку остаётся до 4 000 ₽. Это ваш исходный ориентир, который ещё нужно проверить на реальных заказах.

На выходе: одна цель, формула результата и ограничение затрат. Проверка: финансист или владелец подтверждает состав расходов; отменённые заказы не попали в оплаты. Если в учёте нет нужных сумм, ИИ перечисляет пробелы и оставляет расчёт незавершённым.

Шаг 2. Дайте ИИ данные, на которых можно выполнить обещание

На входе: актуальный каталог, наличие, размеры, цены, условия доставки и установки, обезличенные причины отказов и вопросы покупателей.

Соберите небольшой рабочий набор по выбранной категории. У каждой строки должны быть источник и дата обновления. Отдельно запишите ограничения: какие работы входят в установку, где она доступна, что оплачивается дополнительно и кто подтверждает свободный интервал. Передавайте сведения через разрешённые компанией инструменты и с доступом по роли.

Задание для первого прохода:

Проверь приложенный каталог и правила доставки для посудомоечных машин 45 см. Составь таблицу: факт, источник, дата актуальности, противоречие, недостающие сведения. Отдельно выпиши обещания, которые продавец пока не может подтвердить. Не придумывай наличие, цену, совместимость и сроки.

На выходе: проверенный набор фактов для оффера и ответов. Проверка: возьмите несколько реальных товаров и вручную сравните вывод с источниками. Если агент получил старую цену, следующий этап останавливается до обновления. Иначе вы автоматизируете обещание, которое магазин не выполнит.

Шаг 3. Выберите аудиторию по задаче покупки

На входе: проверенные данные второго шага, поисковые обращения, поведение на сайте и причины отказов в выбранной категории.

Попросите ИИ предложить несколько сегментов через ситуацию покупателя. Например: замена сломанной машины; покупка для новой кухни; поиск узкой модели в небольшую квартиру. Для первого эксперимента выберите один сегмент, который можно распознать доступным сигналом.

В нашем примере это посетители категории 45 см, которые открывали условия установки. Сигнал показывает интерес к услуге. Он ещё не доказывает, что человеку срочно нужна замена или что он готов купить сегодня.

По обезличенным обращениям найди повторяющиеся задачи покупки. Для каждой укажи подтверждающие фрагменты, главное препятствие, доступный сигнал выбора сегмента и полезное следующее действие. Отдели наблюдение от предположения. Выбери один сегмент для проверки и объясни выбор.

На выходе: правило включения в аудиторию и одно препятствие для покупки. Проверка: маркетолог может воспроизвести сегмент по данным. В нашем случае проверяем гипотезу: человеку мешает неопределённость с установкой и итоговой ценой.

Шаг 4. Соберите оффер, который снимает выбранное препятствие

На входе: сегмент, его предполагаемая проблема, проверенные условия и ограничение расходов.

Поручите ИИ подготовить три варианта предложения для одной задачи. Сравните их по пользе, доказательству и стоимости исполнения. В первом варианте можно объяснить состав установки, во втором — предложить проверку размеров, в третьем — помочь рассчитать покупку целиком.

Для теста берём: «Подберём машину 45 см и рассчитаем доставку с установкой до оформления заказа». Такая формулировка подходит, только если магазин действительно может сделать расчёт и назвать состав работ. Бесплатную установку, гарантированную совместимость или доставку завтра добавляют после проверки соответствующих условий.

На выходе: один оффер, его ограничения и действие покупателя — «Рассчитать покупку с установкой». Проверка: сотрудник магазина проходит сценарий на конкретном товаре. Если расчёт нельзя получить, сначала исправляют процесс, затем привлекают трафик.

Шаг 5. Свяжите креатив, страницу и первый вопрос

На входе: выбранный оффер, аудитория и подтверждённые факты. Теперь ИИ может подготовить объявление, иллюстрацию, первый экран страницы и начало диалога как один комплект.

В нашем примере объявление обещает рассчитать покупку целиком. Иллюстрация показывает машину в кухне и понятный контекст установки. На странице посетитель видит состав расчёта, а первый вопрос помогает его получить: «Какие размеры ниши и в каком городе нужна установка?»

Подготовь комплект под оффер «Рассчитаем покупку с установкой до заказа»: заголовок объявления, короткий текст, идею изображения, первый экран страницы и первый вопрос помощника. Для каждой части укажи, какой факт её подтверждает и куда она ведёт покупателя. Сохрани одно обещание во всём комплекте.

На выходе: один согласованный комплект для теста и ещё один вариант в резерве. Проверка: пройдите путь с телефона. Цена и условия читаются, обещание продолжается после клика, изображение соответствует реальному товару. Генерацию множества версий имеет смысл расширять, когда понятно, что именно вы проверяете.

Шаг 6. Разделите работу агентов и передачу человеку

На входе: готовый комплект, данные о товаре, сценарий диалога и разрешённые действия. Полезно выделить роли, даже если сначала их выполняет один настроенный агент вместе с маркетологом.

Листайте таблицу вправо →

Для помощника задайте три уровня: что он сообщает из проверенного источника; что выполняет через подключённую систему с нужными правами; что передаёт сотруднику. Например, он может объяснить состав установки и собрать параметры. Подтверждение нестандартного подключения, скидки или свободного времени мастера зависит от доступных систем и правил магазина.

На выходе: маршрут покупателя с ответственным за каждый переход. Проверка: прогоните обычный вопрос и исключения — нет товара, неизвестны размеры, покупатель просит нестандартную скидку. Сотрудник должен получить уже собранный контекст, а пользователь — понятный следующий шаг.

Шаг 7. Проведите ограниченный тест и заранее решите, когда остановиться

На входе: работающий сценарий, исходные показатели и допустимая сумма расходов. Сравните текущий путь покупки с новой версией для одного и того же выбранного сегмента.

По возможности случайно закрепляйте посетителя за вариантом и сохраняйте его группу при повторном визите. Оставьте сопоставимыми источник трафика, географию, ассортимент и период. В этом эксперименте мы оцениваем весь новый сценарий. Разделить вклад текста, оффера и агента смогут следующие тесты отдельных изменений.

До старта заполните карточку гипотезы. Ниже — учебный образец; бюджет и объём наблюдений команда определяет по своей экономике и исходной конверсии.

Листайте таблицу вправо →

На выходе: запущенная проверка с версией и условиями остановки. Проверка: тестовый маршрут сохраняет группу до заказа, расходы учитываются, сотрудник умеет остановить вариант. Длительность включает обычный срок до оплаты и окно отмен. Несколько удачных дней сами по себе ещё не дают основания увеличивать бюджет.

Шаг 8. Посчитайте деньги и выберите следующую гипотезу

На входе: завершённый период, принадлежность заказов к вариантам, фактические оплаты, возвраты, реклама, расходы на ИИ и время людей.

Свяжите цепочку «источник → вариант → обращение → заказ → оплата» в сквозной аналитике. ИИ поручите сверку и объяснение расхождений. Расчёт опирается на учётные данные: модель не должна дорисовывать продажи для красивого отчёта.

Вот условный пример, чтобы показать формулу. Это придуманные данные для обучения, не результат внедрения Андаты. Пусть группы получили по 1 000 подходящих посетителей, а вклад заказа до маркетинговых расходов составил 6 000 ₽.

Листайте таблицу вправо →

В этом расчёте разница составляет 39 000 ₽. Она показывает, как учитывать экономику, включая настройку и проверку ответов. По двадцати и двадцати шести заказам нельзя объявить устойчивую победу: нужен запланированный анализ неопределённости и достаточный объём наблюдений. Если возвраты ещё могут изменить результат, сохраните промежуточный статус и дату повторной проверки.

На выходе: решение с основанием. Если заявок стало больше, а оплаченных заказов мало, изучите качество запросов и передачу менеджеру. Если выросли оплаты, но их съели скидки и обслуживание, меняйте экономику оффера. Если данные подтверждают полезный эффект, расширяйте сценарий и следите, сохраняется ли результат.

Как собрать этот процесс с агентами Андаты

В Бизнес-терминале Андаты задачу можно сформулировать через нужный бизнес-результат: проверить данные, подготовить гипотезу, собрать материалы и вернуться к проверке. Доступные действия зависят от подключённых систем, прав и настроек подтверждения.

ИИ-агентам Андаты можно подключать аналитику, данные кабинетов, документы, CRM и инструменты работы с контентом. Для нашего примера начальная постановка выглядит так:

Подготовь проверку сценария для покупателей посудомоечных машин 45 см. Используй доступные каталог, правила установки, обезличенные обращения и сквозную аналитику. Проверь полноту данных. Предложи один сегмент и оффер, собери комплект материалов, опиши передачу запроса сотруднику и способ связать вариант с оплатой. Сохрани источники, расчёт, ограничения и версию гипотезы. Выпуск и расходы передай ответственному на подтверждение.

В ответе команды должен появиться конкретный пакет для запуска. После теста к нему добавляются реальные расходы, оплаты и решение о следующем шаге. Так следующая итерация начинается с накопленного результата.

Начните с одной категории, одного затруднения покупателя и одной измеряемой продажи. Проверьте, сможет ли ИИ помочь человеку пройти этот путь быстрее, а компании — выполнить обещание с приемлемыми затратами. Именно такой результат даст основание расширять автоматизацию.