Публикации

Остаётся всё меньше компаний, не использующих искусственный интеллект в работе. Это неудивительно, ведь ИИ обещает персонализацию, автоматизацию и рост эффективности. На практике же ИИ действительно помогает сэкономить ресурсы компании, оптимизировать и ускорить многие процессы, исключить ошибки, связанные с человеческим фактором. Но ожидания руководства и маркетинговых отделов компаний от ИИ часто завышены.

В статье разберём:

• почему ИИ в маркетинге не всегда даёт ожидаемый результат;
• какие ошибки ИИ уже совершил и как их избежать;
• примеры способов определения предпочтений ЦА с помощью ИИ.

Почему ИИ в маркетинге не всегда даёт ожидаемый результат?

Качество работы ИИ во многом зависит от качества входных данных. Выводы и решения ИИ приведут к ошибкам, если полученная им информация приукрашена, неполноценна, устарела или содержит систематические искажения. Например, если в базу загружены данные только о покупках премиум-сегмента, ИИ будет игнорировать массовый рынок и предлагать нерелевантные стратегии. Важно проводить аудит данных перед обучением ИИ: проверять полноту, актуальность, источники и устранять дубликаты или выбросы. Рекомендуется использовать специальные инструменты или автоматизированные скрипты для выявления аномалий.

ИИ пока не научился в полной мере понимать контекст и эмоции, как это делает человек. Он отлично справляется с паттернами, но теряется в нюансах: сарказме, культурных отсылках, сезонных изменениях настроений аудитории. Например, ИИ может предложить рекламу зимней одежды в разгар лета, если не учтёт геолокацию и прогноз погоды в реальном времени. Или сгенерировать текст, который формально верен, но эмоционально холоден и отталкивает клиентов.

Нельзя забывать и о безопасности информации. Искусственный интеллект из-за уязвимостей в системе может стать причиной утечки данных компании. Например, если ИИ обучается на клиентских данных, есть риск их слива. Поэтому важно позаботиться об этом заранее: внедрить шифрование, разграничение доступа.

Ещё одна причина — переоценка автономности ИИ. Многие компании ожидают, что достаточно «включить» модель — и она сама всё сделает. На деле ИИ требует постоянной настройки, мониторинга и обратной связи. Без человеческого вмешательства модель со временем деградирует, теряет точность и начинает выдавать неадекватные рекомендации.

Недостаточная интеграция с существующими процессами. ИИ часто внедряют как отдельный «чёрный ящик», не связывая его с CRM, аналитикой, контент-планом. В результате данные не синхронизируются, решения дублируются или противоречат друг другу. Успех возможен только при сквозной интеграции: ИИ должен быть частью экосистемы, а не изолированным экспериментом.

Эффективность ИИ определяется качеством данных, глубиной контекстного понимания, безопасностью, человеческой экспертизой и интеграцией. Игнорирование этих факторов приводит к разочарованию, финансовым потерям и упущенным возможностям.

Какие ошибки ИИ уже совершил и как их избежать?

Генерация ложной информации, или галлюцинации ИИ, приводит к потере доверия аудитории и снижению репутации компании.

Пример: специалисты компании N не проверили информацию от ИИ и опубликовали её. Думающая аудитория перестала доверять компании N. Её репутация упала вместе с доходами.

Или: креативщики авторитетного PR-агентства сгенерировали фейковое изображение публичной личности и выложили его в канале компании. Подписчики канала были дезинформированы, а звезда оскорблена и обижена.

Решение: всегда проверять выводы ИИ, следить за этикой.

Совет: создайте чек-лист для проверки фактов от ИИ и двигайтесь по нему каждый раз.

Слишком много автоматизированного контента отпугивает аудиторию.

Пример: страница маркетингового агентства ведётся полностью ИИ, весь контент создаёт машина. Получается автоматизировано, роботизировано, но без души. Для аудитории подобный контент выглядит дёшево и поддельно.

Решение: комбинировать ИИ с креативом.

Совет: тестируйте контент на фокус-группах.

Неверная постановка задачи для ИИ не приносит ожидаемого результата.

Пример: маркетолог-аналитик, возлагая на ИИ большие надежды, задаёт ему расплывчатые вопросы. Но получает такие же расплывчатые и бесполезные ответы.

Решение: давать ИИ правильные промпты и проверять результат.

Совет: вместо вопроса «Как сделать лучше компанию?» спросите: «Как сегментировать аудиторию?» или «Опиши 10 ситуаций, в которых человек покупает наш продукт».

Ошибки чат-ботов в общении с клиентами приводят к провалам в коммуникации.

Пример: чат-бот по ошибке оповестил всех клиентов фитнес-клуба о предстоящей акции раньше времени. Довольные клиенты ринулись приобретать абонементы, но акция ещё не была запущена. В итоге — падение лояльности клиентов, потеря доходов, упущенные возможности.

Решение: комбинировать ИИ и человеческий контроль.

Совет: сформируйте команду для контроля и проверки чат-бота, ежемесячно тестируйте чат-бот на небольших подгруппах аудитории.

Способы определения предпочтений ЦА с помощью ИИ

Сегодня бизнесу доступен комбинированный подход в работе с потребителями. Например, определить предпочтения аудитории компания может силами команды маркетологов и искусственного интеллекта.

ИИ проанализирует отзывы потребителей и даст релевантную обратную связь. Искусственный интеллект определяет основные и второстепенные темы, частые претензии: недовольство качеством, сроками доставки или несоответствием описания. Фиксирует растущий интерес аудитории, например, к импульсивным покупкам вместо тщательно обдуманных решений. ИИ может сегментировать ЦА по отзывам: кластеры отзывов = группы клиентов.

ИИ-бот проведёт пилотный опрос потребителей. Он быстро соберёт предварительные данные от аудитории: мотивы, предпочтения, боли. Предварительный опрос через ИИ даст ориентиры для глубокого полномасштабного исследования или послужит тестом гипотез.

ИИ расшифрует звонки и письма от клиентов, а затем подготовит КП для них. Основываясь на анализе звонка или письма, ИИ способен предложить клиенту персонализированное коммерческое предложение. Менеджеру по продажам нужно только проверить его верность, возможно, внести свои корректировки. Если компания получает запросы на потоке, то ИИ ускорит и оптимизирует процесс знакомства с клиентом.

ИИ проанализирует большие данные из социальных сетей и поисковых запросов.

Машинный разум научился вычленять из огромных массивов данных ключевые и повторяющиеся элементы. Он способен просканировать большое количество постов, комментариев и поисковых запросов. Это позволяет выявить тренды и предпочтения без прямого опроса аудитории. Поскольку социальные сети — ключевой источник данных для ИИ, он без труда выделит базовые параметры сегментации (пол, возраст, геолокацию, семейное положение и другие).

Искусственный интеллект — это мощный, но изолированный инструмент. В отличие от человека, он вне контекста. Без комбинированного подхода ИИ может принести больше вреда, чем пользы. Мы советуем избегать описанных ошибок, фокусируясь на данных, этике и человеческом контроле. Чтобы ИИ стал союзником, рекомендуем использовать его как дополнительный инструмент и всегда перепроверять полученные результаты.

Итог: работе с искусственным интеллектом нужно учиться.

Отрицательная транзакционная полезность возникает, когда мы чувствуем, что переплатили, что сделка несправедлива, и нас обманули. Это неприятное чувство, которое часто заставляет нас жалеть о покупке, даже если сам товар нам нравится.

Представьте следующую ситуацию: вы забыли взять воду из дома и хотите пить. В аэропорту или кинотеатре вы видите небольшую бутылку воды, за которую просят 300 рублей.

Ваш внутренний диалог: «Да это же грабеж! В соседнем супермаркете такая же бутылка стоит 60 рублей!».

В данном случае четко проявляется эффект отрицательной транзакционной полезности. В данном случае потенциальная польза от покупки очень высокая (возможность утолить жажду). Но транзакционная полезность (ощущение от сделки) крайне низкая – вы чувствуете себя обманутым и раздраженным. Ведь цена в 300 рублей сильно превышает вашу внутреннюю «справедливую цену» (~60 рублей). Формула: (60 руб. — 300 руб.) = -240 руб.

Теперь представьте другу ситуацию. Вы видите в интернет-магазине рекламу: «СУПЕРСКИДКА! Смартфон был 100 000 руб., теперь всего 70 000 руб.!». Вы радостно покупаете его. Позже вы узнаете, что этот смартфон никогда не стоил 100 000 рублей, а его обычная цена — 75 000 рублей. Ваш внутренний диалог: «Так никакой скидки и не было! Меня обманули, чтобы я поскорее купил!».

Таким образом, отрицательная транзакционная полезность — это мощное негативное чувство, вызванное не самим товаром, а ощущением несправедливости цены. Именно это чувство заставляет нас жаловаться, чувствовать себя глупо и надолго запоминать неприятный опыт покупки.

Попробуйте провести мысленный эксперимент и подумайте, как бы вы поступили в следующих ситуациях.

Представьте, что вы на пляже, и у вас закончилась вода. Вы заходите в магазинчик у пляжа, где цены явно завышены по сравнению с обычным городским магазином.

• Вы видите газировку, которую хотели бы купить, но она стоит в 2 раза дороже, чем в магазине. Рядом стоит вода, которую вы не очень хотите покупать, но она стоит всего лишь на 20% дороже, чем в магазине. Что вы купите?

• В магазинчике у пляжа продаются 2 вида газировки – газировка А и газировка В. Одна стоит 200 рублей – столько же, сколько в обычном магазине. Другая стоит 150 рублей, но это в 2 раза больше, чем она стоит в магазине. Что вы выберете?

• Газировка А и газировка В продаются по одинаковой цене – 150 рублей. Вы хотите газировку А, но она стоит в обычном магазине 100 рублей. Газировку В не очень любите, но она стоит в обычном магазине столько же, сколько в этом. Что выберете?

Маргарита Глянцева, специалист по исследованию рынка КОНКОЛ

Выживет ли оффлайн-рынок в условиях активного развития маркетплейсов?

Сегодня в российском ритейле активно растёт уровень цифровизации. Покупатели уже отвыкают ходить в обычные магазины: щупать вещи, примерять одежду прямо там, а не дома или в пунктах выдачи. Маркетплейсы изменили привычки покупателей и перестроили всю структуру торговли. Прогнозируется, что к концу 2025 года объём онлайн-торговли в России достигнет 15,2 трлн рублей — это на 28% больше, чем в 2024 году. Вопрос: выживет ли оффлайн-ритейл при таком стремительном росте маркетплейсов?

Бурный рост маркетплейсов: статистика и тенденции

Российский рынок маркетплейсов растёт взрывными темпами.

• В первом квартале 2025 года средний оборот одного продавца составил 781,2 тыс. рублей — на 14,2% выше, чем годом ранее.
• Пять крупнейших маркетплейсов России весной 2025 года посещали 1,044 млрд раз в месяц.

Пандемия ускорила переход в онлайн, а умные алгоритмы рекомендаций сделали покупки удобными и дешёвыми. Для оффлайн-ритейла это серьёзный удар: особенно страдает непродовольственный сегмент (одежда, техника, товары для дома). Из-за падения спроса и ценовой конкуренции ритейлеры потеряли 1,4 трлн рублей рынка в 2024 году — и давление продолжает расти.

Как адаптироваться бизнесу «на улице»?

Оффлайн-торговле нужны смелые шаги, чтобы не исчезнуть. Вот что можно сделать:

Смешать онлайн и оффлайн. Объедини сайт и магазин: заказывай в приложении — забирай в магазине. Пример: сеть «Магнит» успешно сочетает приложение с гипермаркетами. Клиент заказывает онлайн и забирает покупки в ближайшем магазине «у дома» — быстро и без доставки. Это увеличивает поток посетителей.

Создать уникальный клиентский опыт. Маркетплейсы выигрывают ценой, а оффлайн — эмоциями. Делай шоурумы, мастер-классы, дегустации, персональный сервис. Пример: универмаг СТОКМАНН в Москве и Санкт-Петербурге предлагает бесплатную услугу «Шопинг со стилистом». → Клиент выбирает цель, время, магазин, указывает размер и рост. → В назначенное время его уже ждёт стилист с подобранными вещами для примерки.

Быть ближе к людям. В регионах поддерживай местных поставщиков. Живые люди и локальные товары вызывают больше доверия, чем безликий онлайн.

Внедрить современные технологии:

• AR-примерка (примеряй одежду в телефоне),
• NFC-метки для быстрой оплаты,
• аналитика посещений и покупок.

Заключение: симбиоз вместо борьбы

Обычные магазины в России не исчезнут, но станут гибридными — с элементами интернета. Маркетплейсы не уничтожают ритейл, а помогают ему развиваться. Онлайн растёт за счёт удобства и цен, оффлайн остаётся за счёт живого общения, эмоций и доверия.

Ходить в магазин — это не только покупки. Это повод выйти из дома, погулять, пообщаться, найти что-то новое и интересное.

Главное для бизнеса:

• вкладывай в технологии,
• создавай уникальный опыт,
• не игнорируй онлайн.

Только баланс приведёт к успеху.

Неудачи случаются, когда внедрение ИИ в работу носит несистемный характер. Руководители компаний услышали что-то про то, как ИИ снижает расходы, и торопятся внедрить его самостоятельно либо с помощью недостаточно квалифицированных подрядчиков. Последние чаще всего навязывают своим клиентам готовые решения, которые были обкатаны на одних компаниях, но совершенно не годятся для других.

В то же время корректное внедрение ИИ сродни оптимизации и автоматизации бизнес-процессов. Для начала необходимо провести бизнес-анализ и выявить, в каких процессах компании уместно внедрение ИИ, а в каких – не принесет ожидаемого эффекта или, что еще хуже, лишь усложнит работу. Далее необходимо провести работу с сотрудниками компании: внедрение любых изменений в работу чаще всего вызывает сопротивление со стороны сотрудников. В поведенческой экономике этот эффект называется гиперболическим дисконтированием: сотрудники переоценивают дискомфорт от необходимости обучения новым навыкам сейчас и недооценивают упрощение работы в будущем.

После этого формируется план поэтапного внедрения ИИ, при этом процесс внедрения обязательно завершается обучением сотрудников и получением обратной связи от них по результатам внедрения. Невозможно всё заранее предусмотреть и продумать: иногда внесение незначительных корректировок на основе мнения сотрудников может существенно повысить удобство и эффективность использования ИИ на местах.