AI в маркетинге – эффективный инструмент или это только кажется? Как использовать Chat GPT, Midjourney и Stable Diffusion, чтобы привлечь трафик? Обсудили участники митапа на примере практических кейсов.
Модератор: Тома Сенцова, активист сообщества, маркетолог
Спикеры: Сергей Головко, Head of digital TBC Bank, Deposits/ Cards / Savings
Павел Рогов, CEO, Brandeport.app
Мария Камышанова, Global Digital manager, Essity
Матвей Чудновский, CMO staya.dog, креативный директор и маркетинг консультант
Александр Новиков, ex-Product Lead Яндекс Практикум
Спикеры: Сергей Головко, Head of digital TBC Bank, Deposits/ Cards / Savings
Павел Рогов, CEO, Brandeport.app
Мария Камышанова, Global Digital manager, Essity
Матвей Чудновский, CMO staya.dog, креативный директор и маркетинг консультант
Александр Новиков, ex-Product Lead Яндекс Практикум
Сергей Головко
Кейс № 1 | История двух приложений
TBC Bank – компания из Грузии, однако я работаю на рынок Узбекистана. Здесь TBC – топ-1 в секторе fintech, в частоности, в payment solution: мы предлагаем инструмент для оплаты всего, что угодно, по QR-коду.
С чем столкнулись
- У нас есть сложности с поиском и анализом пользователей по риск-скорингу. При этом нужно понимать, что Узбекистан – страна развивающаяся, поэтому охваты юзеров не очень высоки, а информация от вендоров и рекламных агентств не всегда качественная.
Решение
Запустили 2 приложения. У первого (собственно TBC Bank) MAU – 1-1,5 млн, у второго (сервис Payme) – 3,5-4 млн.
С помощью этих приложений мы находим нужные аудитории. Я, в частности, отвечал за cards deposit sellings – людей с большими чеками (в Узбекистане их найти очень трудно), которые хотят внести депозит, – а еще за формирование кредитных скоринговых групп. После привлечения этой аудитории мы перетягиваем их из приложения TBC в payme-кошелёк с помощью look-a-like моделей.
Так мы привлекаем новую аудиторию, для которой CRM-коммуникации не так эффективны, как кампании, полностью реализованные в digital.
С помощью этих приложений мы находим нужные аудитории. Я, в частности, отвечал за cards deposit sellings – людей с большими чеками (в Узбекистане их найти очень трудно), которые хотят внести депозит, – а еще за формирование кредитных скоринговых групп. После привлечения этой аудитории мы перетягиваем их из приложения TBC в payme-кошелёк с помощью look-a-like моделей.
Так мы привлекаем новую аудиторию, для которой CRM-коммуникации не так эффективны, как кампании, полностью реализованные в digital.
Кейс № 2 | Купи картошку!
С чем столкнулись
Порядка 30% юзеров payme используют только один паттерн в нашем приложении, например, переходят в платежи, оплачивают квитанции за газ и выходят. Нам хотелось, чтобы клиенты задействовали больше возможностей payme, например, совершали p2p-переводы продавцам картошки на рынке 🥔🥔🥔
Корреляционная матрица, payme
Решение
Используя корреляционную матрицу фич нашего приложения, мы исследуем поведение потребителя: узнаём, почему какие-то люди и оплачивают газ, и переводят деньги знакомым. На основе выводов этого исследования мы меняем CRM-маркетинг (SMS, пуши и т.д.).
Далее над этой системой можно строить модель, которая сама станет генерить варианты следующих коммуникаций.
Кстати, похожую задачу решает сервис ngrow. Их модель оптимизирует пуш-уведомления на основе разных переменных (например, времени суток).
Далее над этой системой можно строить модель, которая сама станет генерить варианты следующих коммуникаций.
Кстати, похожую задачу решает сервис ngrow. Их модель оптимизирует пуш-уведомления на основе разных переменных (например, времени суток).
Кейс № 3 | Трудности перевода
С чем столкнулись
Наша команда многонациональна: есть ребята из Украины, России, Грузии, даже носители английского языка присутствуют.
Полгода мы работали на узбекоязычном рынке с командой, где по-узбекски никто не говорил.
Полгода мы работали на узбекоязычном рынке с командой, где по-узбекски никто не говорил.
Решение
С переводом нам помогают AI. Мы используем переводчик, встроенный в Google Spreadsheets, а к нему «довешиваем» через API Chat GPT и затем отправляем на доработку копирайтерам. Так мы экономим силы и время всей команды.
Павел Рогов
Кейс № 1 | Трудности перевода
Brandreport специализируется на том, чтобы детектировать брендовый трафик и его источник (конкуренты, аффилиаты и т.д.) – с разных устройств и более чем в 100 странах. Но хочется автоматизировать этот процесс.
С чем столкнулись
Во время моей работы в Mail.ru я заметил: арбитражники очень часто закупают брендовый трафик, хотя мы им платим за переходы по реферальным ссылкам от интеграций с блогерами или инфлюенсерами, которые, например, делают обзор на наш софт. Особенно часто это случается на рынке игр или e-commerce.
Решение
Планируем внедрить AI, которая исключительно по текстовым характеристикам будет определять, кто автор рекламного сообщения – сама компания, конкурент или аффилиат.
В качестве датасета – все данные рекламной кампании, в разных странах, с разным гео.
В качестве датасета – все данные рекламной кампании, в разных странах, с разным гео.
Кейс №2 | Паразиты 🕷️
С чем столкнулись
Увидел в одном американском SaaS-проекте интересный способ кастомизации команды. Цифровой аватар можно создать средствами AI, чтобы не тратить большие деньги на фотосессию.
Однако результат получается, как в рекламе майонеза: образы шаблонные, как с шаттерстока.
Однако результат получается, как в рекламе майонеза: образы шаблонные, как с шаттерстока.
Решение
Павел Рогов: Если нам не обязателен фотореализм, то можно использовать Stable Diffusion, чтобы получить комиксовые изображения. Они смотрятся круто, если задать достаточно сложный промпт 🔽
Александр Новиков
Мы исследуем процессы в компаниях и помогаем им с внедрением генеративных AI. Так как мы с моим партнёром – ребята не технического склада, подходим к этой задаче с менеджерских позиций.
Кейс №2 | Достаём двойные листочки
С чем столкнулись
Ещё в Яндекс Практикуме был запрос на ускорение создания проверочных тестов по материалам уроков.
Решение
Мы провели глубокую аналитику по работе каждого сотрудника отдела и предложили решения по ускорению работы. Например, каким образом конкретному продюсеру быстрее писать контент-план, на который сейчас он тратит полтора дня? С помощью GPT мы за меньшее время генерируем ему идей на полтора года вперёд.
Схожая история – с копирайтерами. В этом случае модели мы скармливаем все необходимые tone of voice и создаём бота под каждую рубрику, канал и клиента.
Схожая история – с копирайтерами. В этом случае модели мы скармливаем все необходимые tone of voice и создаём бота под каждую рубрику, канал и клиента.
Мария Камышанова
Я расскажу не о конкретных кейсах, а о тех направлениях, в которых могут использоваться AI-ассистенты в крупной корпорации для увеличения value. В случае с Essity их 5.
Пока перед нами стоит задача создать способы автоматизации процессов согласно этим направлениям. Тем не менее, эти 5 моментов можно назвать универсальными целями. Они определяют, как и зачем мы с вами можем использовать AI в работе маркетолога.
- Финансовые метрики (оптимизация или перераспределение costs)
- Сокращение ресурсов (временных или трудовых)
- Увеличение эффективности
- Возможность снижения рисков
- Социальные цели (улучшение уровня жизни, внедрение модели Sustainability)
Пока перед нами стоит задача создать способы автоматизации процессов согласно этим направлениям. Тем не менее, эти 5 моментов можно назвать универсальными целями. Они определяют, как и зачем мы с вами можем использовать AI в работе маркетолога.
AI-инструменты не могут полностью заменить специалиста или самостоятельно построить процесс. Однако уже сейчас они значительно облегчают работу над контентом и продвижением в digital, если ты знаешь, какую часть своих обязательств можешь грамотно делегировать искусственному интеллекту.
