AI меняет рынок, и CRM-маркетинг — не исключение. Маркетологи уже встроили нейросети в повседневную работу, платформы пытаются сделать то же самое внутри своих продуктов. Мы спросили практиков, как это выглядит на самом деле, и сопоставили их ответы с тем, что сегодня умеют российские CDP.
По их словам, задачи, на которые раньше уходило несколько часов, теперь занимают 30–60 минут, а рабочий день аналитика сжимается до 15–20 минут. AI находит то, что не видит глаз: например, кириллическую «С» вместо латинской в настройках отправки, из-за которой страдала доставляемость писем. А маркетолог без знаний PHP вместе с AI написал скрипт, который не смог придумать целый отдел.
Это не исследование рынка, а срез мнений и личного опыта. Возможно, вы узнаете в нём себя или найдёте идею, которую можно попробовать уже завтра.
Какими AI-инструментами пользуются CRM-маркетологи
Чаще всего маркетологи используют в работе Claude и ChatGPT. Кто-то делит задачи между моделями: одна лучше справляется с аналитикой и большими объёмами данных, другая — с кодом и HTML-шаблонами. Другие используют одну модель как «аналитический движок» для сведения таблиц из разных источников.
— Claude очень хорошо работает с кодом, а ChatGPT, в свою очередь, отлично собирает и визуализирует большие объемы аналитики, — Марк Трофименко, email-маркетолог платформы по изучению иностранных языков Lingualeo.
Есть и те, кто ушёл дальше чата: настроил агентов, которые работают самостоятельно, и сидит на максимальных подписках. Для них важны не цена и интеграции (подключить можно всё), а скорость, точность и автономность.
Критерии выбора нейросети при этом похожи у всех: скорость обработки, глубина логических выводов, работа с неструктурированной информацией и автономность.
— Для меня важно, чтобы инструмент не просто выдавал среднее арифметическое, а мог «прочитать» данные и подсветить аномалии, — Мария Рудь, бренд-лидер и стратег в бьюти-сфере. Работает с такими брендами, как Authentica R+Co, Kevin.Murphy, Ultraceuticals и профессиональным B2B-направлением IBT, Authentica Academy.
Какие задачи в CRM-маркетинге уже решает AI
Список получился широким. Маркетологи делегируют AI аналитику, написание текстов и заголовков, создание баннеров, верстку шаблонов, исследование информации и разбивку её на тезисы, сегментацию и работу с оттоком. Для рутинной верстки удобна схема «промт-шаблон плюс список товаров»: структура рассылки остаётся прежней, товары меняются, а AI собирает готовый шаблон для мессенджера.
Глубже всего пошли те, кто поручил AI целые участки работы. В реактивации «спящих» клиентов и работе с брошенными корзинами он «берёт на себя поиск паттернов в поведении тысяч людей».
— AI анализирует, на каком этапе и по какой причине сорвалась покупка, помогая скорректировать оффер. Также с помощью AI мы вычленяем пользователей, которые давно не совершали покупок, и на основе их прошлого поведения — что именно и с какой частотой они покупали — формируем персонализированные предложения, — Мария Рудь, бренд-лидер и стратег в бьюти-сфере.
Крайняя точка сегодняшних практик — AI-агент, который каждую неделю составляет план рассылок по согласованным правилам, анализирует результаты, предлагает гипотезы, рисует карты сценариев, пишет тексты, верстает, собирает сообщения для Telegram, генерирует картинки и готовит шаблоны в CDP. Человек проверяет, правит, собирает рассылку и запускает её сам.
— Каждый понедельник агент сам делает план рассылок. Её зовут Рита. <…> Отправить она тоже может, но настолько я ей пока не доверяю: финальные тесты и запуск на мне, — Сёма Семчишкин, руководитель направления по удержанию клиентов GPTunneL.
Как AI повлиял на продуктивность
Ускорение продуктивности отмечают все, но масштабы называют очень разные. Задачи, на которые раньше уходило несколько часов, теперь занимают 30–60 минут, особенно в аналитике.
Рабочий день аналитика или CRM-менеджера превращается в 15–20 минут. Команды тестируют в 3–4 раза больше гипотез в месяц, потому что сократились цена ошибки и время на подготовку теста. На другом конце шкалы оценка «в 100 раз» у тех, кто полностью построил процессы вокруг агентов. Самое интересное в ответах то, что стоит за этим ускорением.
— Главное изменение — переход от режима «делать руками» к режиму «управлять смыслами». <…> Это освободило ресурс на стратегическое планирование и креативную составляющую, — Мария Рудь, бренд-лидер и стратег в бьюти-сфере.
У ускорения есть и обратная сторона. Это расфокус: вместо одной-трёх задач одновременно маркетолог запускает пять-семь, иногда забывает, что было в первой, и вынужден заново погружаться.
— Главное — открылись возможности, которые раньше были закрыты для одного человека. Сейчас тестируем формирование предложения на лету: контентного, бонусного, промокодного — неважно, — Сёма Семчишкин, руководитель направления по удержанию клиентов GPTunneL.
AI забирает самую рутину.
— Сейчас мой бизнес связан с e-commerce, и мне регулярно приходится добавлять в рассылки много ссылок на товары. Длинные ссылки плохо смотрятся в мессенджере, да и отслеживать клики по ним неудобно. Поэтому я сокращал их через clck.ru. Но после четвертой ссылки для каждой следующей сервис начинает требовать капчу. А мне нужно обрабатывать по 14 ссылок три раза в неделю. Сейчас я передаю ChatGPT ссылки, он генерирует код, который я вставляю в консоль браузера, а clck.ru автоматически возвращает мне готовые короткие ссылки, — Андрей Машуков, предприниматель и CRM-маркетолог.
Как AI помогает анализировать результаты CRM-кампаний
Маркетологи отдают AI анализ источников, конверсий и стоимости привлечения, поиск аномалий в воронках писем, оценку показателей на фоне рыночных ориентиров и прогнозы. Особенно полезен AI в дорогих каналах вроде SMS и мессенджеров: там важно быстро понять, сработал ли «нейрокопирайтинг» или сообщение оказалось слишком сухим.
Условие у всех одно: нужен точный запрос с контекстом бизнеса и проверка выводов человеком. Без этого AI «льёт воду» и выдаёт усреднённые выводы.
— AI помогает находить аномалии и слабые места в воронках писем, но выводы обязательно проверяет человек, — Марк Трофименко, email-маркетолог Lingualeo.
Самые смелые практики уже не ходят в дашборды: агент каждый день обновляет данные из аналитической базы и рассылок, готовит выводы и предложения, а человек принимает решение, корректирует или не соглашается.
— У агента есть доступ к ClickHouse и ко всем рассылкам, и правило — каждый день обновлять данные. Он собирает цифры, готовит выводы и предложения. Я их проверяю: беру решение, не соглашаюсь или корректирую. Сам я уже ни в какие дашборды не хожу, — Сёма Семчишкин, руководитель направления по удержанию клиентов GPTunneL.
Как AI помогает решать нестандартные задачи
Именно здесь AI показывает, что умеет больше, чем «написать заголовок». Практики рассказали о нескольких историях: техническая диагностика, проверка кода письма, работа с кодом без программиста, глубокая B2B-сегментация и персонализация 1:1.
Невидимая ошибка в настройках отправки. У одной из команд были проблемы с доставляемостью писем. Человек такую причину мог не найти вообще, а AI проверил код настроек и увидел подмену символа.
— В настройках отправки вместо латинской «C» стояла кириллическая «С». Глазами человек такое не увидит. Мы бы, скорее всего, всё переписали, проблема бы ушла, но мы бы так и не поняли, в чём было дело, — Сёма Семчишкин, руководитель направления по удержанию клиентов GPTunneL.
Проверка кода письма на риски для спам-фильтров. Для российского сегмента критично не попасть в спам Gmail, а у него много проверок качества письма. AI помогает находить опасные места в коде до отправки.
— Сейчас для «ру» сегмента очень важно не попадать в спам-фильтр Gmail, а они, в свою очередь, имеют большое количество проверок качества письма, — Марк Трофименко, email-маркетолог Lingualeo.
Скрипт, который не мог написать отдел. В одном проекте служба безопасности не давала API к CRM, и лиды из бота нельзя было передать напрямую. Но к CRM была подключена Tilda. Вместе с AI маркетолог написал PHP-скрипт, который передаёт заявку из бота на Tilda и дальше в CRM. При этом опыта в PHP у него нет.
— Мы всем отделом не знали, как решить эту задачу до этого. <…> ИИ смог не только написать скрипт, но и составить понятную инструкцию по его установке на серверное решение, и объяснил построчно, что значат куски кода, — Андрей Машуков, собственник бизнеса и практикующий CRM-маркетолог.
Индивидуальные циклы закупки. В B2B-аудитории колористов AI помог провести сверхглубокую сегментацию мастеров по брендам красителей и увидеть, как часто каждый из них закупает материалы. Это позволило отправлять напоминания и промокоды ровно тогда, когда расходник заканчивается.
— Мы выявили индивидуальные циклы закупки: AI «увидел», что один мастер докупает бэкбар* каждые 20 дней, а другой — раз в месяц, но большими объемами, — Мария Рудь, бренд-лидер и стратег в бьюти-сфере.
*В бьюти-сфере — это профессиональная косметика и расходные материалы в больших (профессиональных или «технических») объемах, которые мастер использует непосредственно во время работы с клиентом в кабинете или салоне, но не продает для домашнего ухода.
Профиль 1:1 и сообщение «на лету». С помощью AI в GPTunneL построен детальный профиль каждого пользователя: сегмент ценности, ритм активности, любимые функции, день недели, любовь к промокодам и обращения в поддержку. Дальше эксперимент: если пользователь зашёл в сервис генерации музыки и три минуты ничего не сгенерировал, ему прилетает уведомление с гайдом из академии. Сообщение формируется в момент действия, без заранее подготовленных пресетов.
— Людьми это, наверное, тоже можно сделать, но тогда нужно заранее подготовить огромное количество пресетов. С AI это происходит автоматически, если у тебя есть все данные и ты доверяешь агентам формировать и отправлять, — Сёма Семчишкин, руководитель направления по удержанию клиентов GPTunneL.
Что AI пока делает недостаточно хорошо
У практиков здесь на удивление много общего. Главное: AI не понимает бизнес-контекст, пока его не передали, и может уверенно ошибаться при нехватке данных. Поэтому стратегию, поиск причин и финальные решения пока не делегируют.
— AI плохо понимает бизнес-контекст, если его явно не передать, и иногда может делать уверенные выводы при недостатке данных. Поэтому стратегию, интерпретацию причин и финальные решения я бы пока не отдавал ему полностью, — Марк Трофименко, email-маркетолог Lingualeo.
Вторая слабая зона — это расчёты на больших массивах: можно не заметить, что часть строк потеряна.
— Если скормить обычным популярным моделям таблицу с данными, то после каждого запроса я бы пересчитывал цифры за AI, потому что он может полениться считать 10 000 строк, и учтет только 9870, а ты этого не узнаешь, — Андрей Машуков, собственник бизнеса и практикующий CRM-маркетолог.
Третья зона — это оригинальные изображения: качество улучшилось, но работа иллюстратора остаётся на другом уровне.
И, наконец, решения и ответственность. Тот, кто делегировал AI больше всех, формулирует это жёстче всех: контролировать результат можно только там, где разбираешься сам.
— В своей экспертизе ошибку ловлю, вне её — нет. <…> Агент не может принять решение и нести за него ответственность. Это и сохраняет ценность человека. <…> Если ты — дурак, то с мощным инструментом ты — всё равно дурак. Если ты крутой, то с ним ты крутой ×100, — Сёма Семчишкин, руководитель направления по удержанию клиентов GPTunneL.
AI внутри российских CDP: что умеют платформы
Ниже мы собрали и объединили отдельные функции разных CDP. Важно понимать, что у каждой платформы набор свой. Если посмотреть на встроенные AI-функции российских платформ в целом, они складываются в несколько направлений:
- Генерация контента. Тексты сообщений, темы, прехедер и изображения можно создавать прямо в редакторе писем без помощи копирайтера и дизайнера.
- Аналитические ассистенты. Встроенный помощник объясняет, какие каналы и сегменты влияют на выручку, формирует отчёты за период, предлагает гипотезы и отвечает на вопросы в чате. Для платформ это ещё и аргумент про безопасность: данные не уходят во внешний сервис.
- Рекомендации и AI-поиск. Персонализированные товарные рекомендации, поиск по смыслу запроса с учётом опечаток и синонимов, персонализация выдачи.
- Боты и AI-агенты для диалога с клиентом. AI-бот на базе знаний компании отвечает на типовые вопросы, а AI-агенты квалифицируют лидов, отвечают на вопросы и записывают на встречу. Для контроля есть стоп-фразы для перехода к человеку, настройка «креативности» ответа и аудит диалогов.
- Обогащение профиля и сегментация. Один из кейсов на рынке: нейросеть заходит на сайт из анкеты, определяет индустрию и бизнес-модель клиента, и на эти сегменты автоматически собирается персонализированное письмо. Для 400 текстовых вариантов ChatGPT использовали как генератор, а вычитывали результат вручную две недели.
Картина характерная: платформы чаще всего встраивают AI там, где можно быстро получить результат: контент, рекомендации, боты. А многое из того, о чём рассказывают практики, происходит снаружи, в универсальных нейросетях: проверка кода писем, поиск ошибок доставляемости, интеграции, сложная аналитика. Даже в кейсе с 400 текстами вычитка заняла две недели, и это подтверждает то, о чём говорят маркетологи: результат нужно проверять человеком.
Какой AI-функции в CDP не хватает
Мы спросили маркетологов, что они хотели бы делегировать AI внутри CDP.
Помощник внутри конструктора. Самое понятное пожелание: модель, обученная на конкретной платформе, которая объясняет маркетологу, как решить его задачу именно здесь. Одна и та же задача, например, отправка заявки в CRM, в каждом сервисе решается по-своему: где-то есть блок, где-то нужен вебхук, где-то это настройки, а не конструктор.
— Ты можешь быть хорошим специалистом, но, зайдя в новый сервис, ты — снова джун, пока его не освоишь. <…> Если бы AI внутри сервиса сам бы показывал мне куски этих кейсов и объяснил, как они работают именно тут, то люди бы охотнее переключались между CDP, плюс джунам было бы легче прогрессировать, — Андрей Машуков, собственник бизнеса и практикующий CRM-маркетолог.
Открытые интерфейсы для агентов. Если у платформы нет API на сценарии, агент собирает их в своём рабочем пространстве, а человеку приходится переносить результат руками. Будь такой API, сценарии собирал бы агент, а человек только тестировал и запускал.
Итог: где мы сейчас
Картина, которая складывается из ответов, выглядит так:
- Практики опережают платформы. Большинство задач, о которых рассказали маркетологи, решается в универсальных нейросетях. Встроенные функции CDP пока закрывают контент, рекомендации, ботов и часть аналитики.
- Аналитика и рутина ушли к AI первыми. Именно здесь самая заметная экономия времени, и именно здесь маркетологи чаще всего повторяют одну мысль: проверяй.
- Граница проходит по экспертизе и ответственности. AI быстро делает, но не понимает бизнес-контекст без подсказки, не несёт ответственности и может уверенно ошибаться. Чем лучше специалист знает свою область, тем эффективнее использует AI.
- Следующий шаг — это не только новые функции, но и новый способ работы. От маркетолога, который нажимает кнопки в интерфейсе, к маркетологу, который ставит задачи агенту, проверяет результат и принимает решения. Готовы ли к этому платформы и сами маркетологи — пока открытый вопрос.
Если хотите попробовать с чего-то простого, вот что можно взять из опыта практиков уже сейчас:
- отдайте AI не всё подряд, а самые затратные по времени рутинные задачи,
- давайте точный запрос с контекстом вашего бизнеса и просите анализировать только ваши цифры,
- проверяйте код писем и настройки отправки: AI замечает то, что не видит глаз,
- пересчитывайте критичные цифры, на больших таблицах AI может ошибаться,
- оставляйте решения и ответственность за собой.
