Нейросети за последние несколько лет стали одним из ключевых инструментов цифрового маркетинга. Около 88% маркетологов уже используют их в ежедневной работе, а более 90% компаний планируют инвестировать в ИИ в ближайшие годы. 

Причина такой популярности — рост объёма данных в рекламных системах и необходимость быстро обрабатывать статистику кампаний. Современные рекламные аккаунты могут содержать тысячи ключевых запросов, сотни объявлений и десятки сегментов аудиторий. Анализ таких массивов вручную требует значительного времени, поэтому всё больше специалистов используют нейросети для автоматизации рутинных задач — от генерации объявлений до анализа статистики и поиска точек роста кампаний.

При этом исследования показывают, что внедрение искусственного интеллекта позволяет значительно ускорить маркетинговые процессы. Например, его использование способно сократить время создания контента до 80% и снизить стоимость привлечения клиента в среднем на 30−37%. 

В результате нейросети постепенно становятся не отдельным инструментом, а частью ежедневной работы маркетолога и специалиста по контекстной рекламе.

Подготовка рекламных текстов — одна из самых частых задач в работе специалиста по контекстной рекламе. Поэтому тестирование нейросетей началось именно с неё.

В рамках эксперимента были выбраны три популярных инструмента: ChatGPT, Алиса и DeepSeek. Мы проверяли модели на разных этапах работы директолога — от подготовки объявлений до анализа рекламной статистики.

Поиск конкурентов

На первом этапе нейросетям было предложено определить десять активных рекламодателей в Яндекс Директ по запросу «станок токарный ЧПУ» для Москвы.

Результаты показали важную особенность: нейросети плохо справляются с задачей определения реальных рекламных конкурентов. Некоторые из предложенных компаний вообще не размещали рекламу в Директе в последние годы.

Причина в том, что подобная информация отсутствует в открытых источниках. Даже специализированные сервисы анализа рекламы не всегда показывают актуальную картину. Поэтому на практике список конкурентов лучше формировать вручную, а затем передавать его в нейросеть для дальнейшего анализа.

Анализ объявлений конкурентов

После формирования списка рекламодателей нейросетям предложили проанализировать их объявления.

Здесь все инструменты показали хорошие результаты. Однако наиболее интересные выводы получились у Алисы: ответы содержали больше конкретных числовых аргументов — скидок, сроков поставки, гарантий. Подобные элементы действительно повышают кликабельность рекламных объявлений.

Анализ сайта и формирование УТП

Следующий этап — анализ сайта рекламодателя и поиск уникальных торговых предложений.

Все протестированные модели справились с этой задачей примерно одинаково успешно. Они смогли:

• выделить основные преимущества компании;
• определить ключевые направления продукции;
• сформулировать несколько вариантов УТП.

В отдельных случаях DeepSeek предлагал более точные формулировки, однако различия между инструментами были минимальными.

Генерация объявлений с помощью искусственного интеллекта

После анализа данных нейросетям было предложено подготовить тексты объявлений с учетом ограничений Яндекс Директ по количеству символов:

• Заголовок 1 — до 56 символов
• Заголовок 2 — до 30 символов
• Текст объявления — до 81 символа

Именно на этом этапе Алиса показала лучшие результаты. После нескольких уточнений она смогла сформировать объявления, соответствующие требованиям системы и учитывающие сильные стороны сайта и конкурентную среду.

Пример объявления:

Заголовок 1: Токарный станок с ЧПУ — скидка 18% до 28.02!
Заголовок 2: Бесплатное обучение операторов
Текст: Техподдержка 24/7. Приглашаем на экскурсию на производство. Оставьте заявку!

Однако при использовании нейросетей нужно учитывать типичные ошибки моделей:

• превышение лимита символов;
• использование неподтверждённых УТП;
• случайные ссылки;
• путаница между разными услугами на сайте.

Поэтому человеческая проверка остаётся обязательной.

Автоматизация подготовки объявлений с помощью обученного ChatGPT

В агентстве также был протестирован другой подход — создание обученного чат-ассистента на базе ChatGPT, который автоматизирует полный процесс подготовки рекламных кампаний.
Цель разработки — минимизировать нагрузку на ассистентов менеджеров и автоматизировать следующие этапы:

• анализ сайта;
• подбор ключевых слов;
• выбор релевантных страниц;
• генерацию объявлений;
• формирование итогового файла для загрузки в Директ.

На обучение такого ассистента потребовалось около 70 часов рабочего времени (+ требуется постоянное обучение). Чат действительно выполняет большинство задач автоматически, однако в процессе работы выявились системные проблемы:

• генерация ссылок с ошибкой 404;
• некорректная работа с доменами на кириллице;
• случайные UTM-метки;
• потеря логики при длинных промтах;
• путаница услуг на мульти-сайтах.

Из-за этого итоговые файлы требуют тщательной проверки. В некоторых случаях исправление ошибок занимает больше времени, чем ручная подготовка кампаний.
Вывод: нейросети эффективнее использовать на отдельных этапах работы, а финальную сборку файлов пока удобнее выполнять вручную.

Еще одно направление тестирования — генерация видео на основе статичных изображений для товарных объявлений. В последние годы видеоформат активно вытесняет статичные изображения в рекламе, поскольку динамический контент лучше привлекает внимание пользователя.

Задача: создать короткое видео, где товар (например, кольца или детали) вращается, как на витрине. Для теста использовались несколько сервисов генерации видео.

Klingai.com (китайская модель)

Показал наилучшее качество анимации и точную передачу геометрии объекта. Однако генерация занимает больше времени, а бесплатная версия сильно ограничена.

Grok

Средний результат. Иногда добавляет лишние элементы, но в динамичных роликах они практически незаметны.

Sora

Качество нестабильное — примерно 50/50. Иногда возникают сильные искажения объекта.

Алиса

Самый слабый результат. Модель часто добавляет случайные элементы и сильно меняет исходное изображение.

Рекомендации по видео для товарных объявлений

При использовании видео в Яндекс Директ стоит учитывать несколько параметров:

• оптимальная длительность — около 10 секунд;
• допустимый диапазон — 5–45 секунд;
• формат может быть как горизонтальным, так и вертикальным.

После генерации роликов их можно добавить в товарный фид. Для этого используется тег <video>. Основные требования:

• формат MP4;
• длительность 5–45 секунд.

Такие объявления можно запускать в:

• товарных кампаниях;
• ЕПК (единая перфоманс-кампания).

После добавления видео показатели изменились:

CTR (кликабельность): +0,88% — больше пользователей кликают на объявление или контент после появления видео. Люди чаще обращают внимание на динамичные, визуально интересные материалы.
Конверсия: +1,71% — пользователи не просто кликают, но и выполняют целевое действие (регистрация, покупка, заявка), то есть видео делает сообщение более убедительным.
Цена лида: −29% — привлечение одного потенциального клиента стало значительно дешевле.

Есть специализированные нейросети для обработки табличных данных: Google Cloud AI, DataRobot, H2O. ai, однако, работа с ними требует специальной подготовки. Для нашего исследования мы взяли те же популярные и простые нейросети: ChatGPT, Алиса и DeepSeek.

Оценка проводилась по пяти типовым задачам аналитики:

• корректировки по устройствам;
• корректировки по типам объявлений;
• корректировки по условиям показа;
• рекомендации по исключению площадок;
• анализ поисковых запросов.

Главное правило работы с нейросетями в аналитике — максимально конкретные запросы. Промты вида: «Проанализируй рекламную кампанию и предложи улучшения» не дают полезных результатов.

Пример эффективного промта: 
«Проанализируй файл, найди 10 кампаний с наибольшей стоимостью лида по столбику (название столбика), напиши кампании в столбик с указанием стоимости лида и количества лидов.
Стоимость лида указана в столбце «(название столбца из файла)», количество лидов указано в столбце «(название столбца из файла)».
Напиши, с каких устройств в этих кампаниях были лиды с указанием стоимости лида. Устройства указаны в столбце «Тип устройства» для каждой кампании отдельно.
Предложи корректировки в процентах для снижения стоимости лида в кампаниях с высокой стоимостью лида отдельно для каждой кампании в столбик. «

Чем детальнее сформулирован запрос, тем точнее будет результат. Перед загрузкой статистики в нейросеть важно подготовить файл:

• удалить ненужные столбцы;
• заменить пустые значения на нули;
• уменьшить объем данных;
• использовать формат CSV.

Оптимальный размер файла — до 200 КБ. Более крупные файлы нейросети обрабатывают значительно хуже.

По итогам тестирования результаты распределились следующим образом.

DeepSeek
Лучшие результаты по совокупности факторов. Быстрее работает с данными и дает более структурированные ответы. 

ChatGPT
Показал хорошие аналитические способности, но возникали сложности с загрузкой и обработкой файлов.

Алиса
Хорошо справлялась с простыми задачами, но теряла часть данных при более сложном анализе.

Особенно слабые результаты все модели показали при подборе минус-слов. Даже при детальных запросах нейросети:

• добавляли целевые запросы в минус-слова;
• удаляли полезные фразы;
• игнорировали опечатки, которые могли приносить трафик.

Поэтому автоматическую фильтрацию поисковых запросов пока лучше использовать только как вспомогательный инструмент.

Практическое тестирование показало, что нейросети уже могут существенно облегчить работу специалистов по контекстной рекламе, однако их эффективность сильно зависит от типа задачи.

Наиболее успешно искусственный интеллект справляется с:

• анализом объявлений конкурентов;
• генерацией рекламных текстов;
• формированием УТП;
• подготовкой видеокреативов;
• базовой аналитикой рекламных данных.

При этом остаются задачи, где ручная работа пока надежнее:

• формирование списка рекламных конкурентов;
• финальная сборка файлов для загрузки;
• подбор минус-слов;
• анализ больших массивов табличных данных.

Оптимальная стратегия сегодня — комбинировать работу специалиста и искусственного интеллекта, используя нейросети как инструмент ускорения отдельных этапов работы, а не как полностью автономное решение.