Бренд одежды O'STIN и агентство мобильного маркетинга TopTraffic встроили каскад ИИ-агентов в работу перформанс-команды, чтобы быстрее анализировать аудитории, креативы и результаты кампаний. ИИ-агенты помогали находить перспективные гипотезы, отслеживать отклонения от KPI и понять, какие кампании масштабировать или останавливать. Представители O'STIN и TopTraffic рассказали, как новый подход повлиял на объем и стоимость установок приложения.
О клиенте
O'STIN — международный бренд повседневной одежды, представленный по всей России, а также в странах ближнего зарубежья в онлайн- и офлайн-формате. За последние годы компания активно расширяет ассортимент: помимо базовых коллекций одежды, в линейке появились обувь и парфюмерия.
Вызовы
В рамках кампании основным продуктом продвижения выступало мобильное приложение O'STIN. Именно его команда использовала как главный объект тестирования и оптимизации рекламных кампаний. Несмотря на сильные позиции бренда, команда столкнулась с рядом типичных для фешен-рынка проблем:
- высокая конкуренция и растущая стоимость привлечения клиента в категории;
- нестабильная конверсия в покупку;
- «усталость» аудитории от однотипных креативов;
- высокая стоимость тестирования большого количества гипотез.
Цели и задачи
- Привлечь больше новых пользователей приложения и стимулировать первые покупки;
- Увеличить число тестируемых гипотез в течение кампании;
- Снизить CPI (Cost per Install) при тестировании гипотез на 30%;
- Увеличить общий CR (conversion rate) в покупку на 15%.
Решение: гибрид «ИИ + Человек»
TopTraffic предложил внедрить в рутину менеджера систему из каскада ИИ-агентов, каждый из которых отвечает за свой участок работы:
- ИИ-агент № 1 — анализирует приложение O'STIN;
- ИИ-агент № 2 — исследует конкурентов в SPY-сервисах;
- ИИ-агент № 3 — анализирует исторические данные;
- ИИ-агент № 4 — предлагает рекомендации по типу креативов и сегментов ЦА для повышения эффективности;
- ИИ-агент № 5 — анализирует возможности источников и подбирает рекомендации по запуску;
- ИИ-агент № 6 — анализирует перформанс-результаты кампании и дает рекомендации.
Ключевая идея — не заменить специалиста, а встроить ИИ в рутину менеджера. Нейросети анализируют, прогнозируют и предлагают идеи. В то время как менеджер верифицирует гипотезы, принимает стратегические решения, следит за бренд-комплаенсом и отвечает за финальный результат.
Реализация
Этап 1. Подготовительная ИИ-аналитика и генерация креативов
Процесс:
- Менеджер формулирует ТЗ для ИИ на аналитику категории;
- Агенты 1−4 проводят аналитику и предлагают варианты гипотез;
- Дизайнер готовит креативы по рекомендациям, привлекая ИИ для ускорения и оптимизации работы;
- Менеджер отбирает наиболее релевантные варианты и передает креативы на запуск.
Этап 2. Запуск кампаний
В качестве инструментов использовались «Яндекс» и «ВКонтакте», так как у них наиболее точные доступные таргетинги.
Процесс:
- Агенты № 4−5 выдают рекомендации по цепочке «источник — креатив — таргетинги»;
- Менеджер добавляет в ротацию новые рекламные кампании и устанавливает KPI;
- Агент № 6 в реальном времени анализирует, какие гипотезы значимо отклоняются от заданных KPI, и присылает уведомления в телеграм-чат.
Вся коммуникация между ИИ и командой строилась по принципу «триггерных зон», которые помогали быстро принимать решения без лишней аналитики. Если показатели кампании стабильно превышали KPI, система отмечала ее в зеленой зоне, такие гипотезы рекомендовалось масштабировать. Если фиксировалось незначительное отклонение от плановых метрик, кампания переходила в желтую зону. После чего ИИ предлагал внести корректировки в креативы или таргетинги. Если эффективность кампании заметно снижалась, система отмечала ее в красной зоне и рекомендовала остановить гипотезу. Если в кампании были средние показатели, не сильно отклоняющиеся от KPI, то система не присылала частые уведомления и не отвлекала байера.
Этап 3. Ручной контроль и корректировки
Процесс:
- Менеджер получает отчет от системы с конкретными подсказками (например: «Креатив А показывает на 40% ниже CPI у аудитории от 25 до 34 года в "Яндексе". Есть потенциал к масштабированию +20%»);
- Специалист анализирует результаты (аудитория, настройки, потенциал масштабирования);
- Менеджер принимает решение: масштабировать, запустить дополнительные гипотезы или остановить;
- Загружает в ИИ накопленную базу, на чем искусственный интеллект обучается.
Результаты
По итогам кампании O'STIN и TopTraffic зафиксировали устойчивый рост по ключевым метрикам:
- Количество установок мобильного приложения бренда увеличилось на 35%;
- Стоимость одной установки (CPI) снизилась на 32% в тестируемых гипотезах;
- Конверсия пользователей в покупку (CR) выросла на 17%.
Кроме того, благодаря автоматизированному анализу и триггерной системе коммуникации команде удалось:
- ускорить процесс тестирования гипотез;
- снизить затраты на тесты, так как неэффективные кампании останавливались на раннем этапе;
- повысить общий объем целевого трафика и улучшить качество аудитории, приходящей в приложение.
Выводы
- ИИ — это мощный и быстрый аналитик и исполнитель;
- Менеджер остается в цикле стратегических решений;
- Гибридная модель «ИИ + Человек» дает синергетический эффект, превосходящий сумму отдельных частей;
- Постоянный диалог с ИИ — ключ к эффективности. Слепое доверие системе дает меньший результат, чем работа в тандеме.
Герман Жарков, менеджер по перформанс маркетингу O'STIN:
Мы смогли снизить стоимость установки почти на треть, количество установок выросло на 35%, а конверсия в покупку — на 17%. Самое важное — ИИ помог быстрее находить и проверять гипотезы, но финальные решения все равно оставались за человеком. Благодаря этой синергии мы улучшили показатели и перестроили процесс управления рекламными кампаниями: сделали его живым, гибким и более точным. Теперь каждая гипотеза превращается не в риск, а в возможность для роста.
Лилия Демина, аккаунт-директор TopTraffic:
Когда мы говорим про ИИ, важно помнить, что цифры без человека ничего не значат. Алгоритмы умеют анализировать, но смысл результатам придает менеджер, который знает бренд, чувствует аудиторию и принимает финальное решение. Когда человек и ИИ работают в паре, эффективность растет в разы.
Рекомендации
- Внедрять искусственный интеллект в повседневную рутину, а не использовать как экспериментальный инструмент.
- Сохранять человеческий надзор, особенно в вопросах бренда и креатива.
- Строить систему самообучения, где ИИ учится на результатах кампаний.
