Автоматизация таргетинга с AI: почему таргетолог не справляется — и как это чинится

Математика перегрузки

По уму вы выпускаете одну единицу контента в день. Дальше эта единица поступает в дистрибуцию — таргетолог ставит её на продвижение.

Чтобы посмотреть, как контент работает, надо подождать хотя бы три дня. Это самый минимум по уму, а на минимальном бюджете нужно четыре-пять. Значит, на второй день таргетолог запускает следующую единицу контента, на третий — следующую, и так далее.

К шестому дню у него шесть живых кампаний, и по всем шести нужно смотреть, как идут дела и какие результаты они дают.

Теперь представьте, что у таргетолога в работе три клиента. Умножаем сразу на три — 18 кампаний. Каждый день.

А у каждой кампании просто миллиард метрик. Facebook даёт большое количество данных: это же не только подписчики. Это реакции, CPM, CPC, CPA — короче, длинный список, на который таргетолог должен смотреть и по которому должен ориентироваться.

Представляете себе уровень нагрузки на охеренного таргетолога? Как ему всё это дело анализировать — не очень понятно.

Что происходит в реальности

Мы же понимаем: люди приспосабливаются, им нужно как-то делать свою работу, и это нормально.

И в итоге охеренными таргетологами становятся те, кто может просто по чуйке, по интуиции попадать — то есть масштабировать кампании, которые приносят лучший результат, чаще, чем те, которые приносят херовый результат. Просто в моменте могут пропустить через себя больше потока информации и как-то в этом деле сориентироваться. Обычно — не набирая себе очень много клиентов.

Вот и весь секрет хорошего таргетолога.

Дальше механика предсказуемая. Объём накапливается, данных становится больше, следить за таким количеством невозможно — и человек постепенно начинает забивать и больше полагаться на чуйку. Ошибок становится больше. Собственно, в этом главная проблема.

И хорошо ещё, если человек ответственный и всё-таки уделяет работе больше внимания: не просто ставит кампанию и откручивает бюджет, а действительно работает над тем, чтобы в продвижение шли лучшие единицы контента.

Как выглядит эта работа по уму

Надеюсь, не нужно объяснять, зачем всё это делается. Каждая единица контента идёт в дистрибуцию, чтобы понять, какая даёт лидов, а какая даёт подписчиков. Те, которые не дают, нужно отключить. Те, которые дают, нужно масштабировать.

Если это просто вовлекающая кампания — нужно продлить её действие. Если лидогенерирующая — смотреть, какие метрики провисают, и анализировать, в какой точке воронки именно этого контента у вас отваливаются люди.

Например, ролик просматривают до середины, а потом отваливаются. Лиды при этом всё равно есть, но видно, на какой секунде этого видео происходит отвал. Что делает нормальный таргетолог-маркетолог? Смотрит, анализирует, где именно люди отваливаются, и создаёт рекомендацию: посмотреть, что в сценарии находится в этом месте, усилить, переснять — чтобы люди продвигались по воронке контента дальше.

Вот в этом, собственно говоря, и заключается работа. Это не бином Ньютона, это обычная нормальная работа. Но для того, чтобы её выполнять, нужно очень много внимания.

Много вы знаете таргетологов, которые на таком уровне анализируют рекламу и контент — и при этом ведут несколько проектов? Я знаю только одного, и он работает у нас. У нашего таргетолога чёрный пояс по таргетингу.

Ладно. Что делать обычным нормальным людям, чтобы со всем этим не сойти с ума?

Нужна автоматизация

Мы уже сейчас живём в эпоху AI. Каждый день выходят какие-то новые сетки, подключаются workflow и всё такое прочее — это всё уже реальность. Нужно, чтобы там, где не хватает человеческого внимания, работали роботы. Всё очень просто.

Мы это сделали. Смотрите, что мы сделали.

Пайплайн таргетолога

Таргетолог приходит на работу и открывает пайплайн. Здесь вкладки по нашим клиентам — шесть проектов плюс общая вкладка по всем.

Каждая карточка — это просто-напросто рекламная кампания. Как только контентная единица вышла в соцсети, в системе тут же создаётся карточка кампании с пометкой, в какой сети: Instagram-карусель, Facebook Reels, Instagram Reels и так далее.

Это обычная канбан-доска, и у неё несколько статусов:

• Approved backlog — сюда валятся все кампании, когда контент просто опубликован. 27 карточек здесь — это 27 вышедших единиц контента.
• Promotion — то, что сейчас крутится.
• Scale — то, что нужно масштабировать.
• Stop — то, что нужно останавливать.

Самое интересное — кто расставляет эти карточки по статусам.

Что происходит ночью

Каждый день ночью AI подключается к рекламному кабинету нашего клиента и выкачивает оттуда все данные, все метрики. Потом подключается к нашей системе, где хранится весь контент, — и смотрит сценарий, смотрит подводку, смотрит обложку к этому ролику. Всё это совмещает и проводит большой анализ.

Вот здесь ключевая штука, ради которой всё и затевалось. Дашборд показывает вам цифры. Система связывает цифры с самим контентом — с тем, что человек говорил в кадре, с тем, какая была подводка, с тем, какая стояла обложка. Без этой связки вы знаете, что кампания плохая, но не знаете почему — а значит, ничего не можете с этим сделать в следующий раз. Мы вообще смотрим на аналитику именно так: не как на отчётность по каналам, а как на способ увидеть, что реально влияет на результат.

По итогам анализа система выдаёт один из трёх вердиктов — масштабировать, продолжать или останавливать — и сама кидает карточку кампании в нужную колонку. Не работает? Летит в «Стоп».

Что таргетолог видит утром

Он приходит на работу и открывает анализ. Там собраны все метрики и единый Content Quality Score.

И здесь, кстати, интересная история. Смотрите: Quality Score 93,8 — это почти 100, то есть высокий. А AI всё равно рекомендует остановить. Почему он это делает — можно тут же прочитать и разобраться.

Он подтянул все метрики. Он подтянул контент этого ролика. Он посмотрел, с чем вообще имеет дело — здесь мы имеем дело с Instagram-каруселью, есть даже ссылочка на саму рекламу, можно сразу открыть. Метрики тоже все подтянуты сюда. Но самое главное — это рекомендация: кто-то уже проделал за таргетолога всю черновую работу и предлагает ему обобщённое summary, что с этим делать.

Проблемные места отмечены эмодзи прямо в тексте:

• Hook index 32. Hook отвечает за то, как люди кликают на этот контент. Всего 32% от нормы — то есть контент очень плохо вовлекает.
• CTR index 23%. Тоже очень низкий.
• Engagement index — плохо вовлекаются люди.
• Completion index 58%. Completion — это сколько людей досматривают до конца. Довольно приличный, но всё равно до нормы не дотягивает.
• Play index — при этом очень высокий.

Отдельно разобраны проблемы, отдельно разобрано, что работает. Есть анализ контента по слайдам и по обложке. И итоговый вердикт — что с этим нужно делать.

То есть интегральная оценка высокая, а вовлечение на входе провалено. И вы видите не только сам вердикт, но и то, на что система опиралась, когда его выносила.

Решение всё равно принимает человек

Это очень прикольно ещё и потому, что потом может прийти редактор, который работает с контентом, и посмотреть на всё это дело своими глазами.

Дело таргетолога — посмотреть, согласиться или не согласиться с вердиктом. По мнению AI, эта кампания нуждается в остановке. У таргетолога сразу собраны все метрики, есть summary, есть предложение и есть то, на что AI ссылался, когда принимал это решение.

Ему остаётся либо согласиться и выключить кампанию, либо не согласиться и принять какие-то другие обоснованные действия — например, поменять бюджет. Можно поработать и на уровне бенчмарков, которые задаются для контента.

Отдельно система понимает стадию кампании. На конкретно этом проекте тестовый период — три дня, где-то пять. Если три дня ещё не прошло, карточка возвращает жёлтенький значок. Зелёный значит, что пробный период уже прошёл и контент находится в боевом режиме.

С такой системой с таргетолога снимается весь этот геморрой с работой с сырыми цифрами. Ему остаются намного более творческие задачи. Человек может немножко спокойнее вдохнуть, прийти на работу и работать с тем, что черновая работа за него уже сделана. Роботы поработали — можно посмотреть, можно покритиковать те или иные решения, принятые системой.

Это ровно то, что мы называем автоматизацией как инфраструктурой: AI ускоряет и масштабирует, а человек контролирует качество и принимает решения. Не вместо людей — а чтобы люди занимались тем, что требует мышления.

Второй контур: месячная глубина

Есть отдельный аналитический хаб, куда раз в месяц мы собираем данные за месяц, чтобы сделать обобщённый анализ поглубже.

Показательная история: ролик, который даёт хорошие результаты и крутится 62 дня. За два месяца мы выкачали аналитику и провели анализ. Он даёт возможность довольно глубоко копнуть в контент и понять, что там происходит, что работает, а что не работает — и переснять ролик так, чтобы он работал лучше.

Третий контур: база референсов

У нас простроена и автоматизирована вообще вся линейка: мы создаём контент, выкладываем его по всем каналам и потом дистрибуцируем.

И вот как ещё используется аналитика. Мы формируем рекомендации для изменения контента. У нас есть весь контент и есть анализ, каким образом этот контент отработал. Анализ мы делаем по частям: отдельно рейтинг у хука, отдельно у основной части, отдельно у закрытия. Разбиваем контент на три условные части по AIDA.

Дальше мы собираем большую базу — большой массив, кто понимает, как работает нейросеть.

И когда в следующий раз контент-менеджер делает новую контентную единицу — или только думает над ней, — он просто забивает идею контента и тут же получает референсы, как это отработало в прошлый раз.

Это невероятно увеличивает эффективность работы с контентом.

Результат

Уровень результативности после того, как мы внедрили эту систему, вырос — вот не соврать — в два с половиной раза.

Короче, мощь. Автоматизированная аналитика роляет. Как это выглядит на конкретных проектах — в кейсах.

Так что не трендите на своих маркетологов

Не трендите на своих маркетологов, что они плохие и что они не успевают. У них просто нет времени. У них может не быть инструмента.

Работа таргетологом просто в кабинете, на мой взгляд, немножко устарела.

Проблема, с которой вы приходите — «нам бы таргетолога получше» — почти никогда не решается заменой человека. Она решается тем, что вы даёте человеку слой, который делает за него черновую работу с цифрами и оставляет ему то, ради чего его вообще наняли: решения.

Если хотите так же — приходите на консультацию. Покажу, как работает система, и покажу кейсы. Может быть, вы захотите работать в нашей системе самостоятельно, а может быть — стать клиентом нашего агентства.