Команда маркетингу, орієнтована на штучний інтелект: коли виконання зникає, що залишається для маркетологів?

Декілька тижнів тому я провів вебінар під назвою “Команди перформанс-маркетингу майбутнього”. Це мала бути більш діагностична, ніж візіонерська, подія. Три практики приєдналися до мене – Максим Епіфанов (TripleTen), Метт Шентон (Croud) та Іван Замесін (AJTBD) – кожен з яких працює у великому масштабі та вже використовує штучний інтелект у виробництві.

Що вийшло, так це розтин поточної моделі – моделі, яку штучний інтелект тихо замінює. Бо якщо ви уважно погляньте на те, що відбувається всередині високопродуктивних команд перформанс-маркетингу сьогодні, вони розчиняються через надмірність. Організаційна структура просто ще не встигла впоратися з тим, що вже роблять агенти штучного інтелекту.

Ми розв’язували неправильні проблеми протягом десяти років

За останні десять років ми зосередилися на оптимізації показників ефективності – зокрема, на поліпшенні панелей управління, прискоренні атрибуції та уточненні націлювання. Однак справжня користь штучного інтелекту полягає в скороченні часу прийняття рішень та прискоренні ітерацій. У минулому маркетолог міг провести години, розглядаючи панелі управління, лише щоб прийняти одне рішення – збільшити бюджет чи ні. Штучний інтелект, з іншого боку, дозволяє вам приймати сотні таких рішень на день і негайно перевіряти, що працює.

Ми також були надто зосереджені на контролі автоматизованих систем. І вийшло, що надмірний контроль над ними активно знижує їхню ефективність. Це не очевидно, оскільки люди інтуїтивно вважають, що більший контроль приведе до кращих результатів. Насправді, втручання часто порушує роботу систем навчання. Корисний паралель тут – авіація: автопілотні системи зменшили кількість авіакатастроф, але тільки після того, як пілоти навчилися розуміти, коли не втручатися. Маркетинг вступає в ту саму фазу.

І що особливо цікаво, то це те, що зміна ролі не відбувається як поступовий перехід.

У реальних командах це tend до різкого переходу: компанії, які використовують штучний інтелект як інструмент продуктивності, бачать інкрементні здобутки, тоді як команди, які перебудовують свою структуру навколо систем штучного інтелекту, працюють у фундаментально іншій лізі.

Що змінюється, коли агент виконує дії?

Сьогоднішня операційна реальність полягає в тому, що агент штучного інтелекту керує перформанс-маркетингом у нескольких каналах одночасно – Meta, TikTok, YouTube та Google. Агент підключений до даних по всьому маркетинговому трубопроводу та працює на основі попередньо визначеної логіки прийняття рішень. Агент здатний планувати та діяти для досягнення цілей з мінімальним людським втручанням.

Сьогодні маркетолог може створити повністю інтерактивний канал генерації лідів за сім днів, не залучаючи розробників. Більше 70% маркетингових команд, які використовують генеративний штучний інтелект, створюють більше контенту без збільшення штату – при цьому швидкість випуску та ітерацій зростає експоненційно.

Ключова точка тут полягає в тому, що агент не просто допомагає – він фактично виконує роботу. І як тільки виконання стає безперервним та автоматизованим, немає місця для маркетингу в класичному сенсі.

Щоденний аналіз кампаній по Meta, Google, YouTube та TikTok скорочується з 3-4 годин до 10-15 хвилин. Що з творчими роботами вбити, що залишити, що масштабувати за допомогою історичних даних – всі ці правила працюють безперервно, слідуючи логіці прийняття рішень команди: якщо фактична вартість кваліфікованого ліду нижча за цільову, масштабувати; якщо творча робота погіршується нижче порогу, паузу. Кожна дія супроводжується розумінням, чому це робиться, тому команда може перевіряти, калібрувати та довіряти. У автоматичному режимі агент виконує зміну безпосередньо в рекламному аккаунті; у напівавтоматичному режимі людина підтверджує. Це вже так працюють команди, які керують понад 500 тисяч доларів на місяць у платному трафіку.

Що залишається на людському рівні?

Але що мають робити люди? Якщо виконання завдань автоматизовано, оптимізація відбувається безперервно,

і логіка прийняття рішень може бути формалізована, то найочевиднішою людською перевагою стає здатність приймати рішення, коли дані неповні, контекст двозначний, а результати непередбачувані. Штучний інтелект все ще не може надійно розрізняти хороші ідеї від посередніх або незалежно визначати довгострокову стратегію.

На даний момент перформанс-маркетинг можна розділити на чотири рівні:

• Виконання повністю автоматизовано;
• Оптимізація в основному автоматизована, з певними обмеженнями;
• Приняття рішень частково людське;
• Стратегія залишається повністю людською на даний момент.

Одним з корисних способів переоцінити людську роль є через три архетипи: лікаря, пілота та вчителя. У кожному випадку людина визначає або виправляє процес, який інакше працює автономно. Лікар робить діагноз, коли щось піде не так. Пілот контролює систему без надмірних коригувань. Вчитель визначає вхід, обмеження та структуру, в межах якої система працює.

Від команд до систем

Є одна велика瓶шейка, яку жодна можливість штучного інтелекту не може самостійно вирішити. Ефективність систем штучного інтелекту залежить від контексту, в якому вони працюють, проте у більшості сучасних компаній організаційний контекст фрагментований Усі знання зберігаються у розрізнених чат-румах, документах та панелях управління. Команди працюють у ізоляції одна від одної, тому контекст постійно втрачається та має бути перебудований з нуля.

Це значна проблема в організаційній архітектурі. Агентний штучний інтелект можна візуалізувати як конвеєр – якщо дані не позначені, не доступні або не чітко визначені, машина застрягає. Компанії, які отримують реальну користь від штучного інтелекту, інтегрували дані та системи прийняття рішень.

У команді перформанс-маркетингу, яка працює в цій новій реальності, є менше операторів та більше системних дизайнерів, тісніші цикли зворотного зв’язку та безперервне виконання без людських затримок. Команда стає управлінням, яке наглядає за автономними системами.

Багато років перформанс-маркетинг зводився до управління складністю, з постійно зростаючою кількістю каналів, даних та змінних. Штучний інтелект не зменшує цю складність, а поглинає її. Правила гри змінилися, і переможцем буде той, хто побудує систему, яка управляє собою.