Дешёвый текст стал самой дорогой ошибкой маркетинга: модель пишет статью за минуту, но сотня таких статей не приносит ни трафика, ни заявок, а сайт, заполненный общими словами, нейросети не цитируют. AI в маркетинге окупается там, где смысл приносит человек, а модель меняет форму, — и проигрывает там, где от неё ждут экспертизы, которой у неё нет. Граница проходит не по жанру текста, а по тому, откуда в нём берутся факты.
Где AI в маркетинге экономит без риска
AI в маркетинге — это использование языковых и генеративных моделей для подготовки текстов, креативов и анализа обратной связи. Его ценность неравномерна: в одних задачах модель честно заменяет часы работы, в других производит видимость результата.
Варианты и черновики. Двадцать заголовков для теста, пять формулировок оффера, три структуры письма. Модель здесь заменяет не автора, а брейншторм: выбирает и правит всё равно человек.
Переупаковка существующего. Из вебинара — статья, из статьи — серия постов, из кейса — письмо. Экспертиза уже есть, задача техническая, и решается она отлично.
Работа с объёмом. Двести описаний товаров по единому шаблону, адаптация текста под разные сегменты, приведение старых материалов к одному стилю.
Разбор обратной связи. Свести отзывы, комментарии и возражения в темы с частотой — задача, которую вручную не делают просто из-за объёма. Это ближайший родственник голоса клиента в продажах.
Экспертиза, цифры и тон модели не даются
Экспертный текст без эксперта. Модель напишет гладкую статью «как выбрать систему речевой аналитики», в которой не будет ни одного наблюдения из практики. Она соберёт то, что уже написано другими, и получится текст, неотличимый от сотни таких же.
Цифры и факты. Придуманная статистика — самая опасная категория: она выглядит убедительно и проверяется только специально. Любое число в тексте должно приходить из вашего источника, а не из генерации.
Тон компании. Модель по умолчанию пишет усреднённо-корпоративно. Отличаться от конкурентов такой текст не будет, а именно за отличие в маркетинге и платят.
Что это значит на практике: разделение «хорошо — плохо» проходит не между статьями и постами, а между задачами, где смысл уже есть, и задачами, где его нужно создать. Первые модель ускоряет, вторые — подделывает.
Почему пустой текст теперь вредит, а не просто не работает
Раньше плохой текст просто не приносил результата. Сейчас он ещё и мешает: генеративные поисковые системы отбирают источники по полноте и конкретности, и страница из общих слов не попадает в ответы, но занимает место в структуре сайта и размывает тему.
Механику отбора мы разбирали в статье про GEO вместо SEO: в ответ попадают фрагменты с конкретикой — цифрами, условиями, определениями. Сгенерированный «в среднем по интернету» текст такой конкретики не содержит по определению.
Добавьте сюда каннибализацию: десять похожих статей на одну тему делят между собой один и тот же спрос, вместо того чтобы одна собирала его целиком. Объём в такой ситуации работает против вас. Это, пожалуй, главный сдвиг: раньше плохой текст стоил денег на копирайтера, теперь он стоит ещё и позиций хорошего.
Возражение: объём всё-таки работает
Против всего сказанного есть серьёзный аргумент, и отмахиваться от него нечестно. Интернет-магазин с десятками тысяч товаров не может написать каждое описание вручную. Сайт услуг в сотне городов не может держать редактора на каждую страницу. Для таких задач генерация по шаблону — не лень, а единственный способ вообще иметь страницу, и она приносит трафик.
Аргумент верен, но у него есть условие, которое часто упускают. Массовые страницы работают, когда за каждой стоит свой уникальный факт: характеристики конкретного товара, цена, наличие, адрес, условия в конкретном городе. Модель в этом случае не сочиняет, а оформляет данные из каталога. Когда же объём наращивают статьями «обо всём понемногу», уникального факта за страницей нет, и она становится копией соседней.
Моя позиция: объём оправдан там, где он опирается на объём данных. Если данных на сто страниц нет, а страниц хочется сто, это не контент-стратегия, а производство шума.
Рабочая схема: эксперт диктует, модель оформляет
Подход, который стабильно даёт результат, выглядит так:
- Эксперт наговаривает суть — двадцать минут голосом, без структуры: что видел на практике, какие цифры, какие ошибки клиентов.
- Модель расшифровывает и структурирует в черновик с заголовками.
- Эксперт проверяет факты и цифры — это единственный этап, который нельзя делегировать.
- Редактор доводит стиль и убирает то, что модель добавила от себя.
Экономия здесь не в написании — она в том, что эксперту не нужно садиться за пустой лист. Час его времени вместо дня, а материал остаётся его.
Эксперта не посадить писать — значит, его надо спросить
Схема «эксперт диктует, модель оформляет» упирается в практическую проблему: у эксперта нет двадцати минут, а если есть, он всё равно не любит писать и откладывает. Именно на этом шаге разваливается большинство контент-планов.
Помогает сменить формат просьбы. Не «напишите про интеграцию с телефонией», а «расскажите, что пошло не так на последней интеграции». На второй вопрос человек отвечает охотно и подробно, потому что это разговор о его работе, а не задание на сочинение.
Дальше механика простая: разговор записывается, расшифровывается, и уже расшифровка отдаётся на структурирование. Эксперт тратит двадцать минут вместо дня, а в тексте остаются его формулировки, детали и та самая история с интеграцией, которой нет ни у одного конкурента.
Основная экономия — в подготовке, а не в готовом тексте
Самая надёжная экономия лежит не в написании готовых текстов, а в подготовительной работе вокруг них: она не требует экспертизы, которой у модели нет.
Расшифровка интервью и вебинаров: час записи превращается в текст за минуты, и дальше с ним работает человек. Переупаковка: один разобранный кейс раскладывается в пост, письмо и раздел на сайте — суть уже есть, меняется только форма. Брифы и структуры: план статьи, список вопросов к эксперту, черновик технического задания подрядчику.
Общий признак у этих задач один: исходный смысл приносит человек, а модель меняет форму. Как только она начинает приносить смысл сама, получается текст, который невозможно ни подтвердить, ни защитить. Поставить переупаковку готовых смыслов на поток — со статьями, постами, роликами и выкладкой в площадки — задача контент-завода на ИИ Кира.
Тест на шаблон: замените название компании
Проверка занимает минуту и не требует инструментов. Возьмите готовый текст и мысленно замените в нём название компании на название конкурента. Если ничего не сломалось и текст остался верным, вы написали шаблон.
Второй признак — отсутствие спорных утверждений. Шаблонный текст состоит из вещей, с которыми все согласны: важно контролировать качество, полезно работать с возражениями, нужен системный подход. Текст практика содержит хотя бы одно утверждение, с которым конкурент бы поспорил, и именно оно делает материал заметным.
Третий — отсутствие чисел и деталей. Не абстрактных «до 30% роста», а конкретных: сколько заняло, что сломалось, на каком шаге пришлось переделывать. Детали трудно придумать правдоподобно, поэтому они и работают как подпись автора.
Если на три вопроса — есть ли число из вашей практики, есть ли утверждение, с которым поспорит конкурент, останется ли текст верным без названия компании — ответы «нет, нет, да», публиковать такое не стоит: трафика он не принесёт, а тему разбавит.
Эта статья — о текстах и креативах. Задачи маркетолога как специалиста по каналам — аудит Яндекс Директа, семантика, связка рекламы с оплатами, CPL и ROMI — разобраны в статье об AI-маркетологе, а выпуск материалов из одного эфира по редакционному регламенту — в статье о контент-фабрике на ИИ.
Клиенты, числа и обязательства модели не отдаются
Есть класс утверждений, где риск не в стиле, а в последствиях. Первое — всё, что касается конкретных клиентов: названия, отрасли, результаты, цитаты. Придуманный кейс выглядит убедительнее настоящего ровно до первой проверки, а дальше стоит компании репутации и, если клиент назван, объяснений с ним.
Второе — числа. Доля роста, экономия, сроки окупаемости. Модель охотно выдаёт правдоподобные проценты, потому что видела тысячи похожих текстов, и ни один из этих процентов не относится к вашей практике. Числа в маркетинговом тексте либо взяты из вашего измерения, либо не ставятся вовсе. Мы в своих текстах держим то же правило: результаты клиентов называем только со ссылкой на опубликованный кейс.
Третье — юридически значимые формулировки: гарантии, обязательства по срокам, утверждения о соответствии требованиям, сравнения с конкурентами по существу. Такой текст проверяет человек, который в случае претензии будет за него отвечать. Отдельный вопрос — что вообще нельзя загружать в публичную модель, готовя такие материалы; он разобран в статье о том, что нельзя загружать в нейросети.
Когда генерация контента не окупится
Честно говоря, во многих компаниях вопрос «как использовать AI в маркетинге» встаёт раньше времени. Если у компании нет экспертизы, которую можно рассказать, модель её не создаст: она сделает быстрее и дешевле тот же пустой текст, который раньше делал копирайтер за деньги.
Не окупится генерация и там, где контент не является каналом продаж. Если клиенты приходят по рекомендациям и из отраслевых выставок, а сайт нужен как визитка, сотня статей в блоге не изменит ни одной сделки. Деньги лучше потратить на то, что ближе к продаже: скорость ответа на заявку, разбор проигранных сделок, качество коммерческого предложения.
И последний случай — когда нет человека, который будет проверять факты. Схема без проверяющего эксперта превращается обратно в массовую генерацию, со всеми описанными выше последствиями. Лучше выпускать один проверенный материал в месяц, чем десять непроверенных.
Моя ставка: выиграет не объём, а подпись
Сформулирую позицию, с которой можно спорить. Когда текст стоит почти ноль, ценность смещается от текста к тому, кто за ним стоит. Материалы, где есть автор, его наблюдения, его ошибки и цифры, которые можно проверить, будут отбираться и людьми, и нейросетями. Материалы, которые можно было написать про любую компанию, растворятся в потоке таких же.
Отсюда практическое следствие для маркетинга: AI стоит использовать, чтобы эксперт тратил меньше времени на форму, а не чтобы обойтись без эксперта. Компания, которая сэкономила на экспертизе, сэкономила не на тексте, а на единственном, что делало текст ценным.
Как посчитать, окупается ли AI в вашем контенте
Метрика у контента та же, что у любого другого вложения: не число опубликованных страниц, а заявки и упоминания, которые они приносят. Цель формулируется до начала — какой показатель должен измениться, — а не после, когда хочется оправдать проделанную работу. Так устроен метод «Цель → метрика», по которому мы ведём любые проекты.
Проверить можно за квартал. Возьмите материалы, выпущенные по схеме «эксперт диктует, модель оформляет», и материалы, сгенерированные целиком, и сравните по трём цифрам: поисковый трафик, заявки со страницы, упоминания в ответах нейросетей. Как находить последние в аналитике, — в статье о трафике из нейросетей. Если разница в пользу проверенных текстов, вопрос закрыт. Если разницы нет, возможно, контент для вашего бизнеса вообще не главный канал, и это тоже полезный вывод. Как тот же принцип «смысл от человека, форма от модели» работает при постановке задачи, — в разборе промпта для бизнес-задачи.
