Последние 1,5 месяца я активно экспериментировал с нейросетями в нашем агентстве. Хочу поделиться реальными результатами — что уже круто работает, а где пока есть сложности.

Что получается офигенно:

1. Тексты для контекстной рекламы Мы научили нейронки писать объявления, которые объективно круче того, что делает большинство копирайтеров. Приложил к посту примеры текстов Процесс отлажен до такой степени, что требуется минимальная шлифовка (5-10% текста), а результат — огонь! Директологи в восторге: и время экономится кратно, и результаты лучше. Пишем в Клоде

Единственный минус — Клод пока не научился корректно считать символы во втором заголовке. Но есть мысли, как это поправить.

2. Чистка минус-слов Это тоже прям огненная история. Научили нейросеть собирать основные запросы для минусовки за 5-10 минут вместо нескольких часов ручной работы. В минусах учитывает специфику ЦА и продукта. Еще и по группам разбивает. Тут Gemini оказался лучше всех.

3. Быстрые ответы клиентам Создал персонализированную GPT-шку, в которую загрузил данные о компании, информацию о текущей ситуации, прайсы и ассортимент. Теперь когда приходит сообщение, а времени на идеальный ответ мало — нейросеть помогает сформулировать качественный ответ без длительной настройки промтов. На самом деле его стал использовать и для обсуждений мыслей по агентству. Классно, что он уже многое знает обо мне и агентстве. Качество ответов сильно выросло.

4. Deep Research от GPT Протестировал функцию Deep Research от ChatGPT — впечатляет! Работает лучше, чем аналогичные у Gemini и Perplexity. Выдает структурированные ответы высокого качества, хотя и с меньшей детализацией источников, чем Gemini.Я раньше топил за Deep Research от Gemini. Он может собирать данных с сотен сайтов. Но GPT сильно обходит Gemini по структурированности и формату ответа. Еще перед тем как уйти в сбор информации, он задаёт уточняющие вопросы. И эти вопросы бывают очень в тему.

Жаль, что в версии Плюс доступно только 8 таких исследований в месяц.

Где пока есть сложности: 1. Аналитика и выявление узких мест Пытались научить нейросети анализировать данные и выявлять проблемные места в воронке контекста. Пока не сработало. Главная причина — нужен очень четкий алгоритм и последовательность шагов для анализа. Особенно нейросети буксуют с анализом динамики показателей. Они воспринимают данные как общий пул, а не как изменяющиеся со временем метрики. Буду прорабатывать этот момент.

2. Выявление ключевых проблем в сложных ситуациях Экспериментирую с использованием теории ограничений Голдратта и построением дерева реальности. Первые результаты интересные, но нейросети приходят к общим выводам.

Когда ситуация сложная, много взаимосвязей, и хочется заниматься всем сразу — нужно выявить одну ключевую проблему. А Клод выдал верную проблему, но для ее решения нужно сразу всё делать )) Скорее всего проблема в исходных данных и алгоритме. Нужно будет разбивать каждый этап на отдельные запросы, плюс запрос на проверку выводов.

По результатам отпишусь позже.

Над чем работаю сейчас: Сервис по анализу реального % показов в Директе. Уже работает на моем компьютере, команда оценила. Стало проще понимать какой % выдачи мы занимаем и не вылетели мы с ключевых позиций. Будем делать сервис доступным онлайн, чтобы вся команда могла пользоваться.

Что интересно — появились первые запросы на доступ к сервису от внешних клиентов и других специалистов. Думаю, может получиться отдельный сервис.

Какие нейросети использую чаще всего: Claude Sonnet — офигенно пишет тексты, лучший выбор для создания контента. Еще и графики рисует :) Gemini — отлично справляется с написанием кода для больших проектов и анализом больших массивов данных. ChatGPT с функцией Deep Research и GPTs — для структурированного анализа информации и обсуждения вопросов.