ИИ в маркетинге: AI-агент сэкономил 7,2 млн и окупился за 3 месяца

Введение

AI-агенты в маркетинге всё чаще берут на себя самую сложную часть работы — анализ данных. Они помогают в реальном времени понимать предпочтения клиентов, оценивать эффективность кампаний и находить точки роста. Но часто всё упирается в одну проблему: как дать маркетологам простой и быстрый доступ к этим данным?

Когда бизнес сталкивается с нехваткой данных, часто приходится выбирать из двух зол: месяцами ждать внедрения нового BI-проекта или нанимать всё больше BI-аналитиков.

Один из ведущих российских косметических брендов, оказавшись перед этой дилеммой, отказался от обоих вариантов. Они задали себе другой вопрос: как заставить искусственный интеллект работать с корпоративными данными?

Вместо расширения штата подразделений маркетинга и BI (Business Intelligence) они «наняли» AI-агента для маркетинга на платформе Epsilon Workspace.

Этот проект полностью изменил операционную модель. За 7 рабочих дней, не привлекая ни единого программиста, команда маркетологов получила AI-систему, которая:

• Готовит отчёты за 2 минуты, а не за 4 часа.
• Экономит компании 7,2 млн рублей в год.
• Окупила себя за 3 месяца.
• Позволяет 90% запросов решать самостоятельно в привычном Telegram.

Этот кейс — описание того, что для доступа к аналитике больше не требуются ни многомиллионные бюджеты, ни месяцы или даже годы ожидания. Далее мы покажем, как реализовали этот проект и какой получился результат.

Краткое описание

1. Задача

   Устранить «бутылочное горлышко» в доступе к данным, которое тормозило принятие решений. Требовалось освободить квалифицированных маркетологов от часов подготовки отчётов и вернуть их фокус на стратегию и рост бренда. Ключевые условия проекта — скорость реализации и независимость от ИТ-команды.

2. Решение

   Создание AI-агента для маркетинга на no-code платформе Epsilon Workspace. Собранный самими маркетологами, агент был интегрирован с внутренними системами и рекламными кабинетами. Он понимает вопросы в формате разговорной речи и за секунды предоставляет готовые ответы в виде текста, графиков и таблиц прямо в Telegram.

3. Результаты

   Внедрение позволило сократить время на подготовку отчётов на 99% — с 4 часов до 2 минут. Это обеспечило годовую экономию на операционных расходах в размере 7,2 млн рублей и полную окупаемость проекта за 3 месяца. Цикл сбора данных и подготовки отчётов ускорился в 120 раз, а команда получила возможность решать 90% запросов к данным самостоятельно.

Проблема: «Невидимый счёт» на 7 часов за один вопрос

На бумаге затраты на аналитику в компании выглядели предсказуемо: зарплаты сотрудников и стоимость лицензий на BI-систему. Но ежедневно бизнес оплачивал ещё один, «невидимый счёт», который был гораздо выше.

Этот счёт выставлялся не в виде документов, а в виде потерянного времени, упущенных возможностей и демотивации команды. Чтобы понять его реальный размер, рассмотрим типовой рабочий понедельник в отделе маркетинга.

• 9:00. Утреннее совещание. Руководитель задает, казалось бы, простой вопрос: «Вижу, что общие продажи за выходные хорошие. А что у нас с новой линейкой солнцезащитных кремов в Сочи?»
• 9:15. Для маркетолога это означает начало квеста. Он открывает пять вкладок: CRM, рекламный кабинет Яндекса, кабинет VK, внутреннюю складскую систему и BI-платформу. Начинается монотонный экспорт данных и их сведение в Excel.
• 11:30. Спустя два часа борьбы с разными форматами и «съехавшими» ячейками выясняется, что для полной картины не хватает ключевых цифр. Маркетолог ставит задачу в подразделение BI, задача попадает в общую очередь запросов.
• 14:00. BI-аналитик, который до этого готовил срочный отчёт для финансового департамента, наконец-то добирается до задачи. Пишет SQL-запрос, выгружает данные и отправляет их обратно.
• 15:30. Маркетолог сводит все воедино, строит финальный график и готовит выводы.
• 16:00. Руководитель получает ответ на свой утренний вопрос. Прошло семь часов. За это время рыночная ситуация могла измениться, а актуальность ответа снизилась.

Этот цикл повторялся ежедневно. Это и был тот самый «невидимый счёт»: неэффективный, демотивирующий и дорогой процесс.

Решение: AI-агент, собранный за 7 рабочих дней без программистов

Особенностью этого проекта стало то, что инициатива исходила не от ИТ-подразделения, а от самого бизнеса. Команда поняла, что проблема не в данных, а в долгом и монотонном доступе к ним, и решила не «чинить» старый процесс, а внедрить AI-агента. О том, что такое AI-агенты и чем они отличаются от других технологий, мы подробно рассказали в нашем блоге (статья 1, статья 2).

Выбор Epsilon Workspace для разработки AI-агента был основан на трёх факторах:

• Простота работы. Визуальный no-code конструктор позволил маркетологам самим создать инструмент под свои задачи.
• Скорость разработки и внедрения. Вместо месяцев разработки, AI-агента можно было запустить и получить первые результаты уже в течение одной рабочей недели.
• Интеграции. Платформа позволила подключить все нужные системы, хранилища данных, файлы и документы.

Целью был не очередной «генератор отчётов», а настоящий AI-агент для маркетинга, который берёт на себя всю цепочку: понимает заданный пользователем вопрос, сам обращается к данным, анализирует результат и отдаёт готовый, понятный ответ в нужном формате (текстом, голосом, в виде таблицы, графика или документа). Как работают такие агенты, мы описали в статье в нашем блоге.

Этот подход позволил команде получить AI-систему уровня enterprise-решений, но при этом без enterprise-бюджета и сроков.

Как работает AI-агент для маркетинга: от 7 часов к нескольким секундам

«Раньше понедельник начинался со сбора данных. Теперь я за пару минут получаю в Telegram все, что мне нужно на день», — рассказывает Анна, бренд-менеджер

Процесс, который раньше занимал почти весь рабочий день, теперь выглядит просто, потому что вся техническая сложность скрыта «под капотом» платформы.

• Маркетолог или руководитель задаёт вопрос в Telegram. Не нужно думать о SQL, формулах excel, структуре баз данных или о том, где именно взять нужные цифры. Он просто формулирует вопрос голосом или текстом в формате разговорной речи, например: «Покажи продажи солнцезащитных кремов в Сочи за июнь в сравнении с маем?».
• AI-агент находит нужные данные и обрабатывает ответ. Под капотом Epsilon Workspace обращается к нужным источникам, использует целый набор различных технологий и инструментов (Text2SQL, векторный поиск, RAG и другие), переводит вопрос на язык данных. Это и есть настоящая демократизация данных в действии: сложные технология работает незаметно для пользователя и предоставляет результат понятный результат.
• Готовый ответ появляется в том же чате. Через 1-2 секунды в Telegram приходит график, таблица или краткая сводка — именно в том виде, в котором его просили. Задача решена.

Заглянем «под капот»: как AI-агент для маркетинга думает и работает

В основе решения лежит AI-агент, созданный и настроенный на платформе Epsilon Workspace. Давайте разберёмся, из каких основных блоков он собран на платформе Epsilon Workspace. Вся его логика настраивается в визуальном конструкторе, и именно это позволило маркетологам стать архитекторами собственного AI-инструмента.

Блок №1: Единый центр управления данными

Сначала решаем проблему использования данных из разных корпоративных систем. Вместо того чтобы ждать, пока ИТ-отдел или подрядчик напишет сложные интеграции, мы в несколько кликов подключили все источники прямо в конструкторе Epsilon Workspace: CRM-систему (данные о продажах), рекламные кабинеты (Яндекс, VK, и другие), складскую систему (остатки), PIM-систему (атрибуты продуктов), исторические данные из excel-файлов.

Платформа автоматически объединила, очистила и подготовила эти данные для AI-агента.

Блок №2: «Мозг» AI-агента для маркетинга, который понимает бизнес

Это ядро системы, которое учит AI понимать специфику бизнеса. Здесь технологии  (RAG, векторный поиск, NLP и многие другие) превращаются в конкретную бизнес-логику.

Чтобы показать, как это работает, разберем реальный вопрос, который теперь обрабатывается за секунды.

От вопроса в чате до готового отчёта

Представьте, директор по маркетингу пишет в Telegram:

«Покажи динамику продаж третика и ниа по месяцам в Москве, сравни с салицилкой. И какой был ROAS по кампании для санскрина с физиками?»

1. AI-агент для маркетинга понимает язык и профессиональный или корпоративный сленг

С помощью встроенного «Словаря» агент распознаёт профессиональный сленг и соотносит его с названиями и терминами:

• Третик — Третиноин
• Ниа — Ниацинамид
• Салицилка — Салициловая кислота
• Санскрин с физиками — Солнцезащитный крем + фильтр «Минеральные УФ-фильтры»

2. AI-агент для маркетинга знает, где искать ответ и как считать

Чтобы рассчитать ROAS (Return on Ad Spend), он знает, что нужно сделать несколько шагов:

1. Найти расходы: Он обращается к данным из рекламных кабинетов и находит затраты по кампании «Лето в городе» для объявлений, связанных с нужным продуктом.
2. Найти доходы: Затем он идет в CRM-систему и находит все продажи «Солнцезащитного крема с минеральными фильтрами», которые были размечены этой кампанией.
3. Связать и посчитать: Он самостоятельно соотносит доходы с расходами и вычисляет итоговый ROAS.

3. AI-агент для маркетинга быстро отдаёт готовый ответ в удобном формате

Через несколько секунд директор по маркетингу получает в том же чате Telegram ответ:

• График с динамикой продаж по трём продуктам в Москве.
• Краткая сводка: «ROAS по кампании ‘Лето в городе’ для данного продукта составил 450%».

«Раньше, если бы я задал такой вопрос, мой отдел маркетинга потратил бы на него полдня. И скорее всего, они бы принесли мне три разных Excel-файла, сказав: «Данные по составу (физические фильтры) в другой системе, мы не можем их так просто связать с рекламными кампаниями». AI-агент делает то, что не может сделать сотрудник за адекватное время — он проводит сквозную аналитику.» — говорит Игорь, директор по маркетингу

Блок №3: Простой интерфейс и надёжность корпоративного уровня

В этом случае решили подключить AI-агента для маркетинга к Telegram, так как все корпоративные коммуникации в компании выполнялись именно в этом мессенджере, к нему привыкли сотрудники, и команде не пришлось осваивать BI-систему. Интеграция с Telegram, была выполнена в один клик в no-code конструкторе.

Важно, что весь процесс происходит в защищённой среде Epsilon Workspace — платформы enterprise-уровня. Это обеспечивает безопасность данных, разграничение доступа к данным и стабильность сервиса, в отличие от «самописных решений.

Почему это сработало

Такие быстрые результаты — результат решений: правильного выбора проблемы, выбора подхода и выбора инструмента.

1. Удачный выбор сценария для AI-автоматизации

Руководствуясь подходом, созвучным с рекомендациями Gartner (вебинар GenAI & Productivity: Where to Focus for Maximum Impact), компания для нашла такой процесс для первого проекта, который обещал максимальный возврат на инвестиции — автоматизации сложной рутины у высококвалифицированных экспертов.

1. Исполнители: опытные маркетологи и аналитики, чьё время — ценный ресурс компании.
2. Задача: подготовка сводной аналитики из десятка разрозненных систем — сложный, многоэтапный, но при этом механический процесс, на которые нецелесообразно тратить время маркетологов.

Именно этот фокус и стал первым залогом успеха.

«Компания платит маркетологам не за то, чтобы они сводили таблицы, а за то, чтобы они придумывали, как обогнать конкурентов. Благодаря AI-агенту мы «купили» маркетологам время для креатива и стратегии» — говорит Николай, руководитель компании

2. AI, который подстраивается под вас, а не наоборот

Вместо того чтобы ломать рабочие процессы и переучивать команду под новую сложную технологию, компания выбрала другой подход к внедрению — AI, который сам адаптировался к команде.

1. Маркетологам не пришлось учить SQL или Python или разбираться в BI-системе. Они использовали свои главные компетенции — знание бизнеса и умение задавать вопросы.
2. AI-агент для маркетинга «поселился» в Telegram — привычном мессенджере команды маркетинга.
3. Диалог с данными ведётся на разговорном языке, с применением корпоративного и профессионального сленга и специализированных терминов компании.

Этот человекоцентричный подход, в отличие от «директивного» внедрения, обеспечил высокую вовлеченность команды и стал важным условием успешного пилота.

«Быстрые ответы на вопросы напрямую влияют на ROI рекламных кампаний. Я вижу, что кампания неэффективна не в конце месяца, а сегодня, и могу перераспределить бюджет. Это не абстрактная «эффективность» или «трансформация», а сэкономленные и заработанные деньги» — рассказывает Игорь, директор по маркетингу

3. Правильный инструмент: enterprise-ready платформа

Epsilon Workspace снимает главные технические возражения и сочетает простоту для пользователя с возможностями и сервисами, необходимыми для корпоративного использования.

1. А можно ли доверять ответам? Да. Используемые технологии обеспечивают то, что AI-агент для маркетинга использует для ответов только проверенные данные из систем и документов клиента или внешних ресурсов.
2. Справится ли он с нашим «зоопарком» систем? Да. Платформа изначально создана для работы в реальном ИТ-ландшафте, где данные разрознены, и умеет бесшовно их объединять.
3. А как же безопасность и управление? Платформа является Enterprise-ready решением. Она включает в себя систему разграничения прав доступа, которая позволила настроить видимость данных для разных ролей (например, региональные менеджеры видят только свои регионы). Для ИТ-специалистов предусмотрены рабочие места администраторов для контроля и мониторинга системы.
4. Почему это сделали сами маркетологи? Потому что, несмотря на всю мощь «под капотом», пользовательская часть Epsilon Workspace — это no-code конструктор. Работа в нем больше похожа на сборку Lego, чем на программирование.

Результаты внедрения AI-агента для маркетинга: сэкономили 7,2 миллиона и стали работать лучше

Внедрение AI-агента для маркетинга принесло компании два типа результатов: прямые, измеримые в деньгах и часах, и стратегические, которые изменили сам подход к работе.

1. Стали тратить меньше денег

Самым ощутимым результатом стало прямое сокращение операционных расходов. AI-агент для маркетинга не только оптимизировал существующие процессы, но и позволил избежать новых затрат на расширение штата.

Из чего сложилась эта цифра?

Экономия в 7,2 млн рублей — это консервативная оценка, которая складывается из двух ключевых компонентов:

• Прямая экономия (4 млн ₽/год): Компания стояла перед необходимостью расширять команду BI-аналитиков. Внедрение AI-агента для маркетинга позволило полностью закрыть эту потребность и избежать затрат на найм двух новых специалистов или привлечение внешних консультантов.
• Косвенная экономия (3,2 млн ₽/год): Это стоимость высвобожденного времени текущей команды маркетинга. Раньше 5 ключевых сотрудников тратили около 4 часов в неделю каждый на рутинную подготовку отчетов. Теперь это время (около 20 часов в неделю на команду) используется непосредственно для решения профильных задач маркетинга, что напрямую влияет на рост выручки.

2. Стали работать умнее и быстрее

Сэкономленное время (почти полдня в неделю на каждого сотрудника) сразу пошло в дело. Команда смогла:

• Быстро проверять идеи. Не нужно было ждать несколько дней, чтобы понять, работает реклама или нет. Ответ приходил за секунды.
• Перестать тратить деньги впустую. Увидев, что кампания неэффективна, её тут же отключали, а бюджет перебрасывали на то, что действительно приносит доход. Это напрямую увеличило отдачу от вложений в маркетинг.
• Думать о главном. Команда перестала задаваться вопросом «где взять цифры?» и смогла сфокусироваться на вопросе «что эти цифры для нас значат?».

3. Команда стала ещё более продвинутой и самостоятельной: 90% вопросов к данным решаются в Telegram без обращений к подразделение BI

Главным итогом стала независимость. 9 из 10 вопросов к данным маркетологи теперь решают сами, просто написав вопрос в Telegram. Им больше не нужно ждать помощи от подразделений ИТ или BI. А если появляются новые задачи, они могут сами настроить под них своего AI-агента.

«Раньше внедрение искусственного интеллекта мне казалось чем-то из области научной фантастики. С Epsilon Workspace мы собрали решение за неделю — как конструктор! Мы, наконец, занимаемся маркетингом, а не поиском и сведением данных».

— Ксения, маркетолог

Результаты в цифрах

Развитие и планы на будущее: AI, который думает на несколько шагов вперёд

Успех в подразделении маркетинга стал не завершением внедрения искусственного интеллекта, а первым шагом на пути трансформации компании. Лучше всего о будущем проекта говорит само руководство.

«Внедрение AI-агента превзошло наши самые смелые ожидания. Мы не просто решили проблему с отчётностью — мы открыли для себя новый способ управления бизнесом и точно не собираемся останавливаться на достигнутом. Сейчас мы активно работаем над тем, чтобы подобные агенты появились в отделах продаж и логистики.

Наша следующая цель — сделать AI проактивным. Мы хотим, чтобы он не просто ждал наших вопросов, а сам приходил с рекомендациями: «Внимание, продажи в этом регионе падают второй день подряд» или «Поздравляю, эта рекламная кампания показывает рекордный ROI».

По сути, вместе с Epsilon Workspace мы строим цифровую основу нашего бизнеса. Это наше конкурентное преимущество на годы вперед».

— Георгий, директор по развитию бренда

Сравнение подходов: прямой путь к результату вместо сложного

Когда речь заходит об автоматизации аналитики, у бизнеса всегда есть выбор. Но не все пути ведут к цели одинаково быстро и эффективно. Посмотрите, как наш подход отличается от других распространённых примеров автоматизации, которые, по сути, предлагают вам превратиться в ИТ-компаниею, а не заниматься своим основным бизнесом.

1. Epsilon Workspace или самостоятельная разработка (In-house) AI-продукта

Классический путь компаний с большими подразделениями ИТ, Data Science и искусственного интеллекта: месяцы разработки и команды инженеров.

2. Epsilon Workspace или применение узкоспециализированных отдельных AI-инструментов

Утилиты для технических специалистов и программистов, которые автоматизируют отдельные шаги в длинной цепочке (например, генераторы SQL-кода).

Подробнее об особенностях и ограничениях отдельных инструментов для генерации SQL-запросов или программного кода можно посмотреть в нашей статье.

3. Epsilon Workspace или общий ИТ-консалтинг и построение инфраструктуры для AI

Вывод

В нашем случае бизнес-логику и сценарии работы настроили бизнес-аналитики компании, которые понимают процесс. Сделали они это самостоятельно в Epsilon Workspace после короткого обучения, которое мы провели в рамках пилота. В результате задача не ушла «в очередь» к разработчикам на несколько месяцев. Для компании это был первый проект с ИИ, и они смогли проверить свою гипотезу и сделать Proof of Concept в рекордно короткие сроки. На рисунке показан процесс, который получился.

Пока аналитики Заказчика «рисовали» логику работы AI-агента в Epsilon Workspace, их ИТ-команда смогла сфокусироваться на задачах, где их экспертиза была действительно незаменима:

1. Выгрузить «сырые» исходные данные.
2. Согласовать спецификацию на API.
3. Проверить решение на соответствие политикам безопасности.
4. Помочь с качеством данных и метриками.

Другими словами, подразделения ИТ выступают в роли центра экспертизы, а не «рабочих рук», как в случае внутренней разработки такого AI-агента с нуля.

Это сработало, потому что мы изначально проектировали Epsilon Workspace как corporate-ready платформу. Мы понимали, что она будет работать в сложном корпоративном ИТ-ландшафте, поэтому «под капотом» уже есть все необходимые сервисы: от системы разграничения прав доступа до готовых интеграционных модулей. Команде Заказчика не пришлось изобретать велосипед для того, чтобы встроить платформу в свою архитектуру.

Что это даёт компании? Epsilon Workspace становится «мостом» между бизнесом и технологиями. Ваши бизнес-эксперты получают возможность самостоятельно реализовывать свои идеи и приходить к своим командам ИИ и ИТ уже не с проблемой, а с работающим MVP для обсуждения интеграции. А технические специалисты фокусируются на том, что действительно создает стоимость вдолгую: на архитектуре, надёжности и качестве данных.

Именно в такой синергии, на наш взгляд, и заключается современный и эффективный подход к цифровизации.

Прагматичный подход: без хайпа, с фокусом на результат

Сегодня многие компании рискуют потратить деньги на «хайповые» AI-решения, которые не приносят реальной пользы. Этот кейс — пример другого подхода. Вместо абстрактной «AI-трансформации» компания сфокусировалась на конкретной проблеме — повышению эффективности отдела маркетинга. Они выбрали решение, которое:

1. Решало задачу высококвалифицированных сотрудников — опытных маркетологов и аналитиков.
2. Не требовало больших первоначальных инвестиций благодаря готовой no-code платформе.
3. Было напрямую связано с целями бизнеса — сокращением издержек и ростом ROI.

Именно фокус на измеримой пользе, а не на трендах, и стал залогом успеха: быстрой окупаемости и экономии миллионов рублей в год.

Заключение: путь к внедрению искусственного интеллекта — спринт, а не марафон

Распространенное мнение гласит: внедрение искусственного интеллекта — это привилегия технологических компаний с огромными ИТ-бюджетами, предполагающая годы на построение идеальной инфраструктуры и архитектуры данных.

Этот кейс показывает, что сегодня это не так. Бизнес может «перепрыгнуть» через классические многомесячные и многомиллионные проекты. Выбрав правильный инструмент, можно получить AI-систему уровня больших корпораций без затрат уровня больших корпораций.

Вместо того чтобы нанимать новых аналитиков и раздувать бюджет, компания направила ресурсы на решение конкретной бизнес-задачи и получила результат, измеримый в миллионах сэкономленных рублей.

И это только начало. Доказав свою эффективность в подразделении маркетинга, AI-агент готовится к масштабированию на подразделения продаж и логистики. Следующий шаг — внедрение проактивных сценариев, когда система не ждет вопроса, а сама приходит с рекомендациями. Это поможет подразделениям реагировать на любые изменения в режиме реального времени.

Запишитесь к нам на демо Epsilon Workspace сегодня, и уже на следующей неделе AI-агент начнёт отвечать на вопросы и готовить отчёты по вашим данным.