Нейросеть даёт контур — маркетолог с методологией заполняет его данными из кастдевов и конкурентного анализа. Разница в результате: конверсия рекламы вырастает в 2−3 раза при сегментации на основе реальных интервью против обобщённого портрета ЦА.

ChatGPT на подробный бриф стоматологической клиники выдаёт документ на 18 страниц с оглавлением и структурой.

Проблема не в объёме — проблема в том что документ написан на основе усреднённых данных из интернета, а не на данных конкретного бизнеса.

Промпт мы составили максимально подробно — роль, контекст, задача, формат:

«Ты маркетолог-стратег с 10-летним опытом. Разработай маркетинговую стратегию для стоматологической клиники в Москве. Специализация: имплантация. Средний чек: 120 000₽. Рекламный бюджет 300 000₽ в месяц. Поток: 40 первичных пациентов. Цель: 80 за 6 месяцев. Включи: анализ ЦА, конкурентный анализ, позиционирование, каналы, контент-стратегию, KPI, бюджет.»

«Мужчины и женщины 30−55 лет, средний и выше среднего доход, проживающие в Москве. Ценят качество, безопасность и современные технологии. Ищут клинику с хорошей репутацией и опытными врачами».

«На рынке стоматологии Москвы работают крупные сети и частные клиники. Конкуренция высокая. Основные преимущества конкурентов: широкий спектр услуг, удобное расположение, программы лояльности».

«Яндекс.Директ, Google Ads, Instagram*, ВКонтакте, SEO, контент-маркетинг, работа с отзывами на агрегаторах».

«Увеличить количество первичных пациентов до 80 в месяц. Снизить стоимость привлечения на 20%. Повысить конверсию сайта до 5%».

Замените «стоматология» на «автосервис» или «частную школу» — описание «мужчины и женщины 30−55, ценят качество и безопасность» останется тем же. ChatGPT не знает кто реально приходит в эту конкретную клинику.

Он не разговаривал с пациентами. Не выяснил что 42% людей которым нужна имплантация в Москве — женщины 45−60 которые боятся боли больше чем цены и принимают решение 2−6 месяцев. Или что 27% обращений — мужчины 35−50 которым важна скорость: «хочу решить за три визита».
Без этого понимания невозможно написать рекламный текст который привлечёт конкретного человека с конкретным страхом.

«Яндекс.Директ, Google Ads, Instagram*, ВКонтакте, SEO, контент-маркетинг, агрегаторы» — это перечень всего что существует на рынке.

Для клиники с бюджетом 300 000₽ запускать семь каналов одновременно значит размазать деньги так тонко что ни один не даст результата. Настоящая маркетинговая стратегия с помощью ИИ отвечает на вопрос «куда вложить первые 100 000₽ чтобы получить максимум заявок». ChatGPT на этот вопрос не ответил.

«80 пациентов в месяц, снизить CPL на 20%» — откуда эти цифры? Нейросеть не рассчитала текущую стоимость привлечения одного пациента, не посчитала при каком бюджете клиника выходит в плюс, не спрогнозировала конверсию на каждом этапе воронки.

Число «80» может оказаться как заниженным так и физически недостижимым при текущих ресурсах. Без расчёта KPI — это пожелание, а не план.
Все три проблемы сводятся к одному: ChatGPT написал документ на основе общедоступной информации, без данных конкретного бизнеса. Результат подходит одновременно всем — и никому.

Нейросети для маркетинга ускоряют обработку: 12 интервью анализируются за 40 минут вместо двух дней. Но провести сами интервью может только человек.

Вот как выглядит тот же блок «целевая аудитория» после 12 кастдев-интервью с реальными пациентами клиники — обработанных через ИИ для маркетолога:

По этим данным — три разных рекламных объявления, три разных лендинга, три разных скрипта для администратора. Каждый бьёт в конкретный страх конкретного сегмента.

Результативность рекламы при такой сегментации вырастает в 2−3 раза — человек видит в объявлении свою ситуацию, а не общие слова про «качество и безопасность».

До обучения Маргарита использовала нейросети примерно так как в нашем эксперименте: задавала промпт, получала текст, дорабатывала руками. После — начала работать по-другому.

Проводить кастдев и загружать расшифровки в обученную нейросеть для выделения сегментов. Анализировать конкурентов через DeepSeek и SpyWords — не «три названия», а 15–20 компаний с бюджетами и слабыми местами. Считать юнит-экономику и давать заказчику конкретный прогноз вместо «примерных KPI».

Её слова: «Увидела насколько глубже можно анализировать нишу — и насколько поверхностно я работала раньше».

Заказчики ощутили разницу сразу. Когда маркетолог приходит на защиту стратегии с дословными цитатами покупателей, расчётом окупаемости и прогнозом заявок по каждому каналу — вопрос «почему это стоит 1 500 €» не возникает.

Другая выпускница программы: «Я прошла три курса по нейросетям. На первых двух получила 200 промптов и использую штук 5. На ELPODIUM за время обучения собрала стратегию для заказчика и продала за 1 800 €. Разница не в промптах — мне дали систему, а не набор кнопок».

По данным Sostav.ru, в 2026 году большинство маркетинговых команд уже используют ИИ в ежедневной работе. Нейросети стали базовым инструментом: ими пользуются все. Конкурентное преимущество теперь не в том чтобы использовать ChatGPT — а в том чтобы знать что в него загрузить и что делать с результатом.

Проверьте свою последнюю стратегию по трём вопросам:

Описание аудитории основано на интервью с реальными покупателями — или на предположениях? Если вы ни разу не разговаривали с покупателями этого конкретного бизнеса, ваше описание аудитории по глубине не отличается от того что выдал ChatGPT. Различаются формулировки — но не качество данных.

Вы можете назвать рекламные бюджеты хотя бы пяти конкурентов заказчика? Если нет — конкурентный анализ отличается от анализа ChatGPT количеством текста, но не глубиной.

Вы можете сказать заказчику «при бюджете 300 000₽ ожидайте 85 обращений в месяц с конверсией 30%» и обосновать каждую цифру расчётом? Если прогноз выглядит как «увеличим поток на 20−30%» — он по точности не отличается от прогноза ChatGPT.