Как компании используют искусственный интеллект и нейросети в маркетинге: реклама, персонализация предложений и работа с контентом. Реальные кейсы внедрения с задачами команд, результатами и источниками.
Кейсов внедрения: 164.
Алгоритм определяет, повысит ли скидка вероятность заказа в конкретном ресторане, и распределяет заданный партнёром бюджет между поднятием ресторана в выдаче, скидкой на доставку или сочетанием сценариев.
Инструмент запущен осенью 2025 года; фактический рост заказов не раскрыт.
Специализированная ИИ-модель автоматически генерирует вероятные варианты написания названий ресторанов и встраивает их в поисковые системы сайта и мобильных приложений.
По заявлению представителя компании, поиск стал удобнее, а встроенные в страницы варианты повышают видимость в поисковиках и привлекают дополнительный трафик.
ИИ-агент встроен в рекламные процессы: ускоряет создание текстов и креативов, выполняет функции модератора и таргетолога и помогает планировать рекламные кампании.
В 2025 году сэкономлено 150 млн рублей и на 30% улучшены финансовые показатели в производстве креатива.
В одном из продуктов используются российские нейросети для оценки видимости брендов в выдаче.
Количественный эффект не раскрыт.
Система подбирает клиенту персональное предложение из более чем 10 000 вариантов.
На искусственный интеллект переведены 100% розничных сервисов банка.
ИИ используется для персонализации предложений клиентам.
Заявлен рост конверсии с 15% до 31,5%.
В систему продаж интегрирован искусственный интеллект, анализирующий звонки и переписки, определяющий мотивацию покупателей по функциональному, эмоциональному и социальному уровням, сегментирующий клиентов и подсказывающий менеджерам следующий шаг.
Система помогает оптимизировать взаимодействие с клиентами и рекламу; количественный эффект не раскрыт.
Рекомендательная система анализирует поведение клиентов и предлагает банковские продукты в мобильном приложении.
Автор статьи заявляет рост дохода от перекрёстных продаж на 34% и customer lifetime value на 28%.
Ведутся R&D-работы по категоризации клиентов на целевые аудитории и прогнозированию дальнейших действий клиента.
Решения предназначены для повышения эффективности удерживающих рекламных кампаний.
Банк применяет модели для анализа предпочтений клиентов в реальном времени.
Результат именно этого процесса не раскрыт.
Алгоритмы подбирают ассортимент, глубину скидки и тип промоакции.
Количественный эффект не раскрыт.
Т2 внедрила собственный ИИ-модуль в Telegram-чат-боте для проверки корректности и актуальности POSM-материалов по фотографиям из торговых точек.
Бот ежемесячно проверяет свыше 80 тыс. фотографий; за всё время проверено более 400 тыс. фотографий; экономия на автоматической модерации составила более 25 млн рублей в год.
Банк использует Phygital+ и генеративные пайплайны для поиска идей, проверки гипотез, создания визуальных концепций, рекламных кампаний, баннеров и SMM-контента.
С ИИ запущено более 30 федеральных рекламных кампаний в 2025 году; источник сообщает о 44% визуального SMM-контента, а в другом фрагменте — о доле до 80%; 68% специалистов видят ускорение работы.
В email-платформу встроен low-code редактор, который генерирует темы, прехедеры, варианты для A/B-тестов и графику, а также помогает редактировать текст.
Темы и прехедеры создаются за 5–10 секунд, варианты A/B-тестов — за несколько минут; один специалист собирает письмо на 70–80% быстрее.
Платформа передала нейросети подготовку описаний лекарственных средств и БАД на основе данных продавцов.
Количественный эффект не раскрыт.
Нейросети применяются для генерации и обработки маркетингового контента, включая карточки товаров, рекламные кампании и видеоролики.
Количественный эффект не раскрыт.
ИИ адаптирует инвестиционное приложение под интересы и запросы пользователя.
Количественный эффект не раскрыт.
ИИ создаёт описания и изображения товаров для разных площадок и проверяет тексты на уникальность и уровень спама.
Бюджет на создание контента снизился на 95%.
ИИ анализирует покупки, просмотры, корзину, выкуп и возвраты и формирует индивидуальные скидки.
Статья заявляет рост продаж и среднего чека без количественной оценки.
Алгоритмы машинного обучения предлагают подходящие по цвету и стилю одежду, обувь и аксессуары.
не раскрыто
Компания использует RFM-сегментацию, хранилище признаков и ML для прогнозирования спроса, управления маркетинговыми инвестициями и персонализации клиентских коммуникаций.
Заявлены рост ROI и миллиарды рублей дополнительной выручки.
Нейросеть «Екатерина» используется для персонализации рекомендаций одежды покупателям независимо от бренда и цены.
Сервис чаще показывает покупателям модную одежду.
ИИ анализирует предпочтения, частоту заказов и отзывы клиентов; на этой основе формируются персонализированные акции и скидки, создаются и тестируются рекламные креативы, а также отслеживаются негативные комментарии.
Заявлены рост конверсии и лояльности, а также оперативная реакция на негативную обратную связь; количественные показатели не раскрыты.
В Ленте ВКонтакте построили отдельный товарный контур со своим логированием, селекторами кандидатов, моделью ранжирования и выделенной квотой в выдаче.
Пользователи получают товарные посты авторов и могут переходить к покупке у первого партнёра — Ozon.
На платформе ML Space доработали и дообучили модель DeepFaceLab, после чего заменили лицо дублёра цифровым образом актрисы в рекламном ролике марки Liebendorf.
Подготовка к съёмкам заняла неделю вместо примерно месяца; на статье затрат на участие звезды сэкономили 25%.
Контекст push-уведомлений меняется с учётом предыдущих взаимодействий, задач, привычек и стиля клиентов.
Отклик аудитории вырос на 10%.
Getblogger автоматизировала медиапланирование с помощью ИИ и Big Data.
Количественный эффект не раскрыт.
Автоматизировала создание 3D-туров новостроек с помощью нейросетей.
Автоматическое создание виртуальных моделей квартир.
Внедрена централизованная витрина эмбеддингов, объединяющая транзакции, связи, балансы и кредитную историю; графовые признаки используются в прогнозных моделях.
Прирост GINI составил от 1,5 до 6 процентных пунктов в зависимости от задачи; модели применяются для оценки дефолта, склонности к продукту и аномального поведения.
SEO-специалист добавляет темы в Google Таблицу. Сервис формирует запросы, вызывает Deep Research по API, делает внутреннюю перелинковку, проверяет уникальность и публикует текст.
В тестируемой цепочке генерация статьи стоит 500–700 рублей.