Боевые замеры кликабельности и продаж: когда ИИ обходит человека
Главный практический вопрос к рекламе с участием нейросетей прост: действительно ли ИИ-креативы приносят бизнесу результат или они только выглядят готовыми к показу? В полевом сравнении ИИ-портфель показал более высокий CTR, а коммерческие кейсы сообщали об отдельных результатах по добавлениям в корзину, ROAS и стоимости привлечения. В независимом полевом сравнении в Instagram для бренда товаров для активного отдыха сгенерированные фоны показали средний CTR (отношение кликов к показам) 0,98% против 0,65% у профессионального дизайнера и 0,78% у ИИ-модели, настроенной только на эстетику.
Преимущество возникло не из-за мифической гениальности генератора картинок, а благодаря системе активного отбора: алгоритм сопоставлял гипотезы с прогнозом отклика и жестко фильтровал варианты по стандартам бренда. В сообщении INFORMS сказано: «Макеты проверили на соответствие стандартам бренда и испытали в полевых условиях» (перевод). При повторном сравнении через 18 месяцев старый сгенерированный портфель показал средний CTR 3,38% против 3,24% у текущих объявлений компании, созданных людьми.
Однако кликабельность отражает лишь внимание пользователей, а бизнесу нужны действия на посадочной странице и продажи. В коммерческом A/B-тесте (сравнении контрольного ролика и нового варианта в сопоставимых условиях) австрийского бренда детских товаров MAM на Prime Video сгенерированный ролик привел к росту добавлений в корзину на 39% при снижении стоимости такого действия на 28%. Сравнение креативов MAM проводилось в одинаковых условиях и при равных рекламных бюджетах, при этом оба ролика получили почти одинаковое число показов.
Производитель Brooks Running использовал платформу Adora для создания более 1 500 вариантов объявлений для 40 товаров без увеличения бюджета. По данным поставщика Adora, кампания обеспечила рост окупаемости расходов на рекламу ROAS на 107% год к году, снижение стоимости привлечения CPA на 53% и 1,8 млн долларов дополнительной выручки.
Предтестирование и доверие людей: где граница допустимого
Распространенная ошибка при запуске рекламы — оценивать макеты исключительно по субъективному вкусу директора или дизайнера. С помощью нейросетей можно создавать проработанные рекламные объявления для предварительного тестирования еще до этапа финального производства. В исследовании журнала Scientific Reports в протестированных условиях между сгенерированными статичными и видеообъявлениями и реальной рекламой не обнаружили статистически значимых различий по запоминаемости, выбору бренда и отношению к рекламе. В этом эксперименте все сгенерированные материалы тщательно отбирались, проходили профессиональную проверку и несли фактическую информацию о товаре, а не эмоциональный опыт.
Предтест позволяет проверить реакцию аудитории на черновой ролик до того, как команда потратит ресурсы на финальное производство. Если концепция не вызывает интереса в черновом варианте, полировка графики вряд ли спасет кампанию от провала. При этом характер контента имеет решающее значение для восприятия бренда потребителями.
Границы терпимости потребителей четко очерчивает социология. В исследовании института Gallup участвовали 3 607 совершеннолетних респондентов из США в период с 16 июля по 6 августа 2026 года. По данным опроса Gallup летом 2026 года, 49% взрослых американцев относятся к использованию нейросетей в рекламе отрицательно, 19% — положительно, а 30% — нейтрально. Отношение напрямую зависит от того, какую именно роль берет на себя искусственный интеллект.
В опросе Gallup 75% взрослых США комфортно относятся к тому, что компании используют ИИ для раннего мозгового штурма и первых рекламных идей; 53% — к тому, что ИИ создаёт финальный рекламный текст, изображения или видео без участия человека, а 38% — к созданию изображений людей или клонированию голосов в рекламе. Опрос показывает, что взрослые США комфортнее относятся к ИИ на этапе ранних рекламных идей, чем к изображениям людей и клонированию голосов.
Где генерация помогает рекламной команде
На выбор способа влияет характер задачи: редкая статика, видео с реальным товаром и серия вариантов для проверки требуют разной работы. В одном случае важно сохранить тон бренда, в другом — точность съёмки и согласование, а в третьем — время на отбор и контроль сгенерированного результата.
В кейсе Amazon Ads для новой линейки Boost Oxygen команда использовала брендбук, готовые видео, 3D-рендеры и фотографии продукта; там же указано, что традиционное видеопроизводство компании прежде занимало два-три месяца.
В кейсе агентства Viral Groww для бренда PPOP за 25–30 дней протестировали около 25 вариантов креативов. Отчет по одной из групп объявлений за август показал рекламный расход в размере 36 553,32 индийских рупий и 92 покупки на сайте.
| Вариант | Когда подходит | Что входит в работу | Что остаётся за командой |
|---|---|---|---|
| Фриланс-дизайнер | Редкая статика и сохранение характера бренда | Макет и возможные адаптации | Бриф и приёмка результата |
| Агентство или видеопродакшн | Реальные люди или товар, сложное согласование | Бриф, сценарий, съёмка и монтаж | Проверка точности и утверждение |
| Самостоятельная генерация | Фоны, композиции и черновые варианты | Генерация и время на отбор | Проверка товара, бренда и формата |
| Гибрид: реальные кадры и сгенерированные сцены | Достоверный товар в разных контекстах | Материалы товара и генерация сцен | Проверка каждого варианта |
От креатива к решению о бюджете
Массовая генерация меняет роль маркетинговой команды: вместо оценки одного готового макета она выбирает направление, задаёт критерии бренда и смотрит, какой вариант работает в кампании. В кейсе INFORMS алгоритм подбирал следующие изображения по прогнозу отклика и соответствию бренду.
Управленческий вывод — распределять следующий бюджет по результату кампании, а не по личному вкусу к макету. Генерация поставляет варианты; решение о продолжении остаётся за командой.
Что это меняет в решениях руководителя
Переход к генеративным макетам меняет саму структуру обязанностей внутри маркетинговой команды. Руководитель перестает быть заказчиком, который оценивает штучные макеты исключительно по личным эстетическим предпочтениям. Генерация расширяет творческий набор вариантов, но отбор гипотез, проверка соответствия бренду и чтение результатов тестирования остаются частью работы команды.
При этом само по себе число сгенерированных картинок не является результатом: практический смысл появляется, когда сопоставимые варианты проверяют на равных бюджетах и одинаковой аудитории. Для штучных задач и точной демонстрации реального товара надежнее опираться на привычную съемку и дизайнеров, а генерацию подключать там, где нужно быстро протестировать разные варианты фонов, композиций и рекламных сообщений.
Частые вопросы
Какие есть примеры использования ИИ в рекламе?
В живом сравнении INFORMS AI-портфель получил средний CTR 0,98% против 0,65% у профессионального дизайнера. В A/B-тесте MAM AI-ролик дал на 39% больше добавлений в корзину при снижении стоимости такого действия на 28%.
Что меняется в рекламной кампании, если креативы создаёт ИИ?
Команда может быстрее подготовить несколько вариантов, отобрать их по отклику и проверить в действующей кампании. В исследовании INFORMS генерация была частью системы с прогнозом отклика, проверкой соответствия бренду и полевым тестированием.
Как создать рекламу с помощью искусственного интеллекта?
Исследование описывает цикл проверки: сформулировать одну гипотезу, подготовить варианты, проверить соответствие бренду и сопоставить их в равных условиях по выбранному показателю.
Источники
- AI-generated ads outperform human designers in live campaign, advantage holds 18 months later — EurekAlert! / INFORMS, 21 августа 2026 г.
- Pretesting with AI-generated static and video ads — Scientific Reports, 15 августа 2026 г.
- Americans Aren’t Sold on Businesses Using AI in Advertising — Gallup, 19 августа 2026 г.
- MAM + Remazing — Amazon Ads, 30 сентября 2026 г.
- Brooks Running / Adora — Demand Gen Report, 13 августа 2026 г.
- PPOP — Viral Groww, 22 сентября 2026 г.
- Boost Oxygen — Amazon Ads, 30 сентября 2026 г.