Нейросети в маркетинге: все гораздо сложнее, чем кажется
Разговоры об ИИ в маркетинге часто сводятся к тому, что нейросети заменят людей. На практике картина гораздо сложнее. Наталия Михалева, директор по развитию click.ru, рассказала, где нейросети действительно дают эффект, а где ожидания сильно расходятся с реальностью.Что происходит с нейросетями в маркетингеПо данным исследований, до 89% маркетологов пользуются ИИ-инструментами в повседневной работе. При этом вполне вероятно, что реальная цифра выше.Вместе с этим меняется цифровой контент. Около 52% статей в интернете сегодня
Как попасть в ответы нейросетей: ChatGPT, Google AI, Яндекс.Алиса, Perplexity, Claude, Gemini, DeepSeek
Как далеко вперёд собирается рынок?Цифры и впечатляют, и оставляют за собой кучу вопросов одновременно:Глобальный рынок генеративного ИИ растёт кратно: оценки доходят до $1,3–1,5 трлн к 2032–2035 годуТолько рынок LLM прогнозируется на уровне $149+ млрд к 2035 годуВ России — рынок ИИ уже измеряется сотнями миллиардов рублей и растёт двузначными темпами ежегодноИ главное — каждый третий пользователь уже использует ИИ для принятия решений (покупки, выбор подрядчиков, анализ)
GEO-AEO для B2B: почему AI почти не рекомендует ваш SaaS, даже если сайт сделан нормально
У B2B SaaS сейчас появилась новая проблема, которую многие команды еще недооценивают.Компания может сделать нормальный сайт. Аккуратный лендинг. Понятный продукт. Базовое SEO. Несколько кейсов. Блог. Документацию. Но когда потенциальный клиент спрашивает ChatGPT, Gemini, Perplexity или другую модель: «какие сервисы стоит рассмотреть для этой задачи?», бренда в ответе часто просто нет.И это уже не разовая аномалия. По данным
Убейте это немедленно: делаем худший поиск на рынке
За последние шесть лет я прошёл через дюжину проектов, связанных с поиском. Роднило их немногое, кроме того, что практически в каждом я обнаруживал одни и те же ошибки. Не сговариваясь, разные команды спотыкались в одних и тех же местах. Эта статья — каталог самых живучих ошибок при проектировании поиска, кочующих из проекта в проект. Примеры построены на ElasticSearch, но большинство пунктов применимы к любому поисковому стеку.Статья будет полезна как тем, кто еще не делал поисковых систем и столкнулся с проблемой "чистого листа", так и тем, кто уже имеет какой-то поиск и нутром чует неладное, но не может понять, что не так.
Как попасть в ответы ИИ: Алисы, Gemini, Claude, ChatGPT. GEO-кейс B2B производителя лазерного оборудования
Женя ВанжулаОснователь маркетинг-агентства AdsON
Как собрать систему захвата ниши: семантика, архитектура сайта, LLM-пайплайн и подготовка к AI-поиску
LLM не превращает бардак в систему. Он просто масштабирует его быстрее.SEO‑индустрия умеет делать две вещи особенно стабильно. Во‑первых, каждые несколько лет торжественно объявлять свою смерть. Во‑вторых, продавать одни и те же хаотичные процессы под новыми словами. Раньше это называлось «контент‑маркетинг», потом «topic clusters», потом «programmatic SEO», теперь на сцену влетели LLM, AI Overviews, GEO, AEO и еще десяток аббревиатур, от которых у любого редактора дергается глаз.
Почему нам пришлось превратить нормативные документы в граф, а не просто загрузить их в векторную базу
Когда говорят про RAG, обычно имеют в виду довольно прямую схему: взять документы, нарезать их на фрагменты, посчитать эмбеддинги, сложить всё в векторную базу и поверх этого подключить LLM. На демо это часто работает. Иногда работает и на корпоративных данных. Но на нормативных документах такой подход очень быстро начинает сыпаться.
