Как делать аналитику рекламы с помощью ИИ: примеры промптов

Когда рекламных кампаний становится больше, ручной анализ начинает съедать почти всё рабочее время: данные собирают, сводят, проверяют, но до решений дело доходит медленно. Богдан Непряхин на «Питерском промпте» показал, как делать анализ данных в рекламе с помощью ИИ без сложного программирования и выстроить систему — от подготовки данных и промптов до собственной модели, которая находит точки роста и формирует план работы. Собрали конспект его выступления.

Проблемы с анализом данных в рекламных кампаниях

Если у вас в работе много рекламных кабинетов и нужно постоянно держать руку на пульсе, то собирать данные или инсайты проблематично. 90% времени маркетолога уходит на рутину вместо поиска инсайтов.

С этой проблемой столкнулся Богдан Непряхин — руководитель агентства аналитики и интернет-рекламы bijobs. Он поставил перед собой задачу: каждый день не тратить много времени на сбор данных, их оценку и визуализацию, а просто начинать рабочий день, сразу видеть точки роста и идти работать. 

В основе всех методов, которые компания Богдана использует в работе, лежит машинное обучение. Основной источник данных — Яндекс Директ. Он позволяет давать наиболее объёмный информационный пласт, с которым можно системно работать и выстраивать аналитику рекламы. В других рекламных площадках тоже есть разделы отчётности, но прозрачность таргетов и статистики сильно уже.

Если нет системного подхода к анализу данных в рекламе — вы принимаете решения медленнее, а эффективность рекламных вложений снижается. А типичная Excel-таблица с тысячами строк не даёт ответа на главный вопрос: «Что важно?»

ИИ может выступать как личный помощник аналитика рекламы в Яндекс Директ — не заменяя экспертизу, а усиливая её.

Но есть «но».

Богдан Непряхин: «В деле, связанном с нейросетями, в магическом обучении, — когда ты отдаёшь табличку, она тебе возвращает обратно, — необходимо учитывать много факторов, которые являются проблемой для нейросетей. Нельзя взять и быстро проанализировать данные. К примеру, когда вы говорите: сделай мне фотографию с котиками, допустим, семь котиков, она почти чётко справляется с задачей. Когда отдаёшь таблицу и говоришь “проанализируй мне что-то”, если ты её не подготовил к этому испытанию, то точно будут проблемы у ИИ, она адекватного ответа не даст».

Причины сбоев ответов ИИ

• Первичная проблема — качество и полнота данных

В разных рекламных кабинетах система формирует отчёты. Каждый отчёт — это разная система полей, строк, заголовков. Каждый раз нужно готовить ИИ к тому, что сейчас вы отдадите информацию. Плюс данные по полноте могут иметь пробелы в значениях.

Например, вы неделю не показывали рекламу, у вас нет информации по этой неделе. Если вы дадите эти данные в систему для оценки в нейросети, она скажет, что у вас были проблемы на прошлой неделе. Из-за этого она может делать неправильные выводы относительно работы вашей текущей рекламы. И это нужно учитывать, заранее составляя алгоритмы.

• Нейросеть — «чёрный ящик»

Непонимание алгоритмов и принципов построения промпта, того, зачем он нужен, как вообще запрос передаётся туда-обратно, — это на самом деле не проблема. Например, вайб-кодинг позволяет вообще не понимать, как работает ИИ, но получать результат. 

Но если вы хотите решать системные задачи, делать, например, аналитику логистических маршрутов, добычи полезных ископаемых, аналитику HR-процессов, и у вас при этом нет понимания, как выстроить логику учёта этих данных, то, скорее всего, нейросеть в анализе данных будет очень слабо вам полезна.

• Переобучение и нестабильность ИИ

Например, если вы в одном диалоге часто с ней общаетесь, начинает сильно галлюцинировать и выдаёт ошибки. 

• Ресурсоёмкость и ROI внедрения

У вас должен быть человек, который отвечает за аналитику всего процесса: с зарплатой, оборудованием. Это всё стоит денег. И нужно понимать, насколько это целесообразно для вашего бизнеса. 

• Этика и персональные данные

Если вы заливаете в сеть какие-то ключи, токены, персональные данные, то есть риск, что когда-нибудь кто-нибудь сделает запрос к современной нейронке, и она их отдаст. Чтобы другой пользователь мог использовать ваши токены и ключи для своих личных целей. 

• Динамика развития рынка LLM-моделей

Рынок развивается очень быстро, за год выходит много новых нейросетей, меняются подходы к работе. И всё, чему вы один раз обучились, через полгода может уже вообще не иметь смысла. 

Самая большая проблема — ощущение того, что ИИ — это вообще какая-то магия. Люди отдают туда информацию, получают ответ — а вместе с ним и выброс дофамина, и ощущение счастья из-за того, что она работает, «я могу ничего не делать». Особенно заметно это в общении с заказчиками, когда они говорят «да засунь в нейросеть, она тебе сайт сама соберёт», или «отдай рекламу компании, она всё сделает сама, напишет объявление». Возможности ИИ сильно переоценены на сегодняшний день. Потому что есть очень много проблем, особенно в данных. 

Решения при использовании ИИ в работе с анализом данных

В основе работы команды Богдана — внутренние регламенты, которые 9 лет вырабатывали для работы с рекламным кабинетом. 

Какой путь прошли

1. Задокументировали на 30 страницах логику работы с Яндекс Директом 
2. Загрузили свою логику в Claude Opus 4.5 
3. Обучили модель своим «приёмчикам»
4. Составили промпты для автоматической проверки рекламы

За счёт того, что ИИ понимает теперь, как всё должно работать, составили промпты для автоматической проверки рекламы. На основе этих промптов получается, что  когда передают данные на оценку, нейросеть оценивает их таким образом, как это сделал бы живой человек. 

Промптами Богдан делится в своём боте.

Как применить это в своём проекте?

1. Скачать нужный промпт.
2. Выгрузить отчёт из Мастера отчётов в Яндекс Директе (Excel) 
3. Загрузить Excel и вставить текст промпта в ChatGPT/Claude/DeepSeek 
4. Для поисковых запросов — заменить [УКАЖИТЕ ТЕМАТИКУ] на свою

Анализ площадок РСЯ

Разберём, как проводить анализ баннеров и площадок в рекламной сети Яндекс.

Пример промпта для анализа объявлений

В интерфейсе Яндекс Вебмастера нужно выбрать «Отчёт по площадкам» — «Отчёт по аудиториям» — «По поисковым запросам», выбрать период для оценки и посмотреть, что происходило в вашей рекламной системе.

После этого нажмите «Скачать», выберите период. Всё уже сгруппировано по нужным параметрам и полям.

Скачиваете документ в Excel. 

Если у вас нет бюджета, платных подписок и вы только начинаете работать с ИИ, то важно знать: у базовой бесплатной версии ChatGPT не хватит токенов для анализа документа. 

Поскольку команда начинала в режиме экономии, то искали другие бесплатные сервисы. Начали с Гигачата. Эта нейросеть смогла быстро справиться с задачей, разложила всё по заданным критериям и показала, где есть проблема.

Но выводов и аналитики рекламы в Яндекс Директ не сделала, только выделила мусорные площадки, и то не все. Такого анализа достаточно для того, чтобы просмотреть, как у вас сейчас выглядит работа и насколько вы перерасходовали деньги за период.

Дальше пошли в Алису AI. Пока она ещё недостаточно умна для работы с Excel-ками, если вы даёте ей документы, она может вас послать просто учить Python.

Если у вас ограничены бюджеты, но очень хочется начать с чего-то в нейронке, или просто посмотреть, как это работает, Богдан рекомендует DeepSeek. 

Эта нейросеть неплохо разобрала всю систему и чётко проанализировала данные. 

DeepSeek в рамках заданного промпта определил площадки, по которым нужно работать, сделал выводы и подсветил слабые места.

Из хорошего — под каждую итерацию нейросеть выдаёт свои данные, она работает не по одному шаблону. 

Однако фаворит для анализа данных для команды Богдана — это Claude с версией Sonnet. Она хорошо раскладывает ответ на таблицы, которые можно скачать. Сразу составляет список и даёт подробные рекомендации.

У Claude есть набор бесплатных запросов, их хватает, чтобы раз в неделю или раз в месяц специалист мог выгрузить данные из рекламного кабинета и использовать для анализа.

Анализ поисковой рекламы

Та же самая история с поисковыми запросами, когда нужно найти минус-фразы. Для этого анализа использовали также Claude и DeepSeek.

Передали промпт и условия, по каким критериям нужно отминусовать площадки.

В промпте заданы условия, к какой нише относится компания, чтобы система точно понимала, какие запросы не являются целевыми.

DeepSeek достаточно тривиально решил задачу. Первичные запросы, которые он выбрал, общие и понятные. 

Claude же собрал не просто аналитику — он проанализировал запросы на предмет того, сколько потратили денег, какой перерасход, что можно было бы сэкономить.

Богдан Непряхин: «Одна из идей, почему стоит использовать в рамках анализа данных нейросети, — это стандартизация процесса оценки того, что ты делаешь. Потому что часто, когда в команде работают разные специалисты, у каждого есть своя школа, свой бэкграунд, свой подход к работе с данными. Из-за этого их отчёты будут отличаться». 

Анализ объявлений

Есть структура объявлений и рекламной кампании, заголовки, тексты, фразы — и всё это нужно проанализировать, так же, по заданным критериям.

Использованный промпт

DeepSeek написала паттерны креативов на основе того, что есть объявления с разными заголовками для тестирования, разными текстами, система на основе показателей, которые в этом Excel-файле собирали. Она может проанализировать, дать данные, как работали объявления.

Она выделила топовые заголовки, лучшие конверсии — чтобы собрать такую аналитику рекламы человеку и делать это регулярно, нужно тратить день. А ИИ справился за пару минут.

Claude в процессе анализа написал целых 7 листов глубокой аналитики контента. Почему можно использовать материал, почему нет. Разделил поиск для разных форматов и кампаний. 

Подписал, сколько денег слили впустую, какие креативы не давали эффекта. 

Результат внедрения ИИ в анализ данных в рекламе

Результаты до внедрения ИИ в анализ объявлений:

• меняли объявления только в момент угасания обращений 
• не было системности в циклах замены 
• A/B-тесты эпизодичны. Идеи чаще всего от заказчика, 1 раз в месяц 
• новые инсайты из кабинетов Метрики + Директа и в среднем были 1 раз в месяц.

Результаты после внедрения оперативного анализа

• Директолог в начале недели оценивает все кабинеты. Сразу видит план работы на неделю. Новые инсайты для доработок кабинетов приходят еженедельно (каждые 10 дней) без привязки только к лидам. Прирост в 4 раза к работе с инсайтами.
• Сразу можно показать клиенту фактическую экономию от внедрённых решений.
• План A/B-тестирования теперь формируется системно на месяц, с разбивкой плана по 10 дней, а идеи тестирования могут учитывать ранее не очевидные гипотезы. Это в 4 раза чаще, чем ранее.
• Идеи тестирования могут учитывать по ранее не очевидным гипотезам.

Где тут деньги? Реальная помощь нейросети не в том, чтобы просчитать здесь и сейчас финансовую выгоду (особенно если это не реклама Газпрома с миллиардными оборотами). Если мы говорим про частный бизнес с обычными расходами, то здесь скорее речь про трудозатраты. Этот инструмент применяется в ежедневной работе. Это то же самое, что вы можете отверткой крутить шурупы, а можете использовать шуруповёрт — и работать быстрее. Продуктивность позволяет в том числе экономить деньги. 

Как можно системно автоматизировать работу

В основе системной работы — ИИ-агенты. Это система, которая за вас при ваших указках, условиях работы создаёт механизм, который вы хотите получить. 

В команде хотели создать систему, которой можно отдать данные по рекламному кабинету, и она подскажет по заданным критериям, что можно поменять. Но прежде было важно понять, какие именно брать факторы за основу, что именно влияет на рекламу.

Выделили 16 ключевых параметров оценки рекламы. Из них 9 — в поисковой рекламе: зависимость аудитории, условий показа — поисковый запрос, таргетирование по аудитории, либо автотаргет, либо устройство. И 7 критериев нашли в рекламе с баннерами в РСЯ.

Эти 16 методов сгруппировали по 4 уровням.

1. Мониторинг — тренды за 60 дней, деградирующие кампании 
2. Причины — детали по устройствам/запросам. Ответ «почему»  
3. Потенциал — скрытые возможности, анализ Парето (20% кампаний, которые дают 80% результата) 
4. Рекомендации — приоритизация действий (ICE Score)

Далее описали логику принятия решений и заложили её в условия оценки этих 16 параметров. Так, чтобы её мог применять человек, который непрофессионально работает в Директе.

На этом этапе заплатили деньги за агента. Написали ему задачу и 16 принципов, которые нужно брать для основы. Сделали ±40 итераций в Claude и получили 3 000+ строк кода. Как итог — готовую локальную систему для оценки любого рекламного кабинета Яндекс Директа. 

Этот код можно вставить в Python, чтобы он провёл весь процесс сбора данных, их оценку и разложил по четырём принципам. Потратили на это около 10 долларов. С результатом пошли к дипломированному программисту — он оценил работу человека здесь в 60 тысяч рублей. 

Весь интерфейс выводится в терминале, его используют для уведомлений в Telegram. Специалисты работают в Telegram, DataLens. Есть дашборды, отчёты, BI-системы. 

Специалист может зайти в свой отчёт и сразу посмотреть, что происходит на разном уровне с его рекламными кампаниями. Если где-то проблема, то углубиться в причины и понять, что с этим делать.

В отчёте показаны тренды, что происходило за 60 дней: с окнами в 10 дней с итерациями, потому что обучение кампании происходит 10 дней. Видны данные по кампаниям, в какой период что-то растёт, что-то падает, как они себя чувствуют за последние 10 дней относительно всего периода показа. 

На анализе видно, что нужно увеличивать, и какие кампании дают больший процент конверсии от общего числа. Агент проводит оценку трендов и мониторинг в рамках всех рекламных кампаний, выделяет приоритетные и показывает, где есть проблема, что нужно внимательно изучить, почему происходит спад. 

Результаты работы

Результаты до внедрения анализа данных в рекламе с помощью ИИ: директолог тратил 5 рабочих дней для детального анализа 11 кабинетов рекламы в Яндекс Директе.

Результаты после внедрения ИИ-анализа рекламы в Яндекс Директ

• Директолог тратит 5 часов для того, чтобы сформировать план работы для 11 кабинетов, вне зависимости от их масштаба.
• Ошибки в кабинетах при настройке рекламы стремятся к 0, так как есть дополнительная система контроля на основе сводных показателей сотрудника. Общая эффективность специалиста выросла минимум в 5 раз.

Рекламные кампании имеют много разных данных, много параметров и разных срезов, которые можно анализировать. За счёт того, что можно передавать эти данные и с ними работать, можно находить закономерности либо какие-то точки роста, которые реально могут изменять.

Клуб по подписке «Точка доступа» — это профессиональное комьюнити таргетологов, где можно развиваться, получать новые знания и общаться с коллегами.

Каждый месяц в клубе:

• эфиры с экспертами, мастер-классы, лекции, разборы новых инструментов
• мозгоштурмы с коллегами
• разборы отдельных ниш
• марафоны по росту доходов.

А ещё вы получаете доступ к огромной закрытой базе знаний клуба с полезным контентом.

Оставьте заявку, чтобы вступить в клуб.