У медиабайера забирают мышку. Но не ответственность

У медиабайера забирают мышку. Но не ответственность

Последние недели всё больше смотрю не на то, какие новые кнопки добавили в рекламные кабинеты, а на то, что платформы постепенно забирают у маркетолога саму ручную работу.И, кажется, это уже не «ещё одна функция с ИИ». Это смена роли.

Meta тестирует создание и изменение кампаний через обычный разговор с AI-ассистентом. Amazon Ads уже позволяет через диалог оценивать аудиторию, прогнозировать охват, получать рекомендации по бюджету и разбирать результаты кампаний. TikTok открывает рекламную инфраструктуру для внешних AI-агентов. У Яндекса тоже появляются сценарии, где часть логики кампании можно задавать естественным языком.

То есть направление у всех примерно одно:

Раньше хороший специалист отличался в том числе тем, насколько уверенно он чувствует себя в рекламном кабинете: знает, где что включить, какую настройку проверить, где найти нужный отчёт, как собрать кампанию быстрее коллеги. Теперь часть этого навыка начинает дешеветь.Не потому что он больше не нужен совсем.

А потому что машина всё лучше умеет: 🖊 собирать кампанию; 🖊 создавать варианты объявлений; 🖊 подбирать аудитории; 🖊 перераспределять бюджет; 🖊 находить отклонения; 🖊 предлагать изменения; 🖊 готовить отчёт о том, что произошло.

И вот здесь легко сделать вывод: «Ну всё. Скоро маркетолог просто напишет: продай мне побольше — и пойдёт пить кофе». Я бы не спешила 😀

Потому что чем больше решений рекламная система принимает сама, тем важнее становится не то, кто лучше нажимает кнопки, а то, кто правильно поставил ей задачу.

Например, вы сказали:«Максимизируй количество заявок». Система честно максимизировала. Заявок стало в два раза больше. Только половина из них мусорные.

ИИ ошибся?

Нет.

Он сделал ровно то, что вы попросили. И вот это, мне кажется, главный сдвиг.

Раньше ошибка маркетолога часто была в настройке кампании. Теперь ошибка всё чаще будет в постановке цели.

Если в систему передали плохие данные, неверную цель или слишком широкие полномочия, она не обязательно остановится и спросит: «Вы точно этого хотите?» Она может просто очень эффективно оптимизировать не туда.

Поэтому у performance-маркетолога, как мне кажется, дорожают совсем другие навыки.

1️⃣ Правильно формулировать бизнес-цель Не «дай больше конверсий», а что именно мы считаем ценным действием, какого клиента хотим получить и сколько готовы за него платить.

2️⃣ Понимать экономику CPA может выглядеть прекрасно, а прибыль — нет. Если алгоритм не видит маржинальность, повторные покупки, возвраты или реальную ценность клиента, он оптимизируется по той картине, которую ему дали.

3️⃣ Уметь ставить эксперимент AI может сказать: «Я перераспределил бюджет — результаты стали лучше». Но без контрольной группы мы всё ещё не знаем, стали ли они лучше из-за этого решения.

4️⃣ Задавать границы Сколько система может потратить? Какие формулировки нельзя использовать? Что можно менять автоматически, а что только после согласования?

Это очень напоминает то, о чём я недавно писала про AI-агентов вообще: чем больше ИИ умеет делать сам, тем важнее не инструкция, а технические границы его полномочий.

5️⃣ Уметь сказать ИИ «нет» Мне кажется, это вообще будет отдельный профессиональный навык. Потому что рекомендация, написанная уверенным тоном и подкреплённая красивым графиком, всё ещё может быть плохой рекомендацией.И маркетологу придётся не просто пользоваться автоматизацией, а понимать, когда её решение стоит оспорить.

А вот специалист, который понимает бизнес, экономику, аудиторию, умеет ставить эксперимент и контролировать автоматизацию, скорее станет ещё нужнее.

Так что мышку у нас, возможно, действительно потихоньку отбирают. Но отвечать за то, куда она кликнула, всё равно пока нам.

#аеслиподумать